• 基于 BPNN 的代理建模框架，用于岩土和波浪不确定性下的海底边坡快速可靠性评估

  **摘要** 随机有限元模拟是可靠性评估的一种有效方法。然而，由于沉积物性质的变化和复杂边界条件，其应用于海底斜坡稳定性分析仍具挑战性，这通常会导致高昂的计算成本。为解决这些差距，本研究采用了一种基于反向传播神经网络 (BPNN) 的机器学习辅助代理框架，以估算安全系数（或稳

  来源：Soil Dynamics and Earthquake Engineering

  时间：2026-08-23

• 早期和长期口服依达拉奉用于急性缺血性卒中的神经保护：ERASE-STROKE 随机对照 3 期试验

  摘要急性缺血性卒中（AIS）神经保护治疗的最佳时机和持续时间仍不清楚。之前的研究表明，在 AIS 发作后 48 小时内开始使用依达拉奉治疗 14 天有益，但目前尚不清楚更早开始（发作后 24 小时内）和更长治疗（28 天）是否能带来更好的结果。在 ERASE-STROKE 中

  来源：Science Bulletin

  时间：2026-08-23

• 物理信息驱动的模态叠加神经网络：一种用于多频率动力学系统的新可解释范式

  •在网络中嵌入模态叠加以实现显式解分解。•与 PINN 相比，高频误差减少 100 倍，在多尺度动力学中表现卓越。•提取系统模态和演化，提供物理见解。•低超参数敏感性和鲁棒的收敛性。引言动力系统的建模和模拟是工程科学的基础，在航空航天 [1]、土木工程 [2]、[3]、机械制

  来源：Journal of Sound and Vibration

  时间：2026-08-23

• Auto-PINNs：一种用于求解带有比弗斯 - 约瑟夫界面条件的耦合流体 - 多孔介质流动的强化学习框架

  摘要 求解耦合流体 - 多孔介质流，例如具有比弗斯 - 约瑟夫界面条件的斯托克斯 - 达西和纳维 - 斯托克斯 - 达西系统，由于物理异质性和刚性约束导致的系统性优化瓶颈，对物理信息神经网络 (PINNs) 提出了严峻挑战。传统的 PINNs 严重依赖超参数的人工试错调优，导

  来源：Journal of Computational Physics

  时间：2026-08-23

• 基于忆阻强化学习的双层规划布局优化方法，结合神经动态估计策略

  **摘要** 随着摩尔定律的终结，集成电路设计自动化将有助于在硬件与人工智能之间建立一种共生关系。作为多层次、多目标的NP难问题，平面布局优化受到了许多学者的重视。传统的数值方法容易陷入局部最优解。作为一种非易失性存储器器件，忆阻器在断电后仍能保留存储的信息。利用这一特性，我

  来源：Journal of Computational and Applied Mathematics

  时间：2026-08-23

• 基于区域指示材料不连续性捕获物理信息神经网络的混凝土重力坝温度场模拟与反演

  •克服了 PINN 在多材料界面中的局限性。 •避免了域分解方法中的子网络设置。 •在稀疏样本和病态条件下实现精确反演。 •减少初始偏差影响及对专家初始化的依赖。 1. 引言 作为一种广泛采用且重要的结构形式，混凝土重力坝的长期安全稳定运行至关重要。除了满足基本力学强度要求

  来源：International Journal of Thermal Sciences

  时间：2026-08-23

• 通过潜在函数启发的级联网络结合分阶段物理 - 数据编码求解 DR-PDEE 的时空过渡迁移学习

  **摘要** 随机响应分析是随机力学中的一项基本任务。降维概率密度演化方程 (DR-PDEE) 为确定高维非线性系统的响应概率密度函数 (PDFs) 提供了一个有效的框架。多物理信息神经网络 (MPINNs) 通过将物理定律与有限样本嵌入，为解决 DR-PDEE 提供了一种诱

  来源：International Journal of Non-Linear Mechanics

  时间：2026-08-23

• 基于循环神经网络代理算法的康托尔分形微混合器优化

  摘要 使用递归神经网络 (RNN) 代理模型对康托尔分形被动微混合器进行了优化。设计变量为大康托尔挡板和小康托尔挡板的高度比 α = H₁/Hs 和宽度比 β = L₁/Ls。使用三维计算流体力学 (CFD) 模拟来评估混合效率和压力损失系数，随后将其作为 RNN 代理的训

  来源：International Communications in Heat and Mass Transfer

  时间：2026-08-23

• 基于神经格兰杰因果性的结构地震响应时间序列预测的可解释性：电气设备应用

  摘要 为了解决深度神经网络在结构地震响应时间序列预测中可解释性有限的问题，以及传感器故障可能导致监测可靠性降低的问题，本研究提出了一种基于神经格兰杰因果性（CD-NGC）的因果发现框架。针对强震下多变量响应数据的非平稳性和高动态范围特征，该框架通过物理自适应预处理和结构化稀疏

  来源：Engineering Structures

  时间：2026-08-23

• 一种用于奇异 Lane-Emden 型方程的受 DNA 启发的物理信息机器学习框架

  摘要 本文研究了一类在数学物理和天体物理学中具有重要意义的非线性奇异微分方程，具体为 Lane–Emden 型方程，此前此类方程已通过经典的半解析和数值方法进行了研究。不同于基于离散化的经典方法，我们引入了一种结合物理信息神经网络 (PINN) 的混合 DNA 基人工神经网络

  来源：Astronomy and Computing

  时间：2026-08-23

知名企业招聘：