arXiv · cs.AI· Akshay Dhalpe, Arnab Chattopadhyay, Shahriar Bakrani Balani, Eric Cortan\'ea, Sasu Tarkoma·· 2 天前
pi-Net提出面向数据稀缺多物理系统的可微物理潜表示模型
pi-Net: Empirical Latent Representations for Differentiable Physics Heads in Data-Scarce Systems
arXiv:2610.16504v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Akshay Dhalpe, Arnab Chattopadhyay, Shahriar Bakrani Balani, Eric Cortan\'ea, Sasu Tarkoma
研究任务与主要进展
pi-Net提出一种物理信息潜变量模型，将输入编码到物理归一化潜空间，再由可微物理头解码得到预测。基于论文摘要，模型在仅有60个实验样本的GMAW案例中取得R2=0.864，并报告显著优于纯数据驱动基线，同时提供过程级因果可解释性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org