-
大规模城市洪水建模与LarNO实现的零样本高分辨率泛化
曹晓燕|姚瑶|王志|赵张新月|Alistair G.L. Borthwick|秦华鹏•一种神经运算符(LarNO),可实现洪水建模的零样本高分辨率泛化。•潜在自回归模型,能够更好地模拟非线性的时空依赖关系。•LarNO能够进行大规模(100平方公里)高分辨率(5米分辨率,5分钟时
来源:Journal of Hydrology
时间:2026-05-16
-
可解释的、基于物理知识的贝叶斯图神经网络(PI-BSTGNN)在地下水替代建模和敏感性分析中的应用
刘凡|赵国|福田仁|丹兵梅|张正正|卢晓伟|黄磊•提出了一种两阶段的贝叶斯图神经网络(Bayesian GNN),用于联合预测头部位置(heads)和浓度(concentrations)。•将贝叶斯不确定性(Bayesian uncertainty)与基于SHAP的解释性(int
来源:Journal of Hydrology
时间:2026-05-16
-
基于物理信息的神经网络自动从强耦合核磁共振波谱中提取标量耦合常数与化学位移:ABC与ABCD自旋系统
本研究提出了一种自动化流程,用于从ABC和ABCD自旋系统的强耦合¹H核磁共振(NMR)波谱中提取标量耦合常数(J)和化学位移(ν)。该流程针对目标自旋系统的孤立峰列表进行操作,无需初始参数或手动跃迁指认。其结合了神经网络(NN)阶段与量子力学(QM)精细优化
来源:Artificial Intelligence Chemistry
时间:2026-05-16
-
面向可持续智能电网监测的具成本效益与网络弹性最优相量测量单元布置图神经网络框架
随着可再生能源、先进传感技术及数字通信在电力系统中的日益融合,对具备弹性且网络安全的智能电网监测需求愈发迫切。本研究提出了一种可持续且具备网络弹性的相量测量单元(PMU)部署框架,该框架被构建为一个多目标优化问题,同时考量了网络物理攻击、经济指标及运行可持续性
来源:Sustainable Computing: Informatics and Systems
时间:2026-05-16
-
基于数值模拟与人工神经网络的热交换器几何改型热工水力性能分析与优化
研究人员提出了一种新型层状陶瓷板回热器,通过在流动通道内引入圆形翅片以提升热工水力性能。研究针对翅片布置的三个关键几何参数——水平翅片间距(HS)、垂直翅片间距(VS)与行距(P1),在合理范围内进行系统变化,采用三维数值模拟评估努塞尔数(Nu)、压降(ΔP)
来源:Results in Engineering
时间:2026-05-16
-
嵌入驱动的物理信息神经网络用于跨材料光学常数预测
研究人员提出了一种深度学习框架,用于预测材料的光学常数,具体为折射率n(λ)与消光系数k(λ)随波长的变化关系。该模型利用可学习嵌入层将材料特异性信息编码至低维隐空间,这种嵌入驱动的架构仅需离散材料标识符与归一化波长作为输入,即可建模波长依赖的光学行为。研究人
来源:RSC Advances
时间:2026-05-16
-
基于图变换器与物理信息学习的颗粒增强金属基复合材料多尺度结构-性能预测方法用于连续应力-应变行为模拟
研究人员提出了一种物理信息图变换器(Physics-Informed Graph Transformer, PIGT)模型,用于在不依赖扫描电子显微镜图像的情况下预测颗粒增强金属基复合材料(Particulate-Reinforced Metal Matrix
来源:Journal of Materials Research and Technology
时间:2026-05-16
-
利用工程化电突触实现神经环路的长期编辑(Long-term editing of brain circuits using an engineered electrical synapse)
摘要:大脑中不同细胞群体间的电信号传导是认知和情绪功能的基础,但目前仍缺乏能够选择性调控哺乳动物神经环路中两个特定细胞组分之间电信号的方法。为此,研究人员基于白鲈鱼(Morone americana)的连接蛋白Cx34.7和Cx35,设计了一种工程化电突触用于
-
受蜜蜂学习飞行启发的机器人高效导航策略
摘要
导航是动物和机器人至关重要的能力。虽然微小的飞行昆虫能够长距离稳健导航,但目前最先进的机器人导航方法计算成本高昂,因此仅限于大型机器人。在此,研究人员提出“Bee-Nav”,一种受蜜蜂视觉学习飞行启发的、高度高效的导航策略。在等效的机器人学习飞行中,训练
-
谱系与器官信号依次构建器官内在神经系统
间隔符
器官内在神经系统(Organ Intrinsic Nervous Systems, OINSs)是身体-脑轴(body–brain axis)的关键组成部分,协调内脏器官功能与系统性生理调控。尽管它们非常重要,但这些截然不同的神经结构如何从一个共同的神经嵴细胞