• 用于量子化学的可迁移神经网络量子态方法

  # 摘要 我们提出了QiankunNet1.2，一种可迁移的神经网络量子态（NNQS）方法，用于求解量子化学中的多电子薛定谔方程。在QiankunNet1.0的基础上，QiankunNet1.2解决了其前身的关键局限性：在不同分子系统之间迁移学习效果差的问题。我们引入了两项

  来源：Computer Physics Communications

  时间：2026-09-30

• 物理信息神经网络与外部求解器的耦合

  摘要 本工作旨在直接在物理信息神经网络（Physics Informed Neural Network, PINN）中引入物理损失项，利用任意离散化前向求解器从控制方程中获得的数值残差。PINN与外部前向求解器耦合的主要困难在于：神经网络无法直接访问控制方程的离散形式（如有

  来源：Computer Physics Communications

  时间：2026-09-30

• CRNN：基于深度神经网络的RFID信号端到端碰撞恢复

  摘要多标签碰撞降低了射频识别（RFID）系统的效率，而现有的恢复方法通常需要昂贵的多天线硬件或复杂的信号分析。为此，本文提出了一种基于深度学习的碰撞恢复神经网络（CRNN），使用单天线直接分离和恢复碰撞信号。CRNN的主要优势在于其端到端处理能力。它结合卷积层和循环层，从原始

  来源：Computer Networks

  时间：2026-09-30

• SupCL-GNN：基于图神经网络的有监督对比学习用于增强加密流量分类

  摘要随着人们对保持在线活动安全和隐私的关注度提高，网络流量加密的使用显著增加。虽然这增强了用户的网络安全，但加密技术的发展也给加密流量分类带来了新挑战。当前基于深度学习的加密流量分类方法通常直接学习统计特征或原始字节信息的表示，忽略了在不同变换或干扰下保持稳定且与数据语义直接

  来源：Computer Networks

  时间：2026-09-30

• SR-CGCNN：晶体图神经网络中用于材料性质预测的共享循环卷积

  • SR-CGCNN在多个消息传递步骤中重用同一个卷积模块。 • 与标准CGCNN-3相比，卷积参数减少了65.5%。 • 在形成能和带隙预测方面，准确率保持接近。 • JARVIS-DFT在独立数据集上证实了准确性与参数之间的权衡关系。 引言 晶体结构天然地可以用图来表

  来源：Computational Materials Science

  时间：2026-09-30

• 求解具有尖锐角点椭圆界面问题的最小二乘极限学习机配置法

  **摘要** 椭圆界面问题具有不连续系数、非平凡的传输条件以及复杂的几何形状，在众多科学和工程应用中均有出现。此类问题可能涉及弯曲界面、不规则外部边界以及具有锐角的折线界面。尽管锐利界面角通常会引起局部解奇异点，其行为取决于角的大小、界面构型以及系数对比度，但本工作主要关注

  来源：Engineering Analysis with Boundary Elements

  时间：2026-09-30

• 一种新颖的断裂力学约束神经网络用于螺旋齿轮疲劳裂纹扩展与寿命预测

  • 一种断裂力学约束的神经网络，使用结构化的裂纹扩展数据。 • 一个与网格重划兼容的模块，对齐节点变化的裂纹前沿场。 • 一个记忆增强模块，捕捉具有历史依赖性的裂纹前沿演化。 • 一个闭环模块，将裂纹驱动力场、裂纹路径和疲劳寿命联系起来。 引言 螺旋齿轮是高速重载传动系统

  来源：Engineering Analysis with Boundary Elements

  时间：2026-09-30

• BMINN：一种从地面运动进行基岩运动反演的神经网络

  •神经网络根据地表运动重建基岩运动。•峰值加速度和波形被分别预测以实现完整重建。•峰值加速度误差和谱加速度误差分别降低了20.8%和26.1%。引言基岩运动（BM）对地震危险性评估至关重要，是理解和减轻地震影响的关键组成部分。基岩运动代表了基岩层级的地面运动（GM），不受上覆

  来源：Engineering Geology

  时间：2026-09-30

• 一种融合符号回归与物理引导神经网络的混合框架：面向跨几何疲劳裂纹扩展

  •所提出的混合框架展示了实现准确跨几何预测的潜力。•双通道符号回归可以有效发现FCGR的公式候选。•研究表明，几何效应可以被编码到裂纹尖端的标准断裂力学参数中。引言疲劳裂纹扩展率（FCGR）预测是损伤容限设计和结构完整性评估的基石[1]。当前工程实践通常依赖于将Paris曲线

  来源：Engineering Fracture Mechanics

  时间：2026-09-30

• 几何阻挫开启量子离域：LiTi2(PS4)3 低温输运机制

  主动学习神经进化势（NEP）实现了 LTPS 在 50 至 1000 K 范围内 DFT 精度的大规模恒温环聚合物分子动力学（TRPMD）模拟。 TRPMD 揭示了低温下的锂传输行为，其 42.6 meV 的势垒与实验活化能相匹配。 声子介导的波包整形使得量子锂传输能够通

  来源：Solid State Ionics

  时间：2026-09-30

知名企业招聘：