• 基于图神经网络的陆相页岩断层与裂缝分布预测

  断层-裂缝系统在页岩油的运移、聚集和保存中起着关键作用。然而，这些裂缝的微弱地球物理响应以及断层和天然裂缝拾取中的模糊性使其识别和辨认面临挑战。为解决这些问题，本文提出了一套基于图神经网络（GNN）的断层-裂缝系统分布预测方法。该方法集由三部分组成：(1) 基

  来源：Petroleum Science

  时间：2026-07-09

• 扩散与边缘感知的融合：高精度超声神经分割的统一框架

  摘要 引言：从超声图像中分割神经仍然具有挑战性，这是由于散斑噪声、低对比度以及不清晰的解剖边缘所致。这些限制对基于原始超声数据进行工作的深度学习分割模型产生了不利影响。方法：为了克服这些困难，研究人员提出了一种扩散引导的边缘感知多通道分割方法，该方法能够利

  来源：Frontiers in Digital Health

  时间：2026-07-09

• Myo-ODE：基于神经常微分方程的连续时间轨迹重建与高度近视风险预测

  全球儿童近视的激增需要强大的筛查工具进行早期风险分层；然而，传统的预测模型通常难以处理不规则的随访间隔，并且无法捕捉屈光发育的连续本质。研究人员提出了Myo-ODE，一种基于神经常微分方程（Neural ODEs）的连续时间框架，用于预测高度近视风险。与传统的

  来源：Frontiers in Public Health

  时间：2026-07-09

• μG: A Process Algebra for Graph Neural Networks（图神经网络的进程代数）

  本文提出μG（muG，A Process Algebra for Graph Neural Networks），一种基于进程代数（Process Algebra）的形式化建模框架，用于对图神经网络（Graph Neural Network, GNN）的消息传递

  来源：Journal of Logical and Algebraic Methods in Programming

  时间：2026-07-09

• 利用多视角无人机影像与深度学习绘制干旱影响森林下木层树种入侵分布图

  深度学习(Deep Learning, DL)和运动恢复结构(Structure from Motion, SfM)摄影测量技术的进步，结合商用现成的无人(unoccupied aerial vehicles, UAVs)和高分辨率相机，使得植物物种的测绘精度

  来源：ISPRS Open Journal of Photogrammetry and Remote Sensing

  时间：2026-07-09

• 随机利率与交易成本下基于物理信息神经网络的期权定价

  本文在随机利率和比例交易成本下对欧式期权进行定价，这共同产生了一个包含曲率依赖平方根非线性的非线性偏微分方程。经典数值方法在此面临困难，因为非线性交易成本项在支付过渡区域附近产生强敏感性。研究人员使用物理信息神经网络（PINNs）求解由此产生的定价方程。所提出

  来源：Examples and Counterexamples

  时间：2026-07-09

• 形状记忆冯·米塞斯结构的智能滑模控制方法

  智能控制抑制了形状记忆合金（Shape Memory Alloy, SMA）冯·米塞斯（von Mises）桁架中的振动。研究人员提出了一种神经增强滑模（Sliding Mode, SM）控制器，通过系统交互进行在线学习。采用简化的多项式SMA模型控制具有迟滞

  来源：European Journal of Mechanics - A/Solids

  时间：2026-07-09

• 综述：纳米材料和纳米器件用于物理储层计算

  物理储层计算（PRC）正作为一种用于动态信息神经形态处理的新兴范式出现。在这里，物理系统固有的非线性动力学和衰减记忆将输入信号映射到高维空间，仅通过训练后的线性读出即可实现复杂任务。基于纳米材料的纳米器件可以成为PRC的理想平台，因为量子限域效应、结构随机性和

  来源：Current Applied Physics

  时间：2026-07-09

• 面向地理空间遥感滑坡测绘改进的深度融合视觉Transformer网络

  利用自动化技术进行滑坡识别有助于研究人员提升现有先进滑坡预测模型的准确性。近年来，卷积神经网络(CNN)在分析遥感图像方面取得了显著成功。然而，其在长距离建模方面的不足，不利于处理带有斑点噪声和阴影的高分辨率图像，并导致滑坡区域分割精度的降低。Transfor

  来源：Artificial Intelligence in Geosciences

  时间：2026-07-09

• PSO优化的基于物理信息神经网络(PINN)的模糊滑模控制器设计用于四旋翼高度稳定与轨迹跟踪

  本文提出了一种新颖的混合智能控制框架，用于四旋翼无人机（UAV），通过集成滑模控制（SMC）、物理信息神经网络（PINN）和模糊逻辑控制（FLC）。鲁棒轨迹跟踪因非线性动力学、不确定性和外部扰动仍具挑战性。尽管SMC提供强鲁棒性，但存在抖振和等效控制估计困难。

  来源：Ain Shams Engineering Journal

  时间：2026-07-09

知名企业招聘：