物理ガイド付き時間的トランスフォーマーによるCO????腐食：アサルイヤSPGC複合施設（イラン）のケーススタディ

油ガス産業の構造的完全性は、CO₂による腐食のため危険にさらされています。そのため、この現象を正確に予測するための実用的で説明可能なメカニズムが必要です。利用可能なメカニズムモデルとして、de Waard–Milliams方程式があり、基本的な熱力学を含んでいるものの、動的な投与や時間変動の条件には耐えられません。従来の機械学習や深層学習モデルは正確性を改善するものの、物理的一貫性や解釈可能性に欠けることがよくあります。ここで提案するのは、Temporal Fusion Transformerのバックボーンに物理情報を組み込んだ損失（de Waard–Milliams）とSHapley Additive exPlanations（SHAP）を統合した物理ガイド付き時間的トランスフォーマー（PGTT）です。22の抑制剤投与実験から得た包括的な連続データセット（60時間以上で15,400サンプル）を適用することで、このPGTTは、5回の独立した実行による平均で、より高いパフォーマンスを達成し、Random ForestやMLPのベースラインを上回ります。SHAPによれば、温度（26.5%）とCO₂圧力（17.7%）が支配的な刺激要因として特定されており、腐食科学と一致しています。このケーススタディは、予測誤差が5%未満の減少を示し、先手の抑制剤投与とパイプラインの完全性管理を支持します。