• 物理信息奇异值学习用于金融市场互协方差预测

  近期非线性收缩方法的进展为大型协方差矩阵提供了渐近最优的清洁器，并已通过奇异值收缩扩展到经验互协方差矩阵。然而，这些方法依赖于平稳性和有界谱假设，而实际股票收益违反了这些假设，表现出依赖漂移和宏观共同模式。研究人员提出了一种物理信息神经估计器，该估计器在经验奇

  来源：Finance Research Letters

  时间：2026-08-11

• 增强超燃冲压发动机中RANS保真度：基于机器学习校准耦合湍流燃烧的湍流模型参数

  雷诺平均纳维-斯托克斯（RANS）方程仍是超燃冲压发动机工程数值模拟的核心。然而，广泛使用的SST湍流模型的默认参数是基于非反应基准流校准的。该模型在涉及强湍流-燃烧耦合和激波/边界层相互作用（SWBLI）的场景中预测精度不足，这已成为限制发动机精细化设计的关

  来源：Defence Technology

  时间：2026-08-11

• RPE65缺陷通过损害VGF信号传导破坏内层视网膜结构在LCA中

  RPE65缺陷导致Leber先天性黑矇（LCA），该疾病经典特征为光感受器变性，但其内层视网膜受累情况仍不明确。研究人员（此处用研究人员代替“我们”）鉴定出两名携带新型复合杂合RPE65变异（p.Glu399*/p.Pro467Ala）的中国同胞LCA患者，表

  来源：Visual Neuroscience

  时间：2026-08-11

• 综述：血管化视网膜类器官和视网膜病变三维建模的血管化策略

  新生血管性视网膜病变以病理性血管生成为特征，仍是导致视力丧失的主要原因之一。血管化视网膜类器官（vROs）已成为先进的三维（3D）模型，通过整合功能性血管系统来重现视网膜微环境。本综述重点介绍了关键的血管化策略，包括共培养系统、干细胞分化、3D生物打印和器官芯

  来源：Visual Neuroscience

  时间：2026-08-11

• 物理信息神经网络方案用于三能级非厄米量子系统中的绝热捷径

  研究人员提出了一种物理信息神经网络（PINN）方案，用于设计三能级非厄米量子系统中的绝热捷径。PINN被用于求解一个逆控制问题，其中状态振幅和辅助驱动场同时从薛定谔残差、初始和目标布居数约束以及控制脉冲上的概率守恒约束中学习。学习到的补偿场抵消了中间态的损失，

  来源：Entropy

  时间：2026-08-11

• 改良内侧鹰嘴旁穿针与常规交叉穿针治疗移位儿童肱骨髁上骨折：一项回顾性比较队列研究

  中文翻译摘要：背景/目标：闭合复位经皮穿针是治疗移位儿童肱骨髁上骨折的标准手术方法。尽管交叉穿针固定具有优异的生物力学稳定性，但内侧穿针仍存在医嘱性尺神经损伤的风险。改良内侧鹰嘴旁技术作为一种替代性内侧穿针策略被引入，同时保留了交叉穿针固定的原则。本研究比较了

  来源：Children

  时间：2026-08-11

• 混合量子循环神经网络用于涡扇发动机剩余使用寿命预测

  对安全关键机械剩余使用寿命（RUL）的准确估计是现代可靠性与风险管理策略的基石。研究人员提出一种混合量子循环神经网络（HQRNN）用于NASA C-MAPSS FD001基准上的喷气发动机RUL预测。HQRNN堆叠量子长短期记忆（QLSTM）层，将每个LSTM

  来源：Algorithms

  时间：2026-08-11

• 基于混合神经网络模型的锂离子电池健康状态估计方法

  锂离子电池健康状态（SOH）的准确估计是电池管理系统安全可靠运行的基本前提。针对现有SOH估计方法中特征代表性不足、手动依赖超参数调优以及小样本条件下泛化能力有限的问题，本研究提出了一种基于卷积神经网络（CNN）和RIME优化算法优化的双向门控循环单元（BiG

  来源：Mathematics

  时间：2026-08-11

• PINN-GNN混合神经网络用于数据中心精确PUE预测

  准确的能效预测是绿色计算和低碳6G基础设施的基础。由于数据中心的高能量密度和复杂的设备交互，它们代表了一个具有挑战性的测试平台。现有方法要么忽略物理定律，要么无法捕获异构设备之间的空间依赖性。为了解决这些局限性，研究人员提出了一种混合框架，将物理信息神经网络（

  来源：Mathematics

  时间：2026-08-11

• 嵌入式单类分类用于深度神经网络表示

  人工神经网络（ANNs）基于训练期间学习的模式进行预测；然而，当数据分布或训练模型发生变化时，其可靠性可能下降。本文提出了一种嵌入式单类分类（Embedded One-Class Classification, EOCC）框架，用于监测任务信息驱动的神经网络表

  来源：Mathematics

  时间：2026-08-11

知名企业招聘：