生物通官微陪你抓住生命科技跳动的脉搏
基于多体消息传递的等变电子哈密顿量预测
摘要基于科恩-沙姆密度泛函理论哈密顿量的机器学习替代模型,为加速预测材料的电子性质提供了有力工具,这些性质包括电子能带结构和态密度等。在大型应用中,理想的模型应具备较高的泛化能力和计算效率。在此,我们介绍了MACE-H图神经网络,该网络结合了高体阶消息传递与节点阶展开方法,从而高
来源:npj Computational Materials
时间:2026-03-13
基于空间注意力机制(Spatial Attention Mechanism)融合面部图像识别的驾驶员热疲劳与热舒适监测
车辆座舱是一种独特的热环境,过高温度会使驾驶员体温调节系统负荷增加,显著削弱注意力与反应时间。随着现代车辆自动化程度提高及其对智能系统的依赖,维持最佳座舱温度愈发重要。本研究提出一种基于深度学习(Deep Learning)的面部图像识别模型,用于评估道路车辆
来源:Case Studies in Thermal Engineering
物理信息驱动与数据驱动神经网络在正庚烷液滴蒸发中的对比研究
本研究评估了三种人工神经网络(ANN)模型,包括纯数据驱动模型、特征工程模型以及混合物理信息模型,在预测正庚烷液滴蒸发行为方面的性能。研究涵盖了从纯扩散到包含斯蒂芬流(Stefan flow)和对流效应的日益复杂的工况。训练数据集的选择覆盖了斯蒂芬流和对流效应
来源:Chemical Engineering Research and Design
A Posteriori Error Estimation and Adaptive Mesh Refinement for Variational Physics-Informed Neural Networks Solving Steady Navier–Stokes Equations
摘要:研究人员针对稳态不可压缩Navier–Stokes方程(steady incompressible Navier–Stokes equations, NSE)提出了一种基于变分物理信息神经网络(Variational Physics–Informed N
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
基于物理增强神经网络的结晶弹性体精确、高效与灵活建模
研究人员提出了一种精确且高效的物理增强神经网络(PANN)来模拟橡胶状聚合物中的应变诱导结晶。研究人员证明该模型可以灵活地用于未填充和填充的天然橡胶(NR)。该方法基于一个双势框架,类似于广义标准材料(GSMs)的概念。为了描述材料行为,采用了基于神经网络的自
面向卫星通信的高效率圆形基片集成波导贴片天线设计与优化
本文提出了一种用于高效率卫星通信应用的圆形基片集成波导(Substrate Integrated Waveguide, SIW)贴片天线的设计与优化方案。该设计基于先前提出的双频段结构,通过调整SIW半径、金属化通孔数量及通孔间距等几何参数进行改进,以实现三频
来源:Digital Communications and Networks
基于壳聚糖的自修复涂层使用四种模型和神经网络的服务寿命预测
基于壳聚糖的微封装(microencapsulation)为改善木器涂层的耐久性提供了一种可持续的方法;然而,它们对耦合光热老化(photo–thermal aging)的抵抗力仍然有限。在本研究中,研究人员开发了三种壳聚糖衍生的微胶囊涂层体系——壳聚糖包封木
来源:Industrial Crops and Products
基于图卷积神经网络(Graph Convolutional Neural Network, GCN)的社交网络节点多标签分类模型
图神经网络(Graph Neural Network, GNN)在节点分类任务中表现出色,但现有多数模型依赖均匀或共享权重的聚合方式,缺乏对不同节点间关系强度建模的灵活性。本文提出一种新颖的图耦合卷积模型(Graph Coupling Convolutiona
来源:CMES - Computer Modeling in Engineering and Sciences
基于模型无关元学习(MAML)集成的脑电信号运动想象任务预测
自动化检测运动想象(MI)任务对中风患者假肢康复具有重要价值。运动想象任务的预测可通过记录受试者头皮电极放置处的脑电图(EEG)信号实现;然而,由于EEG信号记录过程中引入的噪声、高类间方差特征向量的提取以及精确分类等挑战,运动想象任务的准确预测仍面临困难。所
基于新型人工神经网络方法的非均匀动脉磁化混合纳米流体Jeffery–Hamel血流熵生成研究
本研究旨在探讨基于人工神经网络(ANN)的Jeffery–Hamel模型求解方法,重点聚焦于垂直收敛通道中磁流体动力学(MHD)混合纳米流体流动的非牛顿Sisko流体行为。研究人员采用金(Au)和氧化铁(Fe2O3)作为纳米颗粒,并以血液作为基液。Sisko流
来源:Next Materials
知名企业招聘: