具有完整不确定性量化的混合物理-ML模型用于正向渗透通量

这篇文章描述了一篇关于混合模型的研究论文，该模型结合了物理学和机器学习来预测正向渗透通量。 重点关注不确定性量化表明了一种严格的模型验证和可靠性方法。 使用“混合”表明试图利用基于物理学的建模（用于理解基本原理）和机器学习（用于数据驱动的预测，并可能处理复杂的现象）的优势。 来源是ArXiv表明这是一篇预印本，表明正在进行的研究。

• •该研究侧重于正向渗透通量预测。
• •该模型是基于物理学和机器学习方法的混合。
• •该研究强调了完整的不确定性量化。
• •该论文可在ArXiv上作为预印本获得。