• 铬钼（CrMo）铁素体钢蠕变断裂寿命预测中的不确定性量化与分解

  •异方差分解在蠕变寿命预测中分离了认知不确定性和本征不确定性。•本征不确定性在Cr-Mo蠕变数据集的预测方差中占主导地位。•基于Norton的分析将测量放大与材料离散性区分开来。•尽管有更多数据，低温蠕变仍表现出持续的本征离散性。•高温提高了认知不确定性的比例，而高应力则同时

  来源：International Journal of Pressure Vessels and Piping

  时间：2026-10-21

• 基于物理引导的特征调制与小样本迁移学习的跨材料多轴疲劳寿命预测

  •物理引导的FiLM调制将材料属性集成到深度学习中。•少样本迁移实现了跨材料的稳健预测，仅需少量数据。•双流网络同时编码时序序列和CWT时频图。•可解释的调制参数与材料延性相关。 引言 多轴载荷下的疲劳失效仍然是承载结构中最关键的退化模式之一，它在航空航天、汽车、船舶和能

  来源：International Journal of Pressure Vessels and Piping

  时间：2026-10-21

• 深度学习驱动的太赫兹石墨烯–黑磷–二氧化钒生物传感器用于超灵敏葡萄糖检测

  摘要：糖尿病是一个重大的全球性健康挑战，其特征是血糖水平持续升高，并需要频繁监测血糖以支持有效的疾病管理。传统的血糖监测方法通常依赖于有创或微创采样，这可能导致不适感并在反复测量过程中降低患者的依从性。因此，能够进行快速、灵敏葡萄糖检测的无创和无标记传感技术引起了越来越多的

  来源：IEEE Potentials

  时间：2026-10-21

• 通过瞳孔测量法研究内源性疼痛调节：瞳孔大小能否反映消退镇痛？

  简介：疼痛刺激会引发自主神经系统反应，包括瞳孔大小变化，这为疼痛处理和调节提供了生理指标。内源性疼痛调制系统在调节疼痛中起着关键作用，其功能障碍会导致各种慢性疼痛状况。减痛效应（OA）为该系统的功能提供了一种行为测量手段，但依赖于主观评分。 目标：本研究旨在确定瞳孔大小能否作

  来源：PAIN Reports

  时间：2026-10-21

• 一种基于等几何分析进行代表性体积元均匀化的多尺度物理信息神经网络，用于压电复合材料的湿热-电-力耦合分析

  - 开发了一种多尺度方法RVEIGA-PINN，用于压电复合材料的湿热-电-力耦合分析。 - 使用基于NURBS的等几何分析进行RVE均匀化，计算具有曲面界面的复合材料有效系数。 - 参数化PINN可预测不同载荷和环境条件下位移和电势的响应。 - 无量纲策略降低了控制方程残差

  来源：Engineering Analysis with Boundary Elements

  时间：2026-10-21

• PENMN：用于统一连续-不连续断裂分析的物理编码数值流形网络

  # 摘要 本文提出了一种新颖的物理编码数值流形网络（PENMN）。该方法将数值流形方法（NMM）的双覆盖系统与物理编码数值网络的离散可微分求解架构深度集成，通过数学覆盖和物理覆盖构建形函数矩阵，建立了覆盖节点自由度（DOFs）之间的显式拓扑连接，有效缓解了经典基于坐标的物理

  来源：Engineering Analysis with Boundary Elements

  时间：2026-10-21

• 复杂区域中声学逆柯西问题的基本解神经网络

  ## 摘要 本文提出了一种由物理信息神经网络（PINNs）驱动的基本解神经网络（FSNNs）方法，用于求解二维和三维域中声学分析的逆Cauchy问题。此类问题旨在从部分给定的边界条件中重建未知的边界数据，通常具有病态性且对扰动高度敏感。对于逆问题，传统的基本解法（MFS）通

  来源：Engineering Analysis with Boundary Elements

  时间：2026-10-21

• 基于梯度界面调控的异质TPMS基超结构数据驱动多尺度拓扑优化

  • 一种S形加权融合策略，能够在不同TPMS构型之间实现平滑、连续的几何过渡。 • 一种数据驱动的多尺度设计框架，利用MLP代理模型映射非线性弹性张量，克服了传统插值方法的局限性。 • 优化后的梯度界面，显著缓解了应力集中，平均界面应力降低了38.3%。 引言 微观结构的

  来源：Computer-Aided Design

  时间：2026-10-21

• 爆发神经元网络的平均场约化

  # 摘要 脉冲神经网络中神经元群的集体动力学一直是计算神经科学和网络科学的核心关注点。过去几年中，基于脉冲网络的精确约简（ER）方法开发出了一代新的神经元群体模型。然而，大多数这些工作仅限于具有简单动力学特性的神经元网络（例如具有周期性放电的二次积分发射模型）。在此，我们提

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-10-21

• JSL-MGNN：一种时空图框架，用于统一室内occupant density（占用密度）插值与预测，并具备对抗数据缺失的能力

  •提出了一种集成的联合时空学习（JSL）框架，用于解决预测和插值任务，利用共享信息；•开发了一种多图共享编码器，用于捕获时空占用数据中的多种关系；•在JSL-Decoder中建模任务依赖性，以优化时空插值和预测任务；•所提出的JSL-MGNN模型增强了对缺失数据和时空稀疏性的抵抗

  来源：Advanced Engineering Informatics

  时间：2026-10-21

知名企业招聘：