• 一种基于DMD的多模光纤波前整形接口，用于空间可寻址的光遗传学刺激

  •DMD驱动的MMF聚焦开关可在44微秒内切换至目标位置。•波前整形可生成2.5微米的焦点，功率比约为35。•支持单点、多点和扫描式激发。•在扰动、30分钟运行以及脑切片条件下对聚焦进行了表征。•培养神经元测试显示激活、抑制以及更强的钙响应。引言光遗传学刺激对光学递送系统提出

  来源：Optics & Laser Technology

  时间：2026-10-08

• 面向低延迟低功耗边缘设备的事件视觉轻量级自编码器

  摘要：事件视觉作为一种新兴范式，正在推动能源感知的人工智能（AI）发展，其提供稀疏、低延迟的视觉信号，减少冗余数据处理并支持可持续的边缘计算。然而，事件流的异步和易受噪声影响的特性给传统深度学习模型带来了挑战，这些模型对于低功耗嵌入式平台往往计算量过大。本工作提出了一种紧凑

  来源：IEEE Transactions on Broadcasting

  时间：2026-10-08

• 超越光子探测：光电探测器作为机器视觉中的认知像素

  •光电探测器正从被动传感器向信息处理元件演变。•本综述统一了光电子存储、传感、计算和安全领域。•通过器件、系统和集成需求对材料平台进行了比较。•识别了可扩展性、能耗、延迟和与CMOS兼容性方面的关键限制。•提出了一个CMOS集成的认知像素框架。引言光电探测器长期以来主要被设计

  来源：Current Opinion in Solid State and Materials Science

  时间：2026-10-08

• 基于子结构的子图学习实现跨同构与异构结构的一对群体全场加速度响应重建

  •无需目标特定重训练、标签或有限元模型的稀疏传感器一对一群体响应重建。•子结构到子图的学习，用于预测完整的结构模态振型。•适应不同传感器布局和结构拓扑的交叉注意力LSTM。•从单一结构到具有不同几何形状和层数的钢框架群体的可迁移响应重建。引言大型民用基础设施越来越多地配备结构

  来源：Engineering Structures

  时间：2026-10-08

• 一种自监督的、基于物理信息的残差时域卷积网络，采用渐进式稀疏重构技术用于移动载荷识别

  • 提出了一种统一的基于物理信息的MLI框架。• 设计了一种残差时域卷积网络来捕捉动态特性。• 提出了一种使用对数正则化的自监督渐进式稀疏重建策略。• 所提出的方法比传统方法具有更好的泛化能力。• 通过数值模拟和实验验证了所提出方法的有效性。 引言 移动的车辆荷载，特别是由重型

  来源：Engineering Structures

  时间：2026-10-08

• 基于贝叶斯物理信息神经网络及不确定性传播的疲劳裂纹扩展寿命概率预测方法

  • 提出了一种基于物理的BPINN概率框架，用于疲劳裂纹扩展（FCG）寿命的不确定性量化 • 变分推断将材料和载荷的不确定性传递到FCG寿命分布中 • 基于物理的后验推断确保了物理一致的FCG预测 • 在基准数据集和疲劳试验数据集上实现了可靠的预测精度和不确定性区间 引言

  来源：International Journal of Fatigue

  时间：2026-10-08

• 低GWP浸没式冷却微通道中过冷流动沸腾的物理约束代理模型：FiLM条件化与梯度平衡训练

  梯度平衡损失取代了手工调校的常数；固定权重的均方根误差成本增加67%。物理损失仅在强制施加与训练数据所遵循的物理规律一致时才有效。受约束模型在全部四项留出条件外推测试中胜出，其中三项超出种子散布范围。所有81个场景的ONB位置平均误差恢复到0.15毫米。ONB判据与已发表的R

  来源：International Communications in Heat and Mass Transfer

  时间：2026-10-08

• 面向实时缺陷深度估计的协同框架：基于物理驱动建模的线激光扫描红外热成像

  摘要：线激光同步扫描热成像技术凭借其均匀热激励和宽视场优势，成为大规模复合材料工业无损检测的核心技术之一。然而，该技术产生的动态热图像序列无法直接适配传统基于热传导解耦的深度估计方法，且现有的离线处理范式无法满足工业场景中的实时性要求。为解决上述问题，本文提出了一种结合线激光

  来源：Infrared Physics & Technology

  时间：2026-10-08

• 一种基于GA-PSO协同优化策略的BPNN模型，用于SLM制造的Ti-6Al-4V合金疲劳裂纹增长预测

  •开发了一种基于物理的GA–PSO–BPNN框架，用于SLM Ti–6Al–4V合金。•贝叶斯优化用于确定最佳架构和训练超参数。•GA–PSO结合了全局探索和网络参数的局部细化。•GAT衍生的特征权重量化了工艺负荷的耦合贡献。•该模型的R²值为0.94，并且能够稳健地外推到未见过

  来源：Theoretical and Applied Fracture Mechanics

  时间：2026-10-08

• 基于物理信息柯尔莫哥洛夫-阿诺德网络的疲劳裂纹扩展剩余寿命预测

  摘要 预测疲劳裂纹的剩余寿命对疲劳损伤结构的维护计划和安全至关重要。数据—物理融合已成为疲劳裂纹预测的一个重要策略，它能够弥补数据驱动模型中物理约束的不足以及基于物理模型的简化假设。物理信息神经网络（PINNs）提供了一种代表性方法，将裂纹扩展物理嵌入神经网络训练中，从而在

  来源：Theoretical and Applied Fracture Mechanics

  时间：2026-10-08

知名企业招聘：