• 从刺激接触到创意生成：创作者特质与刺激使用行为如何塑造创意成果

  •刺激相关性和评分提高了感知有用性，从而推动刺激的使用。 •专家和深度思考者认为不太明显的刺激比其他人认为更有用。 •使用刺激会增加从众性，并降低新想法的新颖性。 •深度使用削弱了原始刺激对创造性结果的影响。 引言 外部刺激（包括灵感词汇、范例和类比）的使用是创造性工作中常

  来源：Design Studies

  时间：2026-09-02

• CoCrFeNi 高熵合金掺杂类金刚石碳薄膜的综合纳米力学评价与时间依赖性变形机理

  •提出了一种多维纳米力学评估框架。•对掺入 CoCrFeNi 高熵合金（HEA）的类金刚石碳（DLC）薄膜进行了对比研究。•压痕应力松弛能力与 HEA 掺杂量成正比。•HEA 诱导的 DLC 结构松弛和高屈服强度有效抑制了裂纹萌生。引言类金刚石碳（DLC）薄膜由于其卓越的硬度

  来源：Diamond and Related Materials

  时间：2026-09-02

• 一种用于构建含凹夹杂物致密周期性代表性体积单元的几何一致分解–迁移框架

  摘要 本工作提出了一种几何一致性分解 - 迁移框架，用于构建含凹形夹杂物的复合材料的严格非重叠周期性代表性体积单元 (RVEs)，同时保留目标凹形几何和规定的平面内取向统计特性。每个夹杂物首先通过混合三角化随后进行保持拓扑的凸合并，被简化为一组紧凑的凸元，从而能够为高度非凸边

  来源：Computers & Structures

  时间：2026-09-02

• 阿尔及利亚乌莱德奈伊勒山脉阿普第阶卢伊扎泥灰岩组的遗迹学及其沉积缺失面的古环境意义

  •首次展示了卢伊扎泥灰岩组在模式产地的遗迹化石演化。•遗迹学分析记录了一个中等多样性的遗迹化石组合，包含十六个遗迹分类单元。•确认了三个遗迹相，分别与软底质、firm 底质和硬底质套组有关。•垂直岩相和遗迹相分布表明了一个向上变浅的趋势，从中坡到内坡，经过半局限泻湖。•多个缺

  来源：Cretaceous Research

  时间：2026-09-02

• 用于有限元模拟弹塑性分析的统一能量优化

  摘要 基于增量迭代方法的弹塑性有限元结构行为分析并非易事，且通常涉及复杂的数值计算，无法保证收敛性。替代方案是应用强大且稳定的凸优化求解器来最小化余能或势能，这可能为非线性超弹性材料在给定单调加载情况下的解提供一步完成的方法，从而模拟弹塑性材料行为。通过平衡和协调的弱形式表述

  来源：Computers & Structures

  时间：2026-09-02

• 协调开裂土壤压缩行为的显式与均质化建模策略

  摘要：干缩裂缝给土壤引入了显著的非均质性，显著影响其力学行为。然而，显式裂缝模型与均质化方法之间的差异及适用条件尚不清楚。本研究采用有限元法（FEM）研究了不同计算策略对裂缝引起的屈服应力退化预测的影响。考虑了三种计算策略：结构退化组（SD）、参数退化组（PD）和完整参考组。

  来源：Computers and Geotechnics

  时间：2026-09-02

• RAWS：面向多资源约束下任务调度的基于强化学习的自适应加权评分框架

  摘要现代工业系统由于多资源约束而面临日益严峻的任务调度挑战，这些约束的特征是资源类型间强耦合以及随时间变化的稀缺性。任务分布的内生偏态，加上波动的资源供需动态和复杂的冲突结构，进一步加剧了调度问题的复杂性。因此，传统的启发式和学习型调度方法在适应性、泛化能力和决策透明度方面面

  来源：Computers & Industrial Engineering

  时间：2026-09-02

• 面向患者身份保护与医疗数据隐私的深度学习辅助零知识证明认证

  摘要 数字医疗系统和医疗物联网（IoMT）设备的快速增长增加了未经授权的访问和敏感患者数据泄露的风险。传统的认证和加密方法对于分布式资源受限的医疗环境（如 5G 边缘网络）来说是不充分的。传统的生物特征系统也容易受到模板攻击，而基于人工智能的集中式和去中心化安全解决方案则面临

  来源：Computers and Electrical Engineering

  时间：2026-09-02

• 基于深度库普曼算子的非线性系统数据驱动鲁棒移动时域估计

  •从噪声数据中学习稳定的 Koopman 模型，以形成一类非线性过程的线性替代模型。•基于 Koopman 的鲁棒 MHE 避免了非线性估计中的非凸优化。•推导了稳定性条件，以确保估计值的鲁棒全局渐近收敛。•案例研究证实了优于基于 EDMD 的 Koopman 估计方法的建模

  来源：Computers & Chemical Engineering

  时间：2026-09-02

• 红毛猩猩优化引导的深度信念网络用于锂离子电池剩余使用寿命预测：特征选择与充电调节

  摘要 剩余使用寿命（RUL）的预测对于提高电动两轮车所用锂离子电池的可靠性、安全性和经济性运行至关重要。然而，传统的机器学习方法往往存在特征冗余、对变化充电条件适应性有限以及在建模复杂电池退化行为时可解释性降低等问题。为解决这些局限性，本文提出了一种猩猩优化引导的深度置信网络

  来源：Computers and Electrical Engineering

  时间：2026-09-02

知名企业招聘：