用扩散模型模拟气相反应，能准确预测未知条件下的浓度结果。
Particle-Guided Diffusion for Gas-Phase Reaction Kinetics
- 基于扩散模型的物理引导采样，学习不同参数下的反应-传输方程解。
- 生成的浓度场符合物理规律，出口浓度预测误差小。
- 适用于未见过的参数条件，适合化学动力学建模与仿真场景。
基于扩散模型先验的物理引导采样在求解偏微分方程（PDE）问题方面已展现出潜力，但在具有化学意义的反应-传输系统中的应用仍有限。本文通过在不同参数下训练扩散模型来拟合对流-反应-扩散（ARD）方程的解，将其应用于气相化学反应的建模。该方法能够生成符合物理规律的浓度场，并准确预测出口浓度，包括在未见参数值下的表现，展示了扩散模型在反应传输系统推断中的潜力。
原文摘要 · Abstract (English)
Physics-guided sampling with diffusion model priors has shown promise for solving partial differential equation (PDE) governed problems, but applications to chemically meaningful reaction-transport systems remain limited. We apply diffusion-based guided sampling to gas-phase chemical reactions by training on solutions of the advection-reaction-diffusion (ARD) equation across varying parameters. The method generates physically consistent concentration fields and accurately predicts outlet concentrations, including at unseen parameter values, demonstrating the potential of diffusion models for inference in reactive transport.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。