-
利用空间分辨红外光谱研究淀粉样蛋白聚集体的结构异质性
蛋白质聚集成纤维状淀粉样蛋白是神经退行性疾病病理的核心特征。然而,淀粉样蛋白聚集体结构与疾病进展之间的关系仍未完全阐明,部分原因在于淀粉样蛋白体系本身具有内在异质性:在聚集过程的每个阶段,结构上不同的物种共存,而传统的系综平均方法无法始终将其分辨出来。本文综述了如何将红外光谱
来源:Accounts of Chemical Research
时间:2026-10-01
-
基于人工神经网络与遗传算法优化的一种新型带翅片增强隔室的相变材料锂离子电池热管理系统
摘要
高功率锂离子电池技术的迅猛发展加剧了对高效电池热管理系统(BTMS)的需求。在连续循环过程中产生的过量热量不仅会加速性能退化,还会引发热失控等安全风险。相变材料(PCM)因其潜热存储能力而被视为一种有前景的解决方案。然而,其天然的热导率低、泄漏风险以及有限的结构适应性
来源:International Communications in Heat and Mass Transfer
时间:2026-10-01
-
SREM-CNN:一种基于近红外光谱的方法,通过光谱重组和跨区域耦合学习确定作物秸秆中的木质纤维素组成
摘要对复杂木质纤维素基质的近红外(NIR)定量分析受到传统光谱处理方法的限制,传统方法将光谱视为一维序列,忽略了分布在不同 overtone(泛音)和 combination-band(组合带)区域中的物理相关信息。在这里,我们提出了一种光谱重组增强方法(SREM),用于引导基于
来源:Infrared Physics & Technology
时间:2026-10-01
-
用于过程系统的物理信息神经网络:估计未知动力学
• 为具有部分已知动力学特性的过程系统开发了一种PINN(物理信息神经网络)框架。• 一种反应不变公式使得无需已知反应动力学即可实现物理信息学习。• 使用有限且含噪声的批次模式数据识别了缺失的反应动力学。• 训练了一个辅助神经网络来估计未知的反应速率。• 重构的模型能够预测批
来源:Computers & Chemical Engineering
时间:2026-10-01
-
具备双漂移感知的动态网络自适应加密恶意流量检测
摘要
加密流量的激增和网络协议的持续演化使得传统恶意流量检测模型因概念漂移而失效,其中底层数据分布随时间发生变化。这对于未知协议尤为挑战,因为模型必须在没有先验知识的情况下进行适应。为此,我们提出了一种用于未知加密恶意流量检测的新型自适应框架。我们的核心创新是基于柯尔莫哥洛夫
来源:Computer Networks
时间:2026-10-01
-
描述符工程和模型选择对基于回归的二维材料杂质形成能预测的影响
摘要本任务的目标是系统地评估机器学习(ML)或其工作流程组成部分对二维(2D)材料缺陷能量预测性能的影响,重点研究描述符工程和模型选择对训练稳定性、泛化行为以及杂质形成能量预测准确性的综合影响。为此,我们开发了一个基于回归的ML框架来测试统计学习模型和人工神经网络(ANN)架构。
来源:Computational Materials Science
时间:2026-10-01
-
P2Mark:用于神经语音生成的即插即用参数级水印
•用于神经语音生成的即插即用水印模块。•用于白盒保护的参数级水印融合机制。•水印梯度正交投影优化方法。•在两类语音解码器(声码器和编解码器)上验证了有效性。引言生成模型的近期进展显著加速了神经语音生成(NSG)的发展。近期的多个NSG系统[1]、[2]、[3]、[4]能够生成
来源:Artificial Intelligence
时间:2026-10-01
-
面向CAD辅助装配设计的跨图学习配合面识别方法
提出了一种用于B-rep零件对的基于面的配对界面识别方法。
MFPNet融合了边缘感知拓扑编码、跨图注意力和双线性面交互。
MFPNet在Aero-MF上以0.10M参数量实现了60.15%的Acc@1,零样本Acc@3达到69.58%。
引言
航空航天、重型设备等行
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
时间:2026-10-01
-
基于知识的多模态认知决策在航空航天加工中的应用:一个考虑物理特性的推理框架,用于特殊形状特征的生成过程规划
•将多模态生成式AI与严谨的制造知识相结合。•跨模态锚定技术桥接了多模态感知与符号知识。•具有物理意识的协同训练(CoT)将物理规则集成到大型语言模型(MLLM)的推理中。•带有语义追溯的符号验证循环能够实现自我校正。•神经符号协同效应有效抑制了物理幻觉现象。引言在航空航天工业中
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
时间:2026-10-01
-
深度学习辅助的双脉冲激光诱导击穿光谱技术,以及经过AuAg纳米簇改性的纳米纤维膜,用于检测土壤中的Cs、Sr和Co元素
•AuAgNCs-NFM 被用于高效富集土壤中的重金属。•Cs、Sr 和 Co 的检测灵敏度和准确性得到了提升。•Cs、Sr 和 Co 的检出限(LOD)分别达到 0.078、0.085 和 0.16 mg/kg。•开发了一维卷积神经网络(1D-CNN)模型以提高预测性能。引言重
来源:Chemical Engineering Journal
时间:2026-10-01