PNAS Nexus · 9. Oktober 2026 · Aus Ausgabe 49
TIP-INN: A thermodynamics-informed machine learning framework for the mechanical behavior of rocks
Ein neues Computermodell für das Verhalten von Gestein trainiert viel schneller und macht deutlich weniger Fehler als ältere Werkzeuge.
Kangan Li, Tushar Mittal et al.
Ein neues Computermodell lernt die verborgenen Regeln, die bestimmen, wie sich Gestein unter Belastung biegt, reißt und fließt. Es trainiert mit echten Spannungs- und Dehnungsdaten und verletzt dabei nie die grundlegenden Energieregeln, denen echtes Gestein folgen muss. Im Vergleich zu älteren Computerwerkzeugen trainiert es 10 bis 30 Mal schneller. Außerdem macht es bei neuen, bisher ungesehenen Bedingungen bis zu 100 Mal kleinere Fehler.
Wie viel schneller und genauer das neue Modell im Vergleich zu älteren physikbasierten Werkzeugen ist.
Nur Labordaten und Computermodelle, noch nicht im Untergrund getestet.
Integritätsprüfung: bestanden (3 Prüfungen) Geprüft am 24. Oktober 2026. Rücknahme-Eintrag: keiner. DOI löst bei doi.org auf. Metadaten-Eintrag gefunden (PNAS Nexus). Zur Quelle
Diese Prüfung sieht sich Prozess-Signale an. Sie sagt nicht, dass die Ergebnisse stimmen.