• 考虑土体空间变异性与非饱和稳态渗流的边坡概率稳定性分析深度学习框架

  摘要 本研究提出了一种基于深度学习的概率分析框架，用于评估稳态渗流条件下空间变异性土体中非饱和边坡的可靠性。该框架将物理信息渗流求解器与两阶段神经网络代理模型相结合。首先，开发了一种基于通量的物理信息Kolmogorov-Arnold网络（PI-KAN），用于求解稳态条件下

  来源：Computers and Geotechnics

  时间：2026-08-30

• 一种面向复合结构代理辅助多尺度建模的材料嵌入物理循环神经网络框架

  •将PRNN重新表述为基于核函数的多尺度近似框架。•MERNN实现材料嵌入的含路径依赖的本构建模。•高效的多材料训练，降低数据成本。•在代理辅助FE2中实现两个数量级的效率提升。引言复合材料因其优异的比刚度、强度、疲劳抵抗性和损伤容限[3, 4]，已被广泛应用于高性能工程结构

  来源：COMPOSITE STRUCTURES

  时间：2026-08-30

• 神经网络辅助的无迹卡尔曼滤波算法在未知输入条件下用于RC热模型中联合参数识别和温度预测

  • 为电阻-电容（RC）识别开发了一种混合物理-数据驱动的UKF-UI框架。• 一个循环网络指导自适应过程和测量协方差更新。• 热状态、RC参数和未知的热输入被联合估计。• 在高斯噪声、重尾噪声和非平稳噪声下证明了其鲁棒性。• 实际房间测试验证了可靠的识别和温度预测能力。 引言

  来源：ENERGY AND BUILDINGS

  时间：2026-08-30

• 基于非局域性信息的蜂窝梁均匀化网络

  • 开发了一种两阶段非局部均质化模型，用于捕捉蜂窝梁的尺寸依赖性弯曲响应。 • 提出了一种基于非局部性信息的均质化网络（NIHN）。 • 为所提出的网络引入了一种数据模型解耦的两阶段迭代优化策略。 • 该框架能够准确高效地预测蜂窝梁的响应。

  来源：COMPOSITE STRUCTURES

  时间：2026-08-30

• 深度信念驱动的耦合高阶隐藏状态转换退化模型

  • 提出了一种基于深度信念（DBE）的模型，该模型统一了耦合动态和高阶动态。• 通过用神经网络替代转移动态来避免状态空间爆炸问题。• 直接从历史的第一阶段信念估计出未来状态的概率。• 使得复杂的多组分退化建模能够进行可扩展的状态过滤。 引言 在序列数据中建模复杂的时间依赖性

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-08-30

• 配体极化驱动的表面刚性限域实现可靠钙钛矿量子点忆阻器

  •配体极化效应通过表面刚性约束直接靶向随机离子迁移的原子起源。•表面八面体从不规则无序状态转变为有序刚性状态，使迁移势垒从0.28 eV提升至0.42 eV。•导通/关断比提升两个数量级，电压分散度降低超过70%，稳定工作超过104秒。•最佳极化窗口实现了四级多值存储，并将突

  来源：Chemical Engineering Journal

  时间：2026-08-30

• 预测湖相页岩油甜点区：机器学习推导的异常Tmax抑制与游离油富集地球化学见解

  摘要 在层理异质性强的湖相沉积体系中识别页岩油甜点区，需要具备沿井筒连续可获取的地球化学指标，并且这些指标能够与烃类生成、运移和滞留的地质过程相关联。在北部湾盆地富山凹陷始新统留沙港组中，明显的岩相非均质性以及岩心样品上岩石热解（Rock-Eval）测量的有限空间覆盖范围，

  来源：Fuel

  时间：2026-08-30

• DEX：不平衡图上GNN解释的去偏方法

  •我们研究类别不平衡条件下的图神经网络（GNN）解释问题。•我们发现不平衡图解释中存在的解释器诱导偏差。•DEX通过类别感知条件扩散对潜在边掩码进行细化。•原型增强引导机制保持目标GNN的决策行为。•实验表明，所提出的方法生成更忠实且不易产生畸变的解释。引言图结构数据在众多现

  来源：Expert Systems with Applications

  时间：2026-08-30

• NeuroPrint：面向多模态MRI中风差异分类的无参数空间递推图编码——支持联邦与集中式架构

  - NeuroPrint将T1/T2/FLAIR MRI转换为单一的空间复归图（SRP）。 - SRP使轻量级CNN能够在卒中分诊中与复杂的多分支融合架构相媲美。 - NeuroPrint在KURDI-MRI上达到F1=85.4%，在BraTS 2020上达到F1=90.1%

  来源：Expert Systems with Applications

  时间：2026-08-30

• 多轴疲劳的物理信息深度学习：一种特征自适应弹塑性解耦方法

  摘要 在复杂多轴载荷下准确预测钛合金的疲劳寿命，对于关键航空航天部件的抗疲劳设计和安全性评估具有重要意义。然而，复杂载荷路径下疲劳失效机理的强耦合性以及疲劳寿命数据的高分散性，已成为疲劳建模准确性面临的主要挑战。为克服传统数据驱动疲劳寿命预测模型的局限性，本文提出了一种特征

  来源：Mechanics of Materials

  时间：2026-08-30

知名企业招聘：