生物通官微陪你抓住生命科技跳动的脉搏
基于深度学习的复合结构显式动力学模型参数
针对复合结构动力学模型因制造缺陷与理论偏差的问题,本文提出 DynCorrNet 深度学习框架,通过多尺度物理编码器构建非线性映射,结合参数导向优化实现动力学方程显式修正,实验验证其高效性与泛化能力。
来源:International Journal of Mechanical Sciences
时间:2026-03-07
一个基于物理原理和随机方法的KAN框架,用于模拟混合交通流中人类驾驶车辆的车跟行为
自动驾驶车辆在混合交通流中的随机性建模与控制策略优化,提出融合时空依赖和物理约束的深度学习框架,通过改进ConvKAN损失函数、引入随机采样器和可学习位置嵌入机制,结合三阶段物理知识嵌入策略,有效预测人类驾驶员的随机轨迹并抑制交通振荡。
来源:ADVANCED ENGINEERING INFORMATICS
物理引导的Mamba-KAN混合网络(PM-KMNet):在分布变化条件下对船舶推进系统进行稳健的预测
推力轴承温度预测中,针对跨航次分布偏移(Kolmogorov-Smirnov检验达0.57)和Transformer注意力退化问题,提出PM-KMNet混合架构。通过科尔莫戈洛夫-阿诺德网络(KAN)实现物理参数自适应估计,结合Mamba状态空间模型补偿残差动态,并采用渐进训练策略(物理优先→残差校准→联合调优)避免梯度偏置。在VLCC真实数据(17.5万样本)验证中,模型RMSE达0.667°C,R²为0.9656,物理分支解释82.6%动态,参数α≈0.91,β≈0.52符合摩擦学理论。
基于物理信息的潜在集合深度网络(DeepONet),结合合成数据实现对锂离子电池实时热失控的预测
本研究提出一种结合物理智能与合成数据的深度学习模型PILE-DeepONet,通过多物理场有限元分析生成丰富数据集,并设计双代理神经网络与优化训练策略,实现锂离子电池热失控的实时预测。实验验证其可提前900秒预测且推理时间仅4.96毫秒,在LFP圆柱和NMC软包电池中均表现优异。
来源:eTransportation
利用超声波驱动的压电刺激技术对β-PVDF基底上的骨髓间充质干细胞(BMSCs)进行刺激,以增强细胞外泌物的分泌,从而促进脊髓损伤的修复
细胞治疗在神经退行性疾病和脊髓损伤修复中的应用面临伦理限制和分化效率低等问题。本研究通过β-PVDF纳米材料与超声波结合,无需植入即可触发骨髓间充质干细胞(BMSCs)产生外泌体,并促进神经干细胞(NSCs)分化。实验表明超声激活的β-PVDF膜可显著增加BMSCs外泌体产量,且外泌体能诱导NSCs向神经元转化。该技术具有成本低、无免疫排斥、无细胞植入等优势,为临床转化提供了新路径。
来源:Nano Energy
TriEMO:基于模态对对比学习图网络的多模态情感识别技术(Triple Semantic Alignment using a Modality Pair Contrastive Learning Graph Network for Multimodal Emotion Recognition)
多模态情绪识别中提出TriEMO框架,通过模态对数据增强、虚拟情绪锚点与对抗对比学习优化跨模态对齐,解决模态不平衡和过对齐问题,在IEMOCAP和MELD上显著提升F1分数。
来源:Information Fusion
基于替代代理的强化学习方法,用于实现零间隙碱性水电解过程的节能运行
零间隙碱性水电解系统通过代理辅助强化学习框架实现高效优化,基于COMSOL高保真模拟训练的物理信息神经网络模型将计算成本降低超400倍,验证了在0.5-3.0 M电解液浓度范围内优化条件的可靠性,最优工况为6 M、349 K、859 mL/min和0.779 A/cm²,氢产率预测误差仅1.20%。
来源:International Journal of Hydrogen Energy
一种多模态混合表型感知图框架,用于神经精神障碍的诊断
多模态融合与时空图卷积的神经精神疾病诊断模型研究,提出MHPG框架整合神经影像与表型数据,通过ST-GCN提取多层级时空连接特征,结合全局局部特征剪枝策略优化节点特征,实验在ASD和MDD分类中分别达到81.26%和78.68%的准确率,并识别关键脑区。
来源:Expert Systems with Applications
通过混合高斯插值和几何重建实现从仿真到现实的转换,以应用于自动驾驶技术
混合重建方法结合LiDAR与3DGS提升仿真环境真实性,端到端神经网络通过安全辅助分支优化控制策略,实验验证其在真实机器人3.5公里轨迹中实现接近真实数据训练的性能。
来源:Engineering Applications of Artificial Intelligence
在丙泊酚诱导过程中,目标控制输注比手动推注更能实现更为平稳的自主神经调节:基于小波谱分析的证据
自主神经动态平衡与丙泊酚给药方式的关系研究。通过对比目标控制输注(TCI)和手动负荷(MB)给药,利用小波谱分析实时监测心率变异性(HRV)和光电容积描记波(PPGA),发现TCI能更平缓地调节自主神经张力,其药物浓度达峰时间比MB快2倍。研究证实给药速率是影响自主神经稳定性的关键因素,为高危患者麻醉诱导提供新策略。
来源:Journal of the Association of Nurses in AIDS Care
知名企业招聘: