.png){kind=icon}
.png){kind=icon}
返回
Physics-embedded graph neural operator for interaction-controlled colloidal aggregation
.png){kind=icon}
OA
AI
DOI：10.1016/j.watres.2026.125773.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 图神经网络算子代理模型在离子强度、ζ电位、颗粒尺寸和浓度范围内实现了R2 > 0.99的相平衡方程拟合。
• 将布朗运动输运嵌入图边结构，在保持卓越预测精度的同时，相较于物理信息损失函数显著提升了计算效率。
• 注意力分析表明，模型学习到了由XDLVO主导的调控机制下的状态转换过程，并准确捕捉了碰撞效率与频率竞争效应。
Keyword:
Colloidal aggregation
Population balance equation
Graph neural operator
Surrogate modeling
XDLVO theory
Attention mechanism
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。