当前位置:首页 > 今日动态 > 神经科学
  • 基于射线级深度学习校正的太阳能塔通量密度实时预测数据驱动数字孪生方法

    本文研究旨在解决太阳能塔接收器通量密度测量面临的挑战。当前直接和间接测量方法存在干扰性、成本高昂且不适用于腔体接收器的问题。为此,研究人员提出了一种数据驱动方法,将四个顺序运行的卷积神经网络与蒙特卡罗光线追迹模拟器相结合,在接收器孔径平面对模拟射线的功率和方向分量进行校正。该方法在孔径平面的功率校正精度高达95.0%,方向预测的Pearson相关性超过80.0%。校正后的射线被投射到三维腔体接收器几何结构中,与实验测量相比,在Solarturm Jülich设施上实现了80.9%的集成通量预测精度。该研究为开放和腔体太阳能接收器的通量密度预测提供了一种通用的、非破坏性的、工业可扩展的解决方案。

    来源:Energy and AI

    时间:2026-04-25

  • 面向非绝热火焰热化学建表的机器学习加速:基于温度剖面控制的迁移学习策略

    为解决燃气轮机等非绝热燃烧系统中热化学源项计算昂贵且传统HFRD方法在强热损失下泛化受限的问题,本研究提出了一种温度剖面控制策略,通过构建一维燃烧器稳定火焰数据集扩展HFRD的焓空间覆盖范围。基于该数据训练的ANN模型在PRECCINSTA模型燃烧室LES-PDF模拟中,实现了与直接积分相当的高精度及显著加速,为工业非绝热燃烧的机器学习建表提供了有效解决方案。

    来源:Energy and AI

    时间:2026-04-25

  • 综述:多孔介质流动的物理信息神经网络:能源应用中的基准、变体及前景

    本综述系统梳理了物理信息神经网络(PINN)在多孔介质流动(PMF)中的前沿应用。文章聚焦(PINNs)在(Darcy)流、(Buckley-Leverett)位移及(EOR)等能源场景下的求解性能,对比了(XPINN)、(gPINN)等变体,并讨论了其在替代传统数值模拟与加速(UQ)方面的潜力。

    来源:Energy and AI

    时间:2026-04-25

  • 基于微震监测与深度学习的岩爆发生时间预测:为深埋隧道施工安全提供新方案

    为解决深埋隧道施工中岩爆发生时间难以准确预测的难题,研究人员开展了岩爆时间预测研究。他们利用微震监测收集振动波形,构建了融合CNN(卷积神经网络)和BiLSTM(双向长短期记忆网络)的预测模型。该模型通过交叉注意力机制动态融合时空特征,预测岩爆发生概率并推算时间。工程验证显示模型预测精度高(R2=0.95),误差低于3小时,最小误差仅0.3小时,为岩爆短期预警提供了有效新方法。

    来源:Journal of Rock Mechanics and Geotechnical Engineering

    时间:2026-04-25

  • 综述:用于驱动可持续可靠未来电网的氢燃料电池:先进拓扑结构、控制方案、挑战及未来方向

    这篇综述聚焦氢能在构建零排放电网中的核心作用,系统梳理了燃料电池(FC)集成电网的电力电子拓扑(如DC-DC变换器、多电平逆变器)与先进控制策略(电流/电压/混合补偿器)。文章深入剖析了功率质量恶化(PQ)的抑制机制,对比了不同变换器的电压增益与效率,并基于全球示范项目数据,论证了“绿色”氢能结合智能电网技术实现碳中和的关键路径与未来方向。

    来源:International Journal of Hydrogen Energy

    时间:2026-04-25

  • 面向外周血涂片图像的白血病亚型分类:XAI驱动的交叉注意力双分支CNN(CADBCNN)的提出与应用

    为解决传统白血病亚型分类方法依赖专家经验、耗时且易受主观影响的问题,研究人员提出了一种融合交叉注意力机制的双分支卷积神经网络(CADBCNN),通过集成ResNet18与ResNet34并引入动态特征交互模块,实现了对急性淋巴细胞白血病(ALL)等亚型的高精度自动分类。该模型在测试集上准确率达98.36%,并通过Grad-CAM与t-SNE可视化增强了结果可解释性,为临床辅助诊断提供了可靠工具。

    来源:Franklin Open

    时间:2026-04-25

  • 基于在线学习的人工神经网络增强混合微电网集中式二次控制的弹性研究

    为了解决混合交直流微电网(HMG)在孤岛运行时,其集中式二次控制系统因单一控制器或通信链路故障而导致的全局功率均分与系统稳定性风险,本文作者Javier Gutiérrez Escalona等人开展了一项名为“基于在线学习的混合微电网弹性集中式二次控制”的研究。他们提出了一种创新的ANN辅助架构,通过在分布式发电单元(DG)和双向互联变换器(BIC)本地部署在线训练的人工神经网络(ANN),预测公共连接点(PCC)电压,在故障时本地模拟中央控制器行为,从而在保留集中控制通信结构简单性优势的同时,显著提升了系统的弹性。该研究成果成功通过了基于现场可编程门阵列(FPGA)的高保真实时仿真验证,为解决HMG控制的可靠性与适应性难题提供了有效方案。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-04-25

  • 基于社会认知神经科学的数字化学习革新在英语教师培养中的应用与成效

    为解决语言教师培养中数字化技术整合不均、新手教师对技术应用信心不足的问题,研究人员开展了一项混合方法的准实验研究。该研究将社会认知神经科学(SCN)原理与数字化学习创新(DLI)相结合,设计了针对职前英语教师(PSTs)的SCN数字教学方案。研究比较了该方案与传统的示范教学法,发现SCN组在社交认知技能(SCSA)和关键创造性学习设计能力(CCLDC)上表现更优。该研究为融合神经科学洞见与数字化教学的教师教育模式提供了实证框架,对提升教师教学设计与适应性具有积极意义。

    来源:Computers in Human Behavior Reports

    时间:2026-04-25

  • 垂直AND闪存:超越V-NAND的高能效、可扩展、快速存内计算新架构

    为解决冯·诺依曼架构中的数据移动瓶颈,研究人员开展了针对垂直NAND(V-NAND)和垂直AND(V-AND)闪存用于存内计算(CIM)的性能比较研究。研究发现,通过消除通偏置(pass-bias)要求,V-AND在低推理次数和堆叠层数增加时展现出卓越的能效优势,为高能效、可扩展、快速的CIM加速器提供了有前景的候选方案。

    来源:Nano Convergence

    时间:2026-04-25

  • 基于CNN与连续小波变换的激光粉末床熔融多类气孔原位监测研究

    为解决LPBF(激光粉末床熔融)缺陷监测中多类孔隙难以区分的问题,研究人员基于光二极管传感器与同步辐射X射线成像,结合CWT(连续小波变换)与CNN(卷积神经网络),实现了对Al6061材料中无孔、小气孔(<15 μm)及大气孔(>15 μm)的高精度(AUC 0.89)实时分类,为增材制造质量保障提供了低成本解决方案。

    来源:JOURNAL OF INTELLIGENT MANUFACTURING

    时间:2026-04-25


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康