• 通过数据增强神经网络分类多部分连续变量纠缠结构

  神经网络已成为量子信息处理中有前景的范式，但研究人员面临生成足够规模和丰富多样性的训练数据集的挑战，这在处理多部分量子系统时尤为突出。例如，在连续变量系统中分类多部分纠缠的不同结构时，需要模拟大量能够覆盖尽可能多种类非高斯态的无限维态数据。在此，研究人员开发了

  来源：Nature Machine Intelligence

  时间：2026-07-31

• 工程化导电聚合物岛以实现高性能固态有机电化学晶体管用于气体识别

  导电聚合物通道内顺畅的离子传输可以提升有机电化学晶体管（OECTs）的整体性能，这需要高可及性的离子迁移路径。在此，研究人员通过渐进式湿纺方法原位交联聚苯乙烯磺酸盐（PSS）链，在固态OECTs通道中设计了平均横向尺寸约为9.11 nm的高结晶性聚3,4-乙烯

  来源：Advanced Fiber Materials

  时间：2026-07-31

• 基于边缘人工智能的分布式视觉感知系统：用于大规模航空航天部件机器人装配的实时姿态感知技术

  摘要在大型航空航天部件的组装过程中，实现对广阔工作空间的实时高精度姿态感知仍是一项重大挑战。传统的固定装置仅能起到被动定位和夹紧的作用，缺乏实现智能化、灵活化组装所必需的集成传感功能。为解决这一问题，我们提出了一种基于边缘计算并具备嵌入式人工智能功能的视觉感知架构。该架构采用了基

  来源：Procedia CIRP

  时间：2026-07-31

• NLP模型：每权重容量—每标签容量

  前馈神经网络的最大容量每权重（CpW）是有限的，这表明其可作为由海量权重组成的深度架构实现自然语言处理（NLP）任务性能的定量度量。本文模拟表明，多层网络的CpW趋近于一步副本对称破缺（one-step replica symmetry-breaking）解，

  来源：Physica A: Statistical Mechanics and its Applications

  时间：2026-07-31

• 关于线性时不变系统的双神经元尖峰控制：一种混合系统方法

  研究人员设计并分析了一个与单输入单输出线性时不变系统（linear time-invariant system, LTI system）闭环的双神经元尖峰控制器（spiking controller）。两个神经元使用泄漏积分点火（leaky integrate

  来源：Nonlinear Analysis: Hybrid Systems

  时间：2026-07-31

• 使用SHapley Additive exPlanations的变额年金投资组合估值

  本文提出了一种新的元建模框架，用于评估变额年金（VA）投资组合，该框架利用SHapley Additive exPlanations（SHAP）以可解释的方式选择代表性样本。在将元建模技术应用于基于原则的VA投资组合估值时，需要选择具有清晰且可解释标准的代表性

  来源：Insurance: Mathematics and Economics

  时间：2026-07-31

• 基于集成贝叶斯神经网络的深度概率回归用于长跨度桥梁振动的不确定性感知预测

  风致垂直和扭转振动在长跨度缆索支撑桥梁中可能导致过大的桥面振荡、扭转运动和气动不稳定性，可能危及结构安全和服务性。考虑到强风荷载下现场测量（如数据丢失和传感器故障）的关键挑战，通过机器学习进行桥梁振动预测为可靠的监测和管理提供了显著优势。研究人员提出了一种基于

  来源：Journal of Infrastructure Intelligence and Resilience

  时间：2026-07-31

• 苯基丙氨酸代谢物（苯乙酸、苯乳酸与苯丙酮酸）在稀水体系中的结构-动力学行为特征：一项分子动力学研究

  本研究采用分子动力学模拟考察苯乙酸（PA）、苯乳酸（PL）与苯丙酮酸（PP）的结构特征对其在水体系中结构与动力学行为的影响，并建立苯基丙氨酸代谢物的动力学与其在苯酮尿症中致病效应之间的关系。代谢物的亲水性按 PA < PL < PP 顺序递增，其中苯乙酸盐（P

  来源：Chemical Thermodynamics and Thermal Analysis

  时间：2026-07-31

• 燃气轮机物理信息模块化建模：组件级热力学约束与系统级一致性

  准确的且具有物理一致性的燃气轮机系统建模对于提升性能预测、可靠性及能源效率至关重要。传统的纯数据驱动方法往往缺乏物理可解释性，而纯粹的基于物理的模型难以捕捉复杂的非线性系统行为。本研究提出了一种用于燃气轮机性能及排放预测的模块化物理信息建模框架，其中热力学约束

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2026-07-31

• NASGP：一种高效且可解释的神经架构搜索框架用于植物基因组预测

  研究人员提出了一种新的植物基因组预测框架NASGP，该框架利用神经架构搜索自动设计和优化网络架构。研究人员设计了MIDAFS（互信息驱动的双通道自适应加权特征选择），一种去除冗余SNP（单核苷酸多态性）同时保留富信息遗传信号的特征选择策略，提高了预测性能和搜索

  来源：Industrial Crops and Products

  时间：2026-07-31

知名企业招聘：