• 超越相关性：面向鲁棒城市交通预测的因果不变性框架

  **论文摘要** - 提出了一种分层不确定性框架，将 Dempster-Shafer 信念理论与变分推断相结合，以在不完全观测下实现鲁棒的交通预测。 - 开发了一种基于信念理论的解耦机制，用于系统地将不变因果因子与环境特异性变化分离，并量化不确定性。 - 将不变风险最小化（

  来源：International Journal of Approximate Reasoning

  时间：2026-08-20

• Grow：面向扩展道路传感器网络的持续时空交通预测学习

  •Grow支持在扩展道路传感器网络上进行持续预测。•扩展-保持机制将适应性更新与稳定表示分离。•张量环适配器实现参数规模随网络规模次线性增长。•在七年PeMS-D3数据上，Grow以12.20的平均MAE击败11个基线方法。•七个周期更新耗时4.25分钟，峰值GPU内存占用0

  来源：Information Processing & Management

  时间：2026-08-20

• 基于无数据物理信息神经网络的板统一弯曲分析

  摘要：精确分析板弯曲在许多工程领域中至关重要。然而，由于涉及高阶偏微分方程（PDE）、各种材料属性（各向同性、正交各向异性和各向异性）以及多种边界条件（BC），该分析面临计算挑战。传统的数值方法，如有限元方法（FEM），需要进行域离散化，该过程可能耗时较长，而标准的物理信息神

  来源：Engineering Structures

  时间：2026-08-20

• 基于软残差注意力的物理信息神经网络用于随钻测井声学相控阵波场重构

  摘要 基于声阵列的钻头前方探测技术是随钻测井（LWD）中的一种常用方法。它利用一组声学源激发合成声波场，以探测地质异常。因此，了解多源合成声波场在地质结构中的时空演化过程至关重要。此前的数值策略主要依赖于具有精细网格的有限元方法，计算成本高昂。最近，物理信息神经网络（PIN

  来源：Computers & Geosciences

  时间：2026-08-20

• 物理信息神经网络（PINN）用于预测无机半导体的振动稳定性

  •PINN在一个包含1305种材料的基准数据集上实现了0.87的AUC-ROC值。•使用了物理损失函数来惩罚违反玻恩稳定性判据的结构。•物理惩罚仅使用了1545个直接计算的玻恩标签。•所开发的模型在无机半导体的两类（稳定和不稳定）中均表现出均匀良好的性能。•0.4的丢弃率帮助

  来源：Computational Materials Science

  时间：2026-08-20

• 物理信息神经网络在宇宙膨胀动力学中的应用：平坦FLRW时空中的正向解与同步参数推断

  摘要：我们开发并分析了物理信息神经网络（PINNs），用于求解描述平坦弗里德曼-勒梅特-罗伯逊-沃克（FLRW）时空宇宙膨胀的弗里德曼方程。在前人基于PINN的宇宙学推断研究基础上，本文在方法论上做出了两项聚焦贡献。首先，我们将网络输出重新表述为e-折数N(t)=lna(t)

  来源：Astronomy and Computing

  时间：2026-08-20

• 用于卫星最短时间姿态调整的神经网络

  摘要 本工作研究了制导与控制网络（G&CNETs）在不对称刚体航天器时间最优重定向中的应用。经典最优控制方法通常需要在线求解计算量庞大的优化问题，这可能限制其在资源受限平台上的适用性。受G&CNETs在相关制导与控制应用中表现出色性能的启发，本研究评估了它们逼近最优转向策略

  来源：Acta Astronautica

  时间：2026-08-20

• 基于函数先验的贝叶斯偏微分方程约束反演方法：物理信息神经网络

  # 翻译说明 本文是对一篇学术论文的中译，原文题为"Functional-prior-based approaches to Bayesian PDE-constrained inversion using physics-informed neural networks"

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-08-20

• 面向高精度物理信息神经网络的曲率感知优化

  摘要：高效且鲁棒的优化对于神经网络至关重要，它使科学机器学习模型能够快速收敛至极高的精度——忠实地捕捉由微分方程支配的复杂物理行为。本工作提出了先进的优化策略，以加速物理信息神经网络（PINNs）在求解具有挑战性的偏微分方程（PDEs）和常微分方程（ODEs）时的收敛。特别地

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-08-20

• 用于基于结构磁共振成像的生物脑龄估计的深度监督多任务自编码器

  # 摘要 由于与年龄相关的脑结构变化细微且具有异质性，同时个体间存在显著的解剖学和人口学差异，因此基于磁共振成像的脑年龄估计是一项极具挑战性的任务。为此，本研究提出了一种基于深度学习的智能框架，称为深度监督多任务自编码器（Deeply Supervised Multitas

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-20

知名企业招聘：