热点事件持续更新
研究人员提出熔融氯化物腐蚀机器学习预测模型
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究人员在 arXiv 发布成果，基于 291 项静态熔融氯化物腐蚀实验构建数据集，开发出预测腐蚀速率的可解释机器学习框架。该研究引入了氯化物熔盐制备指数（CSPI），其混合树基集成模型实现了 0.85 的交叉验证 R^2 和 0.41 mg cm^-2 day^-1 的 MAE。此外，研究还利用 SHAP 分析与共形预测区间明确了温度、时间等关键特征，并为点预测提供了校准的不确定性估计。
AI 根据报道生成 · 5 小时前更新
最新进展11月6日 13:00
研究人员基于 291 项实验数据，开发出熔融氯化物腐蚀预测的可解释机器学习模型。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习基于静态测试数据的熔融氯化物腐蚀数据驱动建模
研究人员基于 291 项静态熔融氯化物腐蚀实验构建数据集，开发出预测腐蚀速率的可解释机器学习框架。该研究引入氯化物熔盐制备指数（CSPI），其混合树基集成模型实现了 0.85 的交叉验证 R^2 和 0.41 mg cm^-2 day^-1 的 MAE。SHAP 分析与共形预测区间进一步明确了温度、时间等关键特征，并为点预测提供了校准的不确定性估计。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。