SCIHOT固井技术观测站
SCIHOT Research Signals

2026-09-20

6 条精选 近 24 小时评出 2026-09-20 00:12 UTC

固井直接相关

1 items
论文固井直接相关CCS/CCUS固井材料水泥水化
发表 2026-10Construction and Building MaterialsT1
原题:Hydration–carbonation coupling in wollastonite-modified belite-rich cement: CO 2 uptake, matrix densification, and performance evolution

研究硅灰石改性高贝利特水泥体系中水化与碳化的耦合作用,考察其 CO2 吸收能力、基体致密化过程及性能演变。

推荐理由:为低碳固井水泥中 CO2 固存与基体密实化协同设计提供参考。

主题1|自修复与应力完整性

0 items
专利观察入口主题1|自修复与应力完整性

自动全球专利信号已改由官方来源独立取件,并在科研雷达中按同族展示。这里仅保留人工延伸检索入口,不参与自动抓取或论文评分。

完整检索矩阵

主题2|防腐蚀与化学侵蚀

0 items
专利观察入口主题2|防腐蚀与化学侵蚀

自动全球专利信号已改由官方来源独立取件,并在科研雷达中按同族展示。这里仅保留人工延伸检索入口,不参与自动抓取或论文评分。

完整检索矩阵

主题3|AI4S 赋能

5 items
58
论文主题3|AI4S 赋能AI4S机器学习
发表 2026-09-18 12:00arXiv materials science (cond-mat.mtrl-sci)T1.5
原题:Truncated automatic sparse differentiation for machine learning interatomic potentials

针对 MLIP 高阶导数(如 Hessian)计算代价过高的问题,利用相互作用的局部性与距离衰减特性,提出截断自动稀疏微分(ASD)来高效计算导数稀疏模式。

推荐理由:该方法有望降低 MLIP 大规模模拟中高阶导数的计算门槛,对固井材料的多尺度力学建模有潜在价值。

相关8新颖8证据6迁移8
54
论文主题3|AI4S 赋能AI4SCCS/CCUS钻井机器学习CCUS地下工程
发表 2026-09-18 12:00arXiv geophysics (physics.geo-ph)T1.5
原题:A Generative-AI Modeling Framework for Explainable Decision Support in Complex Geosteering Scenarios

提出实时 AI 地质导向工作流,融合 GAN 地质参数化、集合模型更新与全局离散动态规划优化,用于随钻方向调整决策。

推荐理由:该框架涉及 CO2 封存等地下作业场景,与固井所处的地下不确定性建模思路相关,但直接关联有限。

相关8新颖8证据6迁移6
54
论文主题3|AI4S 赋能AI4S机器学习性能预测
发表 2026-09-18 12:00arXiv materials science (cond-mat.mtrl-sci)T1.5
原题:Machine-Learning Exploration of Defect Topologies and Thermodynamic Stability in Graphene with Atomic Vacancies

结合半经验原子热力学、可解释机器学习与符号回归,对数百个不同空位浓度和间距的石墨烯超胞进行稳定性映射。

推荐理由:相关性较弱,主要面向石墨烯缺陷物理,对固井材料体系的直接参考价值有限。

相关8新颖8证据6迁移6
53
论文主题3|AI4S 赋能AI4S机器学习性能预测
发表 2026-09-18 12:00arXiv materials science (cond-mat.mtrl-sci)T1.5
原题:ALIGNN 2.0: A Unified Line-Graph Neural Network Framework for Materials Screening, Force Fields, Inverse Design, Spectroscopy, and Microscopy

发布纯 PyTorch 无依赖的 ALIGNN 2.0 重实现,将标量、光谱、张量、单原子及力场预测统一到单一图结构下,并比较了半径图与 kNN 图的精度差异。

推荐理由:为材料性质预测与 MLIP 提供可移植、可复现的统一框架,有助于 AI4S 在固井材料筛选与力场建模中的工程化落地。

相关8新颖6证据6迁移8
53
论文主题3|AI4S 赋能AI4S机器学习
发表 2026-09-18 12:00arXiv materials science (cond-mat.mtrl-sci)T1.5
原题:Uncertainty quantification design principles for machine learning interatomic potentials: lessons learned from hierarchical Bayesian inference

以氩的耦合簇参考数据为基准,比较 MACE 等消息传递网络与高斯过程势的 UQ 策略,提出融合物理先验与超参数贝叶斯传播的层次 GP 势。

推荐理由:为 MLIP 的可靠不确定性量化提供实用设计原则,对 AI4S 驱动的固井材料模拟可信度评估有参考意义。

相关8新颖6证据6迁移8
专利观察入口主题3|AI4S 赋能

自动全球专利信号已改由官方来源独立取件,并在科研雷达中按同族展示。这里仅保留人工延伸检索入口,不参与自动抓取或论文评分。

完整检索矩阵