物理嵌入 AI 预测冰川流动,误差降低超 50%
DynamicWebPaige · x · 2026-11-21
作者分享用 NASA/SCAR 真实数据结合物理嵌入 AI 研究冰川流动的成果。严格测试显示:在一个冰川上拟合物理规律后,能预测相邻未见冰川的流动;两条冰川下独立发现相同的约 350 米滑腻海洋沉积物与粗糙基岩过渡带;基于基岩地质的滑动定律在两个方向上均优于所有经典教科书定律,将快速主干误差降低超 50%;并用 NASA 2015→2022 实测加速数据(中位 +56 米/年)验证。
「研究」频道最新
- 把 Lean 形式化结果反哺其他领域,或是被低估的机会 — mimi10v3 · 2026-11-21
- agent 集群写 PDE 求解器,从南极冰盖数据自动发现新滑动定律 — DynamicWebPaige · 2026-11-21
- 前 DeepMind 研究员发问:大脑「深在时间」,前沿模型靠循环打补丁? — yacinelearning · 2026-11-21
- 循环层数越多推理越省:3 次循环后收益递减,推理 token 反而更少 — nrehiew_ · 2026-11-21
- 团队开源可变循环模型 TML-d24-varloop-research,验证循环层数对 CoT 可监控性的影响 — nrehiew_ · 2026-11-21
- 循环 Transformer 设计细节:只循环中间层,算力等效增益 1.51-1.91 倍 — nrehiew_ · 2026-11-21