待验证50% 置信事实精确时间
在热条件时间序列预测框架中，晶粒尺寸分布通过卷积神经网络（CNN）进行编码，热描述符经由专门的多层感知机（MLP）嵌入，时间演化预测由循环网络完成。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
用时间序列预测晶粒长大：热条件模型突破非等温场景
rss2026/11/4
涉及实体
相关事实
待验证该研究团队此前的工作已证明，在等温条件下，可利用循环神经网络（RNN）将晶粒尺寸分布当作时间序列进行预测，在数秒内生成完整的晶粒长大轨迹，而无需运行昂贵的偏微分方程（PDE）模拟。75% 相似待验证该论文框架支持从温度缩放、矩阵缩放到神经网络层等多种形态的校准器69% 相似已验证AI 气象模型通过在海量历史气象再分析数据上训练深度神经网络，推断速度可以比传统NWP快数百至数千倍68% 相似已验证传统分类模型可通过温度缩放（Temperature Scaling）等后处理方法改善校准67% 相似待验证在 AI 编程工具的参数谱系里，temperature 控制输出随机性，context window 决定可见信息量，effort 控制思考深度。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1138867API
curl https://kongchang.com/api/v1/knowledge/claims/1138867MCP
get_claim(id=1138867)