A large open multi-source soil compaction corpus and pretrained tabular estimators from index properties
本文介绍了一个包含 4,878 项土壤压实试验的大型、开放、多源语料库，并证明了预训练表格模型可以根据指标特性准确预测最大干密度和最佳含水率，从而为岩土工程机器学习研究建立了一个新的基准。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每一条道路、每一座大坝和每一个建筑地基的开端，都始于一个简单而关键的问题：我们能将地下的土壤压实到多紧密？当工程师利用土壤进行建造时，他们不仅仅是堆砌土石；他们会对土壤进行压实，通过挤压颗粒来排除空气和水分，从而创造出一个在重压下不会下沉或位移的坚实基础。为了安全地做到这一点，他们必须掌握每种所用土壤的两个特定数值。首先，他们需要知道最大干密度，即土壤在被挤压时所能达到的最重状态。其次，他们需要知道最佳含水率，即土壤达到该最大重量时所需的精确水量。如果土壤太干，颗粒之间会相互摩擦并拒绝紧密排列；如果土壤太湿，水分则会起到润滑剂的作用，将颗粒推开。寻找这个“黄金平衡点”需要进行一项物理测试：工程师将土壤与不同含水量的水混合，将其夯实进模具中，然后进行称重。这个过程缓慢且昂贵，并且必须针对工程中遇到的每一堆新土进行重复实验，往往仅为了得到一个答案就需要整整一天的实验室工作。
几十年来，研究人员一直试图通过基于更简单、更快速测试的猜测来跳过这一缓慢过程。他们希望通过测量土壤的基本属性——例如其含粘量或湿润时的粘性——就能预测出这些重度压实的数值，而无需进行完整的测试。然而，以往的尝试都受到了限制。大多数研究依赖于仅来自一个实验室或一种土壤类型的少量数据收集，这意味着它们的“规则”在应用于不同地方发现的不同土壤时往往会失效。此外，许多此类研究将缺失信息视为一个需要通过发明一个数字来解决的问题，而不是接受某些土壤确实不具备某些属性这一事实。
泰国朱拉隆功大学（King Mongkut's University of Technology Thonburi）的一支研究团队现在通过构建一个规模更大、更加诚实的方案解决了这一问题：一个从全球数十个不同研究和实验室中提取的大型开放式土壤数据集合。他们没有进行猜测或伪造数据，而是收集了近 5,000 条实际的土壤测试记录，并仔细检查每一条记录以确保其符合物理定律。他们发现，在收集到的已发表数据中，有近 12% 描述的是物理上不可能存在的土壤状态，例如饱和度超过 100% 的土壤，这在现实中是不可能存在的。通过剔除这些不可能的记录，他们创建了一个可靠的干净数据库，涵盖了从洁净砂土到重粘土的所有类型，并覆盖了四种不同的压实能量等级。
凭借这个全新的数据库，研究人员测试了一种用于预测的现代方法，即一种被称为“表格基础模型”（tabular foundation model）的类人工智能技术。与传统的通过根据特定数据调整内部设置来进行学习的计算机程序不同，这种模型是在数百万个合成样本上进行预训练，然后保持其参数冻结状态。它并不以传统方式“学习”土壤数据；相反，它将新的土壤记录视为上下文，就像学生在解题前阅读教科书中的例题一样。这种方法使模型能够高精度地预测最大干密度和最佳含水率，其精确度足以媲美物理实验本身。该模型预测最大干密度的误差仅为 0.067 Mg/m³，预测含水率的误差仅为 1.67 个百分点。
研究还揭示了哪些信息最为重要。当研究人员移除描述土壤颗粒大小的数据时，预测的准确性显著下降，这证明了了解土壤是沙质还是粉质是单一最重要的因素。他们还发现，对于细颗粒土，衡量土壤在湿润或干燥时行为的界限特性至关重要，但对于洁净砂土而言则无关紧要。至关重要的是，该模型学会了正确处理缺失信息。当一个土壤样本因为是洁净砂土而没有塑限时，模型会将这种缺失识别为一种特定的状态，而不是试图用一个虚假的数字来填补它。这使得该系统能够在从粗糙砾石到细腻粘土的整个土壤光谱范围内正常运行，而不会崩溃。
然而，研究人员也谨慎地指出了他们工作的局限性。虽然该模型在预测与其数据库中相似的土壤方面表现异常出色，但尚未在来自未知来源或不同实验室的全新类型土壤上进行测试。研究还强调了纯粹的准确性与物理安全性之间的权衡。最准确的模型偶尔会预测出一种暗示土壤饱和度超过 100% 的密度与含水率组合，这在物理上是不可能的。为了解决这个问题，团队还推导出了一个简单的数学公式，该公式能保证结果在物理上始终是可能的，尽管这个公式的准确度略低于复杂的计算机模型。
最终，这项工作为岩土工程的未来提供了新的基础。通过发布这个经过验证的大型数据集，并展示现代人工智能如何在不产生过拟合的情况下从中学习，研究人员为科学界提供了一个共同的基准。这使得未来的工程师能够开发出更好的工具来预测土壤行为，在确保建筑下方地面安全稳定的同时，有望节省建筑项目的成本和时间。研究证实，虽然我们尚不能完美预测每一种未知土壤的行为，但我们已经远远超越了基于孤立小规模实验进行猜测的时代。我们现在拥有了一条清晰的、由数据驱动的路径，去理解地球在压力下的行为。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。