• 西兰花甲醇提取物作为对抗东莨菪碱诱导认知障碍的潜在多机制神经保护剂：一项综合分析与体内研究

  ## 摘要 阿尔茨海默病（AD）是一种进行性神经退行性疾病，其特征为胆碱能功能障碍、氧化应激和神经炎症；然而，现有的AD疗法（如乙酰胆碱酯酶抑制剂和美金刚）仅能缓解临床症状，这就产生了多靶点策略的需求。本研究旨在对花椰菜（Brassica oleracea var. ita

  来源：ChemistrySelect

  时间：2026-10-23

• 一种面向增材制造预测建模的物理信息机器学习与控制混合框架

  摘要增材制造（Additive Manufacturing, AM），通常被称为3D打印，作为一种极具前景的技术，长期以来经历了显著的进步。在其众多技术路线中，选择性激光烧结（Selective Laser Sintering, SLS）彻底改变了航空航天、生物医学和工业领域

  来源：JOURNAL OF INTELLIGENT MANUFACTURING

  时间：2026-10-23

• 受肠道启发的结构保持型（GIST）PID控制器：基于肠道蠕动传输的学习

  摘要变形管状系统中的协调材料输送需要分布式传感和执行，但此类系统的高保真闭环控制器往往过于复杂，难以进行实时工程实现。肠蠕动为此问题提供了生物学蓝图，因为局部壁变形被感知并转化为极化肌肉执行以推动管腔内容物。此前，我们使用生物物理神经网络控制器（BNC）（Zhu 等人，202

  来源：Computers & Chemical Engineering

  时间：2026-10-23

• 考虑删失的神经生存建模用于工业运行周期中的催化剂寿命预测

  •物理启发的先验预测催化剂蒸汽预算和删失边界。 •来自真实工厂集群的稀缺且被删失的工业催化剂装置运行数据。 •神经网络序列模型利用公用工程数据捕捉装置运行期间的退化过程。 •具备删失感知能力的加速失效时间（AFT）训练框架通过多任务头利用部分运行数据。 •通过AFT分布扩散、

  来源：Computers & Chemical Engineering

  时间：2026-10-23

• 加速声学生成聚集体预测：一种融合声压梯度和斯托克斯拖曳傅里叶特征的物理信息神经网络

  •利用PINN进行大规模声诱导粒子运动预测。•分离训练与积分以提升建模效率。•PINN预测结果与FEM仿真高度一致。•FF-PINN可准确预测粒子运动与碰撞行为。•FF-PINN模型仿真速度远快于FEM。引言颗粒物（PM）是对人类健康的主要危害之一，亟需有效的去除策略[1]。

  来源：Computer Physics Communications

  时间：2026-10-23

• 考虑间断的用于含相变三相流相场法的物理信息神经网络

  摘要物理信息神经网络已被应用于求解控制多相流的相场方程。然而，由于强耦合的艾伦-卡恩、坎-希尔德和纳维-斯托克斯方程中的优化冲突，以及神经表示在不连续性附近固有的平滑性偏差，将这些方法扩展到模拟具有相变和尖锐界面的三相流仍然是一个重大挑战。为克服这些局限性，本研究提出了一种不

  来源：Computer Physics Communications

  时间：2026-10-23

• 基于数据驱动的可达集合的滚动时域自适应动态规划方法，用于非合作目标的接近操作

  •短期可达集可以通过无需模型的数据来近似。•可达状态可以提高神经自适应控制中的采样多样性。•平滑的自适应学习率可以增强收敛性和稳定性。 引言 随着在轨技术的快速发展，非合作空间目标的数量显著增加，包括非功能性航天器、太空碎片和具有机动能力的航天器[1]、[2]。特别是，具有机动

  来源：Acta Astronautica

  时间：2026-10-23

• 基于知识引导的分层深度学习用于大空间火灾温度场重建

  ## 摘要 本文提出了一种分层协同深度学习框架，用于解决大空间火灾温度场重建中的物理不一致性以及参数不确定性引起的可靠性瓶颈问题。该框架集成了状态识别、物理参数推断和空间重建。首先，采用基于LSTM-FS的级联时序特征提取模块识别火灾燃烧阶段。然后，一种专用的LSTM-Bi

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-10-23

• 面向航空发动机剩余寿命预测的知识引导动态时空图学习网络

  •提出了一种设备-部件-传感器级联框架来评估传感器物理依赖关系。 •利用局部与历史退化数据建立了动态特征图。 •不同运行时间下的退化特征进行差异化更新。 •提高了复杂条件下的剩余使用寿命预测精度。 引言 作为现代航空器的关键核心部件，航空发动机的性能直接决定了飞行效率与安

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-10-23

• 通过量子启发的脉冲神经嵌入与压缩深层特征投影实现轻量级边缘优化的人员重识别

  • 轻量级量子启发的脉冲边缘 Re-ID 在 MSMT17-ELR 上达到 97.18%• 脉冲相位与深度特征的双域融合提升低分辨率、遮挡条件下的 Re-ID 性能• 紧凑的 128 维流形嵌入降低内存和计算开销而不损失精度• 量化、热感知流水线实现微边缘设备上的实时 Re-

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-10-23

知名企业招聘：