-
基于机器学习的铝飞秒激光微加工中烧蚀槽几何形状和热影响区形成的预测
本研究提出了一种人工神经网络(ANN)方法,用于预测铝飞秒激光微加工过程中激光诱导的材料改性。实验研究确定了平均激光功率和扫描速度对烧蚀槽宽度以及用作热影响区(HAZ)代理的光学确定的表面变色宽度的影响。收集的数据集包含100个样本,用于开发、训练、验证和测试
来源:Materials
时间:2026-07-15
-
模板化结晶与量子点调控细丝形成实现稳定低电压有机忆阻器
有机忆阻器因其固有的突触功能和溶液可加工性,成为神经形态计算中有吸引力的构建模块。然而,其操作不稳定性仍然是一个主要挑战,主要源于半导体结晶控制不良和随机导电细丝(conductive filament, CF)形成。在此,研究人员报告了一种基于TIPS-pe
来源:Materials
时间:2026-07-15
-
基于可视化驱动的构型同构取代合金能量学的物理信息建模及其迁移性验证
取代合金对第一性原理建模提出了根本性挑战,因为不同的化学构型数量随体系尺寸呈组合式增长。研究人员表明,对于此处考虑的刚性晶格上的取代过渡金属合金,构型能量学表现出大程度的低维且近似准加和特性。利用1337次Fe/Mn体系的密度泛函理论(DFT)计算,物理引导的
来源:Results in Physics
时间:2026-07-15
-
使用神经网络的量子谐振子中的任意态制备
制备量子态是各种量子算法中的基本任务。特别地,量子谐振子(HO)中的态制备对于qudit的操控和高维算法的实现至关重要。在本工作中,研究人员开发了一种用于与辅助量子比特耦合的量子谐振子中量子态制备的通用方法论,保证任何目标态在物理上都是可制备的。量子比特和量子
来源:Results in Physics
时间:2026-07-15
-
灵活融合模型用于改进河流洪水早期预警,基于Takagi-Sugeno-Kang推理系统的一种推广
在自然灾害中,洪水是世界上最常见且影响最严重的自然灾害类型,造成重大的结构破坏和生命损失。预测其发生在降低影响方面起着关键作用。然而,由于各种气象条件和可能偏离常态的洪水模式的组合,这种可预测性常常具有挑战性。自适应神经模糊推理系统(ANFIS)似乎是完美结合
来源:Fusion Engineering and Design
时间:2026-07-15
-
基于数据驱动代理模型的有无CO2回注地热双井性能研究
土耳其西部的地热储层含有大量溶解的CO2,导致与地表排放相关的运营和环境挑战。尽管CO2回注是一种有前景的缓解策略,但其成功实施需要对储层性能(特别是生产焓和CO2产率)进行可靠的长期预测。本研究旨在开发并验证一种计算高效的代理建模框架,该框架能够准确预测在有
来源:Energy Geoscience
时间:2026-07-15
-
混合MSCNN-AttBiGRU神经网络用于时间序列井性能预测
精确预测井性能对于做出明智的项目决策和促进油气田(特别是在非常规储层中)的高效、经济开发至关重要。机器学习(ML)作为一种稳健的替代方法,利用其非线性映射优势,超越了传统的储层数值模拟和递减曲线分析方法。然而,由于复杂的应用场景和对预测精度的高标准,仅使用单一
来源:Energy Geoscience
时间:2026-07-15
-
离子液体折射率的鲁棒建模:迈向可解释和可理解的基于化学结构的机器学习框架
离子液体(ILs)是一类有前景的可持续溶剂,因其可忽略的蒸气压、高热稳定性和化学稳定性以及卓越的可调性。这些独特的物理化学性质吸引了工业和学术领域的广泛关注,尤其在催化、分离过程、电化学系统和绿色化学中。在ILs的关键性质中,折射率(RI)是一个重要的光学参数
来源:Digital Chemical Engineering
时间:2026-07-15
-
从分子到过程的联邦学习:化学工程领域的展望
研究人员提出了关于化学工程(Chemical Engineering, ChemE)中联邦学习(Federated Learning, FL)的展望,展望了化学工业内机器学习(Machine Learning, ML)开发的协作努力。大量的化学和过程数据专属于
来源:Chemical Engineering Research and Design
时间:2026-07-15
-
基于模型与数据驱动方法的真实世界磷酸铁锂电池组荷电状态估计
准确估计真实世界电动汽车(EVs)中大型电池组的荷电状态(SOC)对于预测剩余里程和提高电池利用效率至关重要。然而,由于复杂的运行条件和电池单体间不一致性,这仍然具有挑战性,特别是对于具有平坦开路电压(OCV)平台的磷酸铁锂(LFP)电池组。因此,本研究提出了
来源:Applied Energy
时间:2026-07-15