-
混合图-机器学习框架用于准确且可解释的带隙预测
电子带隙的准确预测对于加速半导体和能源材料的发现与设计至关重要。传统的密度泛函理论(Density Functional Theory, DFT)方法虽然在物理上严格,但计算成本高且可扩展性有限。在本研究中,研究人员提出了一种混合人工智能框架,该框架将基于图的
来源:Journal of Chemical Information and Modeling
时间:2026-03-25
-
Li–P–S电解质材料作为机器学习原子间势的基准
随着用于材料模拟的机器学习原子间势(machine-learned interatomic potential,MLIP)模型日益普及,对稳健、自动化且具有化学信息基础的基准测试方法的需求也在增长。为此,研究人员在此引入LiPS-25,这是一个经过精心策划的基
来源:Journal of Chemical Theory and Computation
时间:2026-03-25
-
抗PD-L<sub>1</sub>治疗预防大鼠多发伤性脑损伤后的系统性免疫抑制
背景:创伤是儿童发病率和死亡率的主要原因。伴有创伤性脑损伤(TBI)的儿童,尤其是合并颅外损伤时,可能发生免疫抑制并继发感染。免疫检查点通路,例如程序性死亡配体1(PD-L1),可能参与其中。研究人员假设抗PD-L1抗体能够安全地预防幼年大鼠多发伤性脑损伤模型
来源:Journal of Trauma and Acute Care Surgery
时间:2026-03-25
-
基于深度学习的共折叠方法所得碳水化合物配体结果中的物理不可信性
研究人员评估了AlphaFold 3(AF3)和Boltz-1x在碳水化合物(glycan)建模中的立体化学准确性。研究结果表明,AF3在900个碳水化合物配体模型中,85.8%存在立体化学错误,主要包括手性(chirality)错误、人工双键(15.2%)、
来源:Journal of Chemical Information and Modeling
时间:2026-03-25
-
RISC-V平台用于混合SNN-QNN的全面最新分析:架构创新与性能基准测试
研究人员提出一种新方法,用于在RISC-V平台上共同运行脉冲神经网络(SNN)和量化神经网络(QNN),这是医疗和工业物联网(IoT)应用的一个有前景的进展。该研究基于三项关键创新:专用硬件扩展(RV32X-SQ)以联合加速SNN和QNN;压缩技术将内存占用减
来源:Internet of Things
时间:2026-03-25
-
基于残差的物理信息神经网络建模用于多孔气体扩散层中的耦合传输现象
质子交换膜燃料电池(PEMFC)是一种有前景的低碳动力解决方案,其中气体扩散层(GDL)对质量传输、电势和电荷传输具有关键影响。准确预测这些耦合物理场对于优化燃料电池性能至关重要,然而传统的计算流体力学(CFD)方法计算成本高昂,限制了其在实时控制和快速设计迭
来源:Energy and AI
时间:2026-03-25
-
深度液体神经网络用于预测受天气影响的航班延误
在本文中,研究人员开发并分析了一个用于预测航班延误的模型,重点关注由天气条件引起的延误。航班延误对航空公司构成重大问题,因为空中交通的增长往往导致财务损失和旅客不便。与以往的若干研究不同,本研究提供了对延误的更详细分析,区分了天气相关延误和非天气相关延误。研究
来源:Intelligent Systems with Applications
时间:2026-03-25
-
综述:轻度智力障碍儿童中虚拟现实与监护仪分散注意力的比较:一项初步观察性研究
遗传性远端肾小管酸中毒(dRTA)是一种罕见但临床显著的肾脏酸碱调节紊乱,常在婴儿期或幼儿期出现。在常染色体隐性遗传dRTA的遗传病因中,ATP6V1B1基因突变因其与早发性疾病和感音神经性听力损失(SNHL)的关联而尤为重要。未能及时识别和治疗该病可导致生长
来源:Children
时间:2026-03-25
-
区块链赋能的唐卡鉴别与溯源机制探究
唐卡艺术品的真伪验证在市场中仍具挑战性,传统的物理鉴别方法可靠性有限,而现代光谱与化学检测技术成本高昂且不适用于大规模应用。尽管深度学习方法可通过图像特征实现高效鉴别,但其依赖集中式数据库存储特征信息,易受篡改风险影响,损害鉴别结果的可信度。为解决这些问题,本
来源:Electronics
时间:2026-03-25
-
短妊娠间隔和长妊娠间隔对新生儿结局的影响:一项多分类队列分析
马匹肛门生殖道区域麻醉仅限于局部浸润、硬膜外、盲法触诊和神经刺激器引导技术,这些技术存在医源性损伤、卧倒和共济失调的风险。本研究旨在描述和评估经皮超声引导(USG)马匹尸体阴部神经染色的可行性。初步试点阶段使用两具新鲜马匹尸体和一匹未镇静站立马匹,利用超声对盆
来源:Healthcare
时间:2026-03-25