• 48小时乳酸正常化可预测静脉-动脉体外膜氧合治疗心源性休克患者的良好神经功能恢复及生存率

  静脉-动脉体外膜肺氧合（VA ECMO）用于心源性休克（CS）患者与高死亡率及不良神经系统预后相关。代谢恢复的动态评估——以乳酸恢复正常为标志——可能比静态严重度指数提供额外的预后价值。我们回顾性分析了多中心RESCUE II登记研究中的662例连续患者，这些患者在VA EC

  来源：ASAIO Journal

  时间：2026-10-14

• 点缺陷和拉伸应变对晶格热导率的影响：一项机器学习分子动力学研究

  θ-TaN是一种极具前景的超高热导率材料，然而此前分子动力学（MD）模拟结果与实验数据之间仍存在显著差异。目前，对于合成过程中引入的点缺陷和拉伸应变如何调节各向异性热传输，尚缺乏系统的原子尺度理解。本研究开发了一种神经进化势函数，该势函数基于密度泛函理论数据进行训练和评估，用

  来源：Physical Review B

  时间：2026-10-14

• 基于动态事件触发控制的参数不匹配时滞分数阶忆阻模糊神经网络实用有限时间同步

  摘要 本文研究具有参数失配的时滞分数阶忆阻模糊神经网络的实用有限时间同步问题。我们针对两个根本性挑战展开研究：分数阶链式法则的失效问题，该问题削弱了现有稳定性分析的数学严谨性；以及在现有不等式框架中当同步误差趋近于零时产生的控制奇异性。为解决这些问题，本文基于分数阶Halan

  来源：Mathematics and Computers in Simulation

  时间：2026-10-14

• 通过反馈稳定的表示复用实现信息高效神经网络的多输入学习

  •提出了一种多输入学习框架，用于信息高效的神经网络。 •显式反馈路径使得在不增加额外参数的情况下实现跨单位时间的表示重用成为可能。 •基于小增益的分析为反馈稳定学习提供了稳定性条件。 引言 现代机器学习模型已成为智能系统的基本组成部分，包括文本理解、视觉识别、多模态推理、决

  来源：Knowledge-Based Systems

  时间：2026-10-14

• 利用物理信息神经网络优化配送路线的可持续数据驱动能源管理

  摘要 无人机（UAV）飞行过程中的能耗是决定航程、任务可行性和航空物流经济效率的关键因素。我们开发了一种物理信息神经网络（PI-NN）用于瞬时功率预测。通过将已建立的气动学和运动学原理直接嵌入神经网络架构中，PI-NN将功率表示为非负升力、阻力和推进力分量的精确之和。在无人

  来源：TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT

  时间：2026-10-14

• 拓扑感知图时序代理架构用于多元过程建模 摘要： 在过程工程和多元数据建模领域，图时序建模在时间和网络维度同时捕获动态特性与相互依赖关系方面展现了优势，从而显著提升了下游预测性能。然而，现有工作通常难以在保持时序感知建模与拓扑感知建模之间取得平衡。为了解决这一问题，我们提出了拓扑感知图时序代理（TATS）架构，该架构将多种组件相结合，包括图神经网络、线性投影、自注意力机制和门控单元等。此外，我们引入了两个创新方法：（1）节点嵌入增强机制，通过融合静态、动态和拓扑信息来丰富节点表示；（2）动态图边更新方法，用于增强图结构中的拓扑信息。在两个基准数据集上的评估表明，TATS在预测性能上显著优于其他方法，平均绝对百分比误差（MAPE）最高降低2.93%。在下游任务中，TATS的预测结果与直接预测模型的平均绝对百分比误差（MAPE）相比最高降低了2.80%。消融实验证明了每个组件对总体性能贡献的有效性。 关键词：多元过程建模；过程分析；图神经网络；预测建模；代理模型

  •将时间建模与过程信号传播的结构信息相结合，可以显著提高数据驱动预测模型的外推能力。•适当设计的噪声增强可以提高模型预测精度，但其收益并非无限的，需要仔细选择扰动水平。•分析图神经网络的权重可以揭示学习到的系统关系中具有信息量的模式，而这些模式无法从仅基于时间的预测模型中获得

  来源：Computers & Chemical Engineering

  时间：2026-10-14

• 结合不确定性量化的半监督贝叶斯学习用于有限标注数据下锂离子电池的可靠健康状态估计

  •提出了一种半监督贝叶斯方法用于锂离子电池SOH（健康状态）估计。•量化了随机不确定性和认知不确定性，以实现可靠的SOH估计。•通过利用未标记数据的方差正则化减少认知不确定性。•进行了四个实验案例来验证所提方法。 **1. 引言** 锂离子电池因其高能量密度、长循环寿命、

  来源：Computers & Chemical Engineering

  时间：2026-10-14

• 超越成对相互作用：高阶网络上协同演化传播的准确预测

  摘要 许多共进化传播过程涉及高阶相互作用，然而通过两两配对表示对其进行近似的后果仍缺乏足够深入的理解。在此，我们揭示了两两配对图神经网络在单纯复形上进行节点级单步条件转移概率预测时的独特预测失效模式。注意力图神经网络（Att-GNN）的预测值与真实转移概率之间的偏差模式，在

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-10-14

• 基于核磁共振导出冻结状态信息的数据稀缺条件下冻土无侧限抗压强度物理引导神经网络预测

  • 开发了一种基于NMR信息的物理引导神经网络，用于预测冻土的单轴抗压强度。 • 在数据极度匮乏的条件下，物理引导基线模型提供了主要的性能提升。 • PGNN在留出源样本的验证中达到了R² = 0.926 ± 0.010。 • 将温度与冻结状态信息耦合，成功捕捉了单轴抗压强度

  来源：Cold Regions Science and Technology

  时间：2026-10-14

• 基于 GNSS 无线电掩星湿廓线反演的物理信息深度学习用于短期降水预测

  • GNSS无线电掩星廓线被用于短期降水预报。• 物理信息神经网络将大气约束嵌入学习过程。• 分析了2010年至2022年间超过32,000个COSMIC观测数据。• 物理引导的学习提高了预报技巧、校准和鲁棒性。 **引言** 短期天气预报在保障社会免受快速演变的灾害性天

  来源：Journal of Atmospheric and Solar-Terrestrial Physics

  时间：2026-10-14

知名企业招聘：