• 一种基于物理知识的超图注意力网络，用于预测径流量干旱指数

  •本研究提出了一种名为PI-TSHAN的新型架构，该架构结合了光谱超图卷积来模拟多个测量站之间的高阶空间相互作用，超越了标准成对图神经网络在捕捉复杂流域尺度连通性方面的 limitations。•该方法引入了一种基于物理信息的损失函数，其中嵌入了差异水文约束和质量守恒原则，确保预

  来源：Physics and Chemistry of the Earth, Parts A/B/C

  时间：2026-10-12

• 非晶Ga2O3/Si异质结中协同快速载流子提取与持久突触可塑性用于太阳盲光电探测与神经形态计算

  摘要在无序半导体光电子学中，如何协调快速光生载流子提取与持续突触可塑性仍然是一个根本性挑战，因为高效的载流子传输和长期载流子保持需要本质上相互矛盾的载流子动力学。在此，我们设计了一种无序Ga2O3/Si异质结，通过异质界面辅助传输和缺陷介导俘获，协同集成了快速载流子提取和持续

  来源：Materials Today Physics

  时间：2026-10-12

• 土仑期潮汐碎屑岩储层的综合岩石物理 - 矿物学 - 地质统计分析：三维储层建模与神经网络相分类

  摘要森诺曼期碎屑岩储层是北非和阿拉伯半岛地区的主要烃类目标，然而对该时期集岩石物理学、定量矿物学、地质统计学建模和机器学习于一体的综合表征研究仍然有限。本研究以埃及西北沙漠东拉斯加塔拉特许区块阿尔扎拉油田的巴哈里耶组为研究对象，运用岩心分析、电测井、人工神经网络引导的电阻率相

  来源：ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING

  时间：2026-10-12

• 基于物理信息学习的锂离子电池健康感知等效电路参数演化

  •实现了联合SOH估计与SOC–SOH依赖的ECM参数反演。•可微电压重构实现了物理引导的参数学习。•SOH引导的正则化控制跨电芯参数分散度。•验证覆盖了标准化和非标准动态工况。引言受电动汽车和电网级储能需求日益增长的驱动，锂离子电池已成为关键的储能技术。在长期循环过程中，电

  来源：Journal of Energy Storage

  时间：2026-10-12

• 基于薄膜锂铌酸盐平台的波导阵列光学神经网络

  光子并行计算为实现人工智能提供了重要的方法，有望在处理速度、能源效率和延迟方面带来显著提升。然而，大多数光学计算架构的集成密度和鲁棒性仍然面临重大挑战。在这里，我们报告了一种基于薄膜锂铌酸盐（TFLN）的波导阵列光学神经网络。由于波导阵列的紧凑尺寸，该架构的计算密度达到了9.48

  来源：Advanced Photonics

  时间：2026-10-12

• 带有硬边界嵌入和有限元插值的无量纲能量图网络：线弹性和超弹性问题的无监督变分求解框架

  摘要：用于固体力学的神经求解器仍面临损失项平衡、在复杂非结构网格上的表示、本质边界条件的施加以及基于能量优化中的尺度敏感性等挑战。本文提出HiDEG-Net，一种具有硬边界嵌入和有限元插值特性的无量纲能量图网络，用于线性弹性和超弹性边界值问题的无监督变分求解。有限元网格被用作

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-10-12

• 基于改进 SNN 的管道泄漏识别方法研究

  •将短时傅里叶变换与时空脉冲编码相结合，以捕捉非平稳泄漏信号中的时频特征，并支持对弱管道泄漏的识别。•一种多模态MTSA-SNN架构，将基于SResNet的图像分支与统计特征分支相结合，融合时频图像表征与互补的统计信息用于泄漏识别。•注意力引导的自适应加权机制融合两个分支的输

  来源：Flow Measurement and Instrumentation

  时间：2026-10-12

• 数值模拟与无计量装置站点的双源天然气混合的热值预测模型

  •通过数值模拟双源天然气混合过程，分析了热值的变化。•阐明了关键气体组分的不均匀混合机制，增强了物理理解。•为没有计量装置的站点开发了热值预测模型。•优化的神经网络模型显著提高了预测的准确性和鲁棒性。•所提出的方法为没有计量装置的站点提供了一种低成本且可靠的解决方案。 引言 包

  来源：Flow Measurement and Instrumentation

  时间：2026-10-12

• 电磁加热下分数阶双温度双相滞后生物传热：一种解析物理信息神经网络框架

  •分数阶热传输揭示了组织加热过程中的强非平衡现象。•经典生物热建模与参考值的偏差高达38.9%。•物理信息学习预测耦合场的误差低于1.3%。•神经网络推理将重复评估加速约252倍。•阿伦尼乌斯分析映射了温度、时间和深度上的热损伤分布。引言生命生物组织中的热传递是一种复杂的生理

  来源：International Communications in Heat and Mass Transfer

  时间：2026-10-12

• 在弱矩条件下神经网络的可学习性

  摘要 在本文中，我们研究了深度神经网络在存在重尾噪声时的统计性能，包括噪声具有无限方差的情景。通过采用信息论学习框架，我们分析了由深度ReLU网络结合Epanechnikov相关熵损失生成的实证风险最小化估计器的泛化能力。我们的研究结果表明，在回归函数具有Hölder连续性的

  来源：Journal of Mathematical Analysis and Applications

  时间：2026-10-12

知名企业招聘：