• 神经网络量子态的绝热输运

  变分方法几十年来为捕捉多体量子物理提供了可控且强大的工具。近年来，表达性强的神经网络量子态的引入，使得许多感兴趣哈密顿量的复杂波函数得以精确表示。我们提出了一种第一性原理方法，通过将简单哈密顿量的本征态绝热延拓到强关联区域，来构建多体激发态的神经网络表示。通过可控地访问完整的多体

  来源：PRX IntelligenceNEW

  时间：2026-10-28

• 非线性波系统中的近平衡态传播训练

  反向传播学习算法，作为现代人工智能的核心工具，在物理神经网络中的实现向来以困难著称。平衡传播（EP）作为一种替代方案，具有相当的学习效率，并展现出原位训练的强大潜力。我们将EP学习拓展至离散和连续复值波动系统。与先前的EP实现方案不同，我们的方法适用于弱耗散区域，并且能够方便地应

  来源：PRX IntelligenceNEW

  时间：2026-10-28

• 老年和年轻人纳冯图形整体与局部加工中的半球不对称性：来自单眼观察范式的行为证据

  背景：半球偏侧化在注意加工中起着核心作用，左侧半球在语言性和焦点性信息处理中具有相对优势，而右侧半球在视觉空间性和整体性加工中具有优势。层级性Navon图形为检验焦点性注意与整体性注意之间以及半球特化之间的交互作用提供了有效方法。单眼观察将视觉输入偏向对侧半球，已被提出作为调节注

  来源：Cognitive and Behavioral Neurology

  时间：2026-10-28

• 针对混沌系统的科学机器学习为神经群体学习降阶方程

  从复杂动力系统中提取可解释的数学模型是困难的，尤其是对于伴随噪声实验数据观测到的混沌动力学而言。我们提出PEM-UDE，一种将预测误差方法与通用微分方程相结合的方法，用于从有限的、受噪声污染的观测中发现控制方程。预测误差反馈平滑了混沌优化问题；对于模型类内部生成的无噪声数据，它保

  来源：PRX IntelligenceNEW

  时间：2026-10-28

• 儿童中枢神经系统恶性肿瘤治疗中的县域医疗资源与地理差异：基于SEER数据库的分析

  摘要目的本回顾性研究旨在表征儿童中枢神经系统（CNS）恶性肿瘤的治疗方式与农村居住状态及县级医疗资源邻近程度之间的关联。方法将来自专门监测、流行病学和结果（SEER）数据集的癌症发病率数据与地区卫生资源档案（Area Health Resources Files）中的县级数据进行

  来源：Child's Nervous System

  时间：2026-10-28

• 基于神经进化机器学习势的石墨中级联损伤与缺陷演化的大规模模拟

  摘要机器学习势精度的提升使得对石墨中高能位移级联和缺陷演化的详细分析成为可能。本研究将神经演化势（NEP）框架与重新拟合碳的Ziegler–Biersack–Littmark（ZBL）势相结合。所得到的NEP–ZBL势能够重现密度泛函理论对关键静态性质的预测，其高计算效率使得模拟

  来源：CARBON

  时间：2026-10-28

• 用于智能车辆中鲁棒且自适应的路面粗糙度识别的物理信息神经网络框架

  •提出了一种用于鲁棒自适应路面粗糙度识别的通用PINN框架。 •悬架动力学显式地结合到网络架构和损失函数中。 •PINN架构可针对考虑非线性的悬架系统进行定制。 •在少量训练样本下实现优异的识别精度和鲁棒性。 •验证了PINN对未知路面等级和噪声测量的强泛化能力。 1. 引言

  来源：MECHANICAL SYSTEMS AND SIGNAL PROCESSING

  时间：2026-10-28

• 基于渗流方法的城市桥隧网络服役状态评估及SP-GNN代理建模

  •渗流将桥梁隧道失效与网络服务状态损失联系起来。•临界性指标捕捉阈值、序列抗性和临界前状态。•蒙特卡洛结果显示崩塌行为具有强烈的状态依赖性。•SP-GNN以近乎即时的推理预测蒙特卡洛指标。引言桥梁隧道系统是城市和区域交通网络中的关键基础设施。在人口密集的城市中，桥梁和隧道基础设施

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-10-28

• 物理信息神经网络结合正交配置法用于化学动力学模拟

  • 在物理信息神经网络中嵌入勒让德插值层。 • 时变系数实现灵活的全局解表示。 • OCPINN 在非线性、刚性及固定床反应器系统中进行评估。 • 在所研究案例中，OCPINN 产生的平均误差低于 PINN 和 VS-PINN。 1. 引言 化学工业中基于模型的监测、优化和控

  来源：Computers & Chemical Engineering

  时间：2026-10-28

• 物理引导的锂离子电池等效电路参数反演与电热建模

  •物理引导学习实现了无标签的ECM参数反演。 •多时间尺度分支捕捉电池的不同动态特性。 •未测试电池的测试验证了可靠的参数反演性能。 •推断参数支持快速WLTP电-热预测。 引言 电池管理系统（BMS）是确保动力电池安全高效运行的核心组件。它需要实时估计关键状态，包括荷电状态（

  来源：International Communications in Heat and Mass Transfer

  时间：2026-10-28

知名企业招聘：