-
利用Kolmogorov–Arnold化学反应神经网络(KA-CRNNs)研究锂离子电池正极材料的连续充电状态依赖性热分解动力学
本研究提出基于Kolmogorov–Arnold化学反应神经网络(KA-CRNN)的连续SOC依赖动力学模型,直接从差示扫描量热法(DSC)数据中学习阴极-电解液分解参数,揭示SOC对热失控机制的影响,实现多阴极体系的高精度可解释预测。
来源:Journal of Energy Storage
时间:2026-03-28
-
利用多物理信息驱动的神经网络,对水热耦合条件下分层土壤水流进行反向建模
土壤水分与温度耦合传输建模中,针对异质分层介质参数反演精度不足的问题,提出分层多物理信息神经网络(LMPINN)。通过耦合Richards方程与热传导方程,构建多物理数据融合反演框架;采用分层域分解策略与显式界面连续条件,解决梯度不连续问题;结合双支网络架构与自适应优化算法,提升非线性区域(如近饱和状态)参数反演精度达78%-88%。
来源:Advances in Water Resources
时间:2026-03-28
-
综述:面向电双层电容器宽电压窗口的电解质工程策略
本研究通过构建多尺度模型,结合人工神经网络与遗传算法,优化质子交换膜燃料电池(PEMFC)阴极催化层(CCL)的铂梯度与离子omer梯度分布,以提升电池性能及耐久性。结果表明,考虑铂降解时,铂梯度应呈正向(GDL侧至MEM侧递增)以缓解浓度损失,而离子omer梯度需反向(MEM侧至GDL侧递减)以抑制铂溶解,同时优化电流密度分布。
来源:JOURNAL OF POWER SOURCES
时间:2026-03-28
-
基于遗传算法的鲁棒图卷积网络设计,该方法利用节点分割与融合技术
针对图卷积神经网络在安全关键环境中存在的软错误容错问题,本研究提出基于神经达尔文主义的遗传算法驱动结构优化框架。通过节点分割生成冗余单元和任务驱动的节点融合实现迭代网络进化,有效缓解故障传播、降低关键错误并优化故障分布,无需增加计算开销,为构建高效可靠GCNs提供新途径。
来源:Swarm and Evolutionary Computation
时间:2026-03-28
-
一种基于技术知识系统新兴特征的创新功能原理的解决方案方法
提出基于技术知识系统涌现特性的创新功能性原理解决方案,通过产品流程模型和NLP技术获取用户需求与功能基础,结合UIE模型提取专利技术知识,建立用户需求-功能基础-技术知识的多级映射网络,运用图卷积神经网络模拟技术知识网络涌现特性,生成多样化创新方案并验证其有效性。
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-03-28
-
大型语言模型(LLMs)与基于图的方法的多智能体集成,用于自动化建筑电气设计(MEP)的可构建性检查
自动核查复杂机电管道设计的手动核查效率低且易错,本文提出基于大语言模型与图技术的多智能体系统。通过构建结构化场景图、将规则转为知识图谱,并利用图匹配与推理识别违规,在三个项目中验证准确率达92%,显著提升效率并减少人工操作。
来源:AUTOMATION IN CONSTRUCTION
时间:2026-03-28
-
具有类似组织的模量和机械强度、由两性离子增强的高导电性水凝胶,适用于稳定的外周神经接口
导电水凝胶神经接口的制备及其生物相容性研究通过共聚丙烯酸与两性离子单体VBIPS构建半互穿双网络结构,在PEDOT:PSS纳米颗粒原位相分离形成导电网络,实现高电导率(~20 S·cm⁻¹)与优异力学性能(断裂韧性~902 J·m⁻²)。植入大鼠坐骨神经后,该水凝胶接口在低电位下触发膝反射反射,并保持长期稳定信号传输,为柔性生物电子器件提供新策略。
来源:Chemical Engineering Journal
时间:2026-03-28
-
经静脉微波消融主动脉肾神经节可改善肾脏去神经化治疗的效果
主动脉肾神经节靶向消融联合常规肾动脉消融在猪模型中显著降低肾交感神经活性及去甲肾上腺素水平,改善高血压调控效果。人类研究通过MRI和电生理标定技术确认了类似神经节的存在,其电刺激可引起血压升高反应。
来源:Journal of Hypertension
时间:2026-03-28
-
PSTG-Net:一种基于物理信息的时空多模态动态图网络,用于风力发电预测
针对现有风功率预测模型未充分考虑云物理与边界层风过程耦合效应及多模态气象数据时空依赖性等问题,提出基于物理约束的时空多模态动态图神经网络PSTG-Net。通过云-风交互模块实现辐射传输修正与动量参数化,动态图表示模块融合卫星遥感与地面观测数据,时空物理融合注意力网络模块实现多源异构数据加权融合,在真实风电场数据验证中误差降低32.7%,显著提升复杂气象条件下的预测精度。
来源:Expert Systems with Applications
时间:2026-03-28
-
利用多层超图自适应知识转移技术提升知识追踪能力
知识追踪旨在通过学习者的交互序列动态建模其认知状态以支持个性化教学决策。现有方法常忽略知识概念(KCs)间的转移效应及传播机制,导致对掌握程度和整体性能建模不够精细。提出的MHAKT模型通过三模块协同工作:转移感知模块利用掩码注意力机制动态更新学习者特定转移结构;知识转移模块采用超图神经网络全面建模多对多知识转移;认知更新模块整合新知识并应用遗忘机制。实验表明MHAKT在基准数据集上显著优于13种基线模型,尤其在冷启动知识组件场景下仍保持优异性能。消融实验和可视化分析验证了各模块的关键作用。
来源:ACM Transactions on Information Systems
时间:2026-03-28