• 物理信息驱动的低维阶矩表示用于基于深度学习的模态分解

  摘要我们提出了一种用于叠加拉盖尔 - 高斯 (LG) 光束模式分解的物理信息特征驱动学习框架。网络输入不使用高维强度图像，而是将光场表示为从光束横截面四个对称区域中提取的区域强度矩。每个区域计算两个低阶中心矩，形成八维特征向量。这种表示捕获了光束的关键空间特征，同时显著降低了

  来源：Optics & Laser Technology

  时间：2026-09-12

• PIMA：一种面向复杂动力系统的流形自适应序列框架

  • 提出了PIMA，一种面向参数化偏微分方程的流形自适应序贯框架。 • 集成Mamba架构与自适应模块，实现时间与参数维度的稳定性。 • 学习从参数空间到解流形的连续映射。 引言 偏微分方程（PDEs）是理解复杂动力系统的基础，其应用无处不在，涵盖流体力学与固体力学到生物学

  来源：Knowledge-Based Systems

  时间：2026-09-12

• 基于范德华 n-p-n 异质结构忆阻器阵列的全天候智能感知交通系统

  •一种范德华n-p-n Bi2Te3/SnSe/Nb:SrTiO3异质忆阻器，集成了二维（2D）拓扑绝缘体和二维铁电材料。•原子尺度表征和DFT计算证实了双界面调控可实现高效载流子注入/俘获和可调势垒，从而增强量子隧穿效应。•该器件实现了75%的良率，光学开关比约为104，耐

  来源：Journal of Materials Science & Technology

  时间：2026-09-12

• 一种基于神经生理学原理的关节网络，用于从表面肌电图数据中估计多指力量

  **摘要** 从表面肌电图（sEMG）中解码多指力量对于灵巧的假肢手控制至关重要。尽管基于深度学习的端到端解码器最近表现出了有希望的性能，但它们通常缺乏生理学的可解释性。相反，运动单位（MU）的放电信息提供了更准确的力量表征，但难以有效整合。因此，本研究提出了一种受神经生理学

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-12

• 用于可解释机械故障诊断的跨部件因果耦合建模与多阶谱表示

  摘要在可变工况下，复杂机械系统中不同类型的故障表现出不同的跨部件因果耦合模式，导致监测信号波动和特征表示不稳定。针对这些问题，本研究提出了一种新颖的机械故障诊断方法，称为因果耦合建模与多阶谱表示对齐。首先，使用神经格兰杰机制量化通道间的因果强度，同时结合类别级先验和样本级动态

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-12

• 利用定向能量沉积过程中高光谱原位监测进行钢-铜多材料名义组成的数据驱动预测

  基于激光的定向能量沉积（DED-LB）能够制造多材料和成分梯度金属部件。然而，确保打印过程中的准确局部成分仍然是一个主要挑战，这对于具有强差异物理和热物理特性的系统尤为关键。在本研究中，提出了一种高光谱原位监测方法，用于检测并量化 316L 到 CuCr1Zr 多材料结构制造

  来源：Additive Manufacturing

  时间：2026-09-12

• 基于准则-相似度解耦模糊正则化图卷积网络的可解释岩爆强度预测

  - 开发了一种关系来源感知的多尺度框架，用于特征关系与准则关系 - 利用重叠的高斯隶属度重构了准则等级之间的有序邻近性 - 将硬图传播与软有序正则化分离，用于关系特定的学习 - 实现了94.42%的五折交叉验证准确率和100次重复实验的93.44% ± 0.64%准确率 -

  来源：TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY

  时间：2026-09-12

• 基于稀疏固定传感器物理知情交通状态估计的观测对齐两阶段域分解方法

  - 观测对齐的域分解方法针对固定传感器的欠观测问题。 - 空间细化方案平均误差最低，且时空训练时间不足一半。 - 在25个案例中的18个案例中，TSDD-PINN的误差低于XPINN，且速度快2.4倍。 - 相较于线性插分的优势主要集中在稀疏观测条件下。 - 250次运行评估

  来源：TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES

  时间：2026-09-12

• 一种用于多个未知源辐射场三维重建的物理约束神经体素混合框架

  •HNV-PCF 旨在解决稀疏采样条件下的三维辐射场重建问题。•该方法通过物理模型联合优化体素源和神经网络。•该方法将全局三维空间重建精度提升了68.7%。•即使在缺少近源测量数据的情况下，该方法也能可靠地划定危险区域。引言精确快速地获取三维辐射场分布对于核设施退役、核事故应

  来源：Annals of Nuclear Energy

  时间：2026-09-12

• 一种结合自监督联邦学习的动态多模态融合神经网络用于预测交通状况

  •提出了一种多模态融合神经网络，集成交通流量、道路等级和车辆速度等多种数据源，以提高动态交通条件下的预测准确性和鲁棒性。•实现了一种动态调整机制，能够基于实时数据进行自适应参数调节，提升大规模分布式环境下的预测效率和稳定性。•使用阿里巴巴天池路况公开数据集进行评估，证明了联邦

  来源：Journal of the Franklin Institute

  时间：2026-09-12

知名企业招聘：