• 机器学习辅助设计的奥美拉唑功能化NH₂-UiO-66金属-有机框架平台在异烟脲修复与分光光度监测中的集成应用及实验设计优化

  本研究开发了一种可重复使用的奥美拉唑功能化NH₂-UiO-66（OMP-UiO-66），用于水中吡虫啉的双重功能检测与去除。OMP-UiO-66可实现对吡虫啉的快速分光光度检测，检出限低至2.69×10⁻² ppm，且具有优异的专一性。该吸附剂对吡虫啉表现出217.4 mg

  来源：Inorganic Chemistry Communications

  时间：2026-09-19

• 可演化的物理知识驱动数字孪生：面向实时建模与自适应

  # 摘要 本文提出了一种可进化的物理信息神经网络（PINN），用于工业系统的实验数字孪生（EDT），以实现实时建模与自适应调整。该框架集成三个核心组件：基于动态建模PINN的系统辨识、利用时序对比学习实现的稳定预测，以及基于残差适配器的自适应参数学习。在永磁同步电机（PMS

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• 多模态人工智能驱动的代码质量预测与自愈自动化：基于自调节卷积神经网络 （注：以上为对给定技术标题的翻译，未添加任何额外提示或注释。）

  摘要随着软件架构复杂度的不断攀升、数据模态的多样化以及自适应执行环境的出现，如何确保当代大规模系统的软件代码质量和可靠性已成为一个重要的问题。本研究提出了一种基于多模态人工智能（AI）驱动的代码质量预测（CQP）与自愈自动化框架，利用自调节卷积神经网络框架（CQP-SHA-S

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• 用于电力系统吸引域估计的具有有效区域生成与双重反证方法的神经李雅普诺夫学习

  • 基于符号回归的方法，可生成具有复杂几何形状的验证有效区域，无需预先指定简单形状。 • 学习者–双重证伪框架，集成离散证伪器和连续证伪器以加速证伪过程。 • 构造型Lyapunov候选函数，确保正定性和可微性，并通过增强风险函数扩展估计的吸引域（ROA）。 ## 引言

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• 基于物理信息神经网络的流化床干燥快速流场重建

  摘要为了应对流化床干燥过程中气固两相流实时观测的挑战以及传统计算流体动力学（CFD）模拟计算成本高、缺乏实时能力的问题，本文提出了一种基于物理信息神经网络（PINNs）的快速流场重构方法。该方法将稀疏观测数据与流体控制方程相结合，实现对气相速度、固相速度、压力和固相体积分数等

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• 基于数据驱动的代理模型及其在气枕膜结构力学响应分析中的试验验证

  **摘要** 气承式膜结构由于膜面与索网之间的相互作用，表现出显著的几何非线性和复杂的接触耦合效应。这种相互作用使得多参数非线性有限元分析在计算上代价高昂。本研究提出了一种数据驱动代理模型，该模型融合了本征正交分解（POD）和人工神经网络（ANN）。该模型能够高效地表征和预

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• 基于知识学习的深度可解释多模态图池化网络在阿尔茨海默病诊断中的应用

  •开发了一种深度学习模型用于阿尔茨海默病（AD）的诊断和候选生物标志物的探索。•DMGPK构建了异质因子关联图，以实现有效的多模态数据融合。•深度图池化和可解释的损失函数提供了生物学上合理的AD相关候选标志物。•使用了临床人口统计数据，并提出了一个知识学习模块。•在真实公共数据集

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-19

• EHFRNT：结合模糊聚类与Transformer的边界感知混合深度学习框架，用于分割引导的皮肤病变分类

  摘要 早期且正确的诊断黑色素瘤及其他恶性皮肤疾病对促进及时诊断至关重要，而准确的皮肤损伤分类不可或缺。然而，传统深度学习方法面临诸多问题，例如正常图像与异常图像数量差异显著、损伤类别间视觉相似性强、损伤边界模糊以及模型表征困难。为克服上述局限性，本文提出了一种用于分割引导

  来源：PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES INDIA SECTION A-PHYSICAL SCIENCES

  时间：2026-09-19

• 用于尺度鲁棒连续视觉场的频谱域锚点学习

  摘要连续神经场在时空信号参数化方面取得了进展，然而其效能从根本上受到频谱偏置和缓慢收敛动态的限制。这些局限性严重制约了其对高频随机纹理以及密集、高度振荡空间场的解析能力。为克服上述局限，我们提出了频域锚点学习（SDAL）框架，该框架从局部空间梯度下降转向显式的频域参数化。SD

  来源：INTERNATIONAL JOURNAL OF COMPUTER VISION

  时间：2026-09-19

• 异二聚体 NPoF 纳米腔中石墨烯的等离激元增强拉曼散射

  •异二聚体NPoF纳米腔中的电磁场分布受到调制。•神经网络建模加速了异二聚体NPoF纳米腔的逆向设计。•石墨烯SERS验证了NPoF纳米腔中6.7倍的拉曼增强。引言表面等离激元（SP）能够将入射光限制在深亚波长尺度，并在金属纳米结构表面产生强烈的局域电磁场增强。因此，它们已被

  来源：Applied Surface Science

  时间：2026-09-19

知名企业招聘：