• 用于加速多拓扑模拟电路仿真的神经代理模型

  采用数值常微分方程（ODE）求解器的模拟电路仿真具有较高可靠性，但在参数扫描、公差分析和设计迭代中，重复进行瞬态分析的计算开销可能过大。本文提出了一种单一共享神经代理模型，用于模拟 21 种模拟电路拓扑上的瞬态波形。研究人员构建了包含 176100 组仿真波形

  来源：Results in Engineering

  时间：2026-05-22

• 物理信息神经网络（PINN）分析含熔化效应的混合对流边界层流动：以Al2O3–Cu/水混合纳米流体为例

  研究人员开发了一种物理信息神经网络（PINN）方法，用于分析稳态层流条件下，垂直表面熔化过程中Al2O3–Cu/水混合纳米流体的混合对流边界层流动及传热特性。通过相似变换，将控制偏微分方程（PDE）简化为耦合的非线性常微分方程组（ODE）。为解决PINN在边界

  来源：Results in Engineering

  时间：2026-05-22

• 基于智能神经结构设计的Sutterby纳米流体流动熔化传热传质特性分析

  纳米技术的快速发展显著提升了数字化与科学领域的整体水平。纳米流体（Nanofluid, NF）与生物对流（Bioconvection）的结合在多个领域展现出广泛应用潜力，其热导率优异，被视为理想的传热工质。生物对流是指微生物在流体介质中的集体运动这一自然现象。

  来源：Results in Surfaces and Interfaces

  时间：2026-05-22

• 霍尔电流与交叉扩散效应对科里奥利力作用下旋转拉伸表面三元纳米流体流动的影响：一种人工神经网络方法

  研究人员针对旋转拉伸表面的三维流动特性展开研究，将霍尔电流与科里奥利力的联合作用纳入分析框架，同时考虑工程与工业应用场景的需求。动量方程中引入霍尔效应与驻点效应，温度与浓度方程则包含索雷特（Soret）-杜弗尔（Dufour）耦合贡献。三元杂化纳米流体的热性能

  来源：Results in Surfaces and Interfaces

  时间：2026-05-22

• 吲唑衍生物的单胺氧化酶（MAO）抑制特性

  单胺氧化酶（Monoamine oxidase, MAO）是催化中枢和外周神经系统中生物源胺及膳食胺代谢的重要酶类。MAO活性的增加与帕金森病和抑郁症等多种神经退行性及神经精神疾病的病理生理学有关，MAO抑制剂是治疗这些疾病的既定疗法。近期文献报道了一系列可作

  来源：Results in Chemistry

  时间：2026-05-22

• 基于CC-NDR与VC-NDR电热型忆阻器中活性电抗的材料驱动型神经元振荡器与滤波器

  人工智能与电信硬件的持续微缩日益受到基于晶体管电路的功耗、带宽和面积限制所约束。神经形态处理器单元、模拟振荡器以及有源电感和电容均依赖于复杂的多晶体管架构，这限制了材料选择并带来能耗与面积开销。本研究表明，电热忆阻器中的活性电抗（active reactanc

  来源：Advanced Physics Research

  时间：2026-05-22

• 基于聚合物化学信息神经网络（PCINN）的丙烯酸正丁酯（n-Butyl Acrylate）种子半间歇乳液聚合预测建模

  乳液聚合的预测建模具有挑战性，因为这不仅需要对分区自由基聚合动力学有机理层面的理解，还需要了解该过程涉及的复杂胶体现象。为了使问题更易于处理，大多数乳液聚合模型被迫做出简化假设，这通常导致模型预测与实验数据之间存在差异。此外，大多数动力学模型依赖于不确定或高度

  来源：Polymer

  时间：2026-05-22

• 基于人工神经网络与快速非奇异终端滑模控制的浮式海上风机（FOWT）叶片变桨控制

  研究人员提出了一种基于人工神经网络（ANN）与快速非奇异终端滑模控制（FNTSMC）的浮式海上风机（FOWT）叶片变桨控制策略，用于额定风速以上区域的转子转速调节与功率波动抑制。针对FOWT在风浪联合激励下存在的强非线性、模型不确定性与外部扰动问题，研究人员首

  来源：Journal of Ocean Engineering and Science

  时间：2026-05-22

• 深度学习驱动的富铈(Ni–Fe–Co–Ce)Ox析氧反应催化剂异常检测与特征发现

  开发高性能析氧反应(OER)催化剂对能源转换至关重要。然而，从海量高通量实验数据集中筛选稀有优质材料仍具挑战，传统机器学习模型常将这些最优数据点误判为噪声。研究人员提出一种深度学习驱动的异常检测框架以解决该局限。该方法将原子级描述符与卷积神经网络(CNN)结合

  来源：RSC Advances

  时间：2026-05-22

• 一种高度泛化的智能故障诊断方法，该方法采用双通道自适应缩放卷积神经网络和模态谱阵列映射技术

  周圆圆|张先坤|刘永斌|王航|江国胜|沈刚摘要人工智能技术在旋转机械的智能故障诊断中发挥着关键作用。这类机械产生的振动信号由于受到强烈干扰而具有明显的噪声和时变特性，这限制了传统卷积神经网络从这些含噪、非平稳的时间序列信号中有效提取特征的能力。为了解决这一挑战，提出了一种新的方法

  来源：Expert Systems with Applications

  时间：2026-05-22

知名企业招聘：