• 前翼主导型双翼拖网网板的高升力与低阻力设计研究

  在不牺牲升力的前提下降低拖网网板阻力，对于降低拖曳阻力和燃油消耗，同时维持拖网所需的水平网口张开度具有重要意义。研究人员开发了一种前翼主导型双翼拖网网板，以在保留双翼构型高升力性能的同时降低阻力。以无展向缝隙的双翼型超高升力拖网网板（HLTD）为参考构型，通过

  来源：Journal of Marine Science and Engineering

  时间：2026-10-21

• 区域功能化激光诱导石墨烯（LIG）传感器阵列用于柔性智能多气体检测

  柔性多气体传感器阵列在可穿戴监测、环境安全和智能传感系统中具有广阔的应用前景。本研究开发了一种基于区域功能化激光诱导石墨烯（laser-induced graphene, LIG）的柔性2×2多气体传感器阵列，用于室温气体检测与智能识别。研究人员将MXene、

  来源：Nanomaterials

  时间：2026-10-21

• MultiPINN：面向物理信息神经网络的模块化研究框架

  物理信息神经网络（Physics-informed Neural Networks, PINNs）通过将控制方程和边界条件嵌入训练目标来逼近微分方程的解。受控的PINN比较之所以困难，是因为几何表示、配点采样、损失构造、神经架构和优化设置都会影响结果。本文提出

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-21

• 基于NARX神经网络的化学反应Casson与Carreau纳米流体在辐射加热Riga板上流动的对比机器学习分析

  • 研究了化学反应性Casson与Carreau纳米流体（nanofluid, NF）在加热Riga板（Riga plate）上的流动。 • 纳入Darcy–Forchheimer阻力（Darcy–Forchheimer drag）、热辐射（thermal r

  来源：South African Journal of Chemical Engineering

  时间：2026-10-21

• 磁性可回收Fe₃O₄/CeO₂纳米复合材料对氯化污染物的吸附辅助去除：动力学、机器学习与第一性原理研究

  开发高效且可回收的催化剂用于持久性有机污染物（POPs）去除仍是环境纳米技术中的重大挑战。本研究合成了一种介孔Fe₃O₄/CeO₂纳米复合材料并对其进行系统表征，确认其粒径为（20 ± 10）n

  来源：RSC Advances

  时间：2026-10-21

• 弗拉芒门诊患者不同时间框架下抑郁、焦虑与压力对COVID-19病程的影响：一项观察性研究

  摘要专业翻译 引言： 心理困扰可能影响病毒性感染（如COVID-19）的病程。本研究旨在探讨感染COVID-19之前及期间发生的抑郁、焦虑和压力与弗拉芒门诊患者COVID-19病程（症状数量及症状持续时间）之间的关联。 方法： 2022年初，研究人员对3,02

  来源：Frontiers in Psychology

  时间：2026-10-21

• 基于神经网络的可变阈值事件触发机制用于分布式共识

  摘要： 事件触发机制（ETMs）已被开发用于解决共识问题，以减少通信同时确保性能保证，但其设计因纳入代理的本地和邻居信息而变得越来越复杂。这通常导致临时性的解决方案，可能仅适用于所考虑的共识协议。我们旨在安全地将神经

  来源：IEEE Systems, Man, and Cybernetics Magazine

  时间：2026-10-21

• 基于卷积神经网络的非易失性存储器故障位图批量诊断与分类

  摘要：本文讨论了内存核的批量诊断，并展示了如何以高置信度快速准确地分类从批量生产中转储的故障位图。该方法主要使用卷积神经网络（CNNs），能够对故障形状进行快速准确的分类，并将其划分为预定义标签。此外，所提出的方法还能精确识别新的、未分类的故障形状。实验结果聚焦于非易失性存

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2026-10-21

• 多加速器协同设计与通信框架加速图神经网络负载

  摘要： 现代数据，如图数据，因其描述复杂系统的表达能力而得到广泛应用。现代应用程序，如图神经网络（GNNs），通常包含多个具有不同计算模式的阶段。由于图数据的特性，某些阶段是不规则的或数据依赖的，因此无法实现大规模并行。因此，尽管GPU在深度学习负载方面具有强大的性能，但仅依

  来源：IEEE Transactions on Computers

  时间：2026-10-21

• 基于谱引导查找表与资源高效乘法器的霍奇金-赫胥黎神经元FPGA资源高效实现

  摘要：霍奇金-赫胥黎（HH）模型为神经元动力学提供了详细的生物学表征，但其非线性计算带来了巨大的硬件和计算开销。以往的FPGA实现方案通过模型简化、数值近似或计算密集型实现来应对这一挑战，但这些方法要么会牺牲原始神经元动力学的保真度，要么需要大量的硬件资源。本文提出了一种基于

  来源：IEEE Aerospace and Electronic Systems Magazine

  时间：2026-10-21

知名企业招聘：