• 基于3D结构与深度学习的方法，用于预测烯烃羟甲基化反应的区域选择性

  打开图形查看器 摘要 即使有理论和机理知识的指导，过渡金属催化剂的合理开发仍然需要大量的试错。尽管机器学习有望加速催化剂的发现和优化，但由于可用数据集有限，准确建模催化剂的复杂

  来源：Journal of the American Chemical Society

  时间：2026-08-25

• 通过反应性共混配合多元醇辅助网络工程技术制备高性能聚乳酸玻璃态聚合物

  打开图形查看器 摘要 聚乳酸（PLA）是一种有前景的生物基和可生物降解的聚合物，但其有限的热稳定性和机械性能限制了其在工程领域的广泛应用。本文通过一种简便的反应性共混策略制备了

  来源：Industrial & Engineering Chemistry Research

  时间：2026-08-25

• 物理上一致性的机器学习预测方法在煤层中的氢吸附行为：对地下氢储存的启示

  打开图形查看器 摘要 可再生资源的日益广泛应用加剧了

  来源：Energy & Fuels

  时间：2026-08-25

• 对“美国法院使用的手机地理位置定位方法分析”的更正

  摘要：对论文《美国法院使用的移动电话地理定位方法分析》提出更正。 CCBY - IEEE 不是本材料的版权持有者。请按照 https://creativecommons.org/licenses/by/4.0/ 中的说明获取全文文章并遵守 API 文档中的规定。 20

  来源：IEEE Transactions on Aerospace and Electronic Systems

  时间：2026-08-25

• 对《基于元启发式方法的太阳能、风能和电网供电的电动汽车充电可行性评估与设计》一文的修正

  摘要： 本文对论文《基于元启发式的可行性评估与太阳能、风能和电网供电的电动汽车充电系统设计》进行了修正。 CCBY - IEEE 并非该资料的版权所有者。请遵循以下链接中的说明：https://creativecommons.org/licenses/

  来源：IEEE Transactions on Aerospace and Electronic Systems

  时间：2026-08-25

• 基于深度学习方法的热成像技术对复合材料层合板的分层损伤概率估计

  主动红外热成像（active infrared thermography, IRT）对复合材料层合板中分层损伤的定量尺寸评估因扩散驱动模糊、深度衰减及非均匀加热而具有挑战性。研究人员提出了一种基于代理辅助、无似然贝叶斯反演框架，该框架结合了实验校准的有限元（f

  来源：COMPOSITE STRUCTURES

  时间：2026-08-25

• 等几何间隙平移边界方法（Gap–SBM）

  在二维和三维中的高阶等几何间隙平移边界方法（Gap–SBM）公式。对于浸入Dirichlet和Neumann边界条件的最优收敛性。没有额外的自由度且最优条件数缩放。计算机辅助设计（CAD）和立体光刻（STL）衍生几何的自动分析。

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-08-25

• 近似域上Nitsche方法的误差估计

  研究人员推导了Nitsche方法应用于近似域上椭圆问题的先验误差估计。此类近似出现在例如未拟合有限元方法、数据驱动模拟以及演化域问题中，其中计算域与物理域不完全重合。研究人员根据边界位置和法向扰动量化几何误差，并在标准稳定性假设下以抽象CutFEM框架进行分析

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-08-25

• 太阳能冷却技术：热驱动和光伏驱动系统的比较综述、成熟度与部署挑战

  在炎热、阳光充足地区日益增长的冷却需求越来越多地由传统的电力驱动空调来满足，这加剧了电网压力、化石燃料消耗和温室气体排放。太阳能冷却是一种气候匹配良好的替代方案，因为太阳能的可用性通常与冷却负荷同时达到峰值。然而，该领域包含非常不同的热驱动和光伏（PV）驱动路

  来源：Energy Conversion and Management-X

  时间：2026-08-25

• 预测驱动的可再生能源微电网混合电池-氢储能系统优化定容与管理：基于混合元启发式优化方法

  准确的短期负荷预测可以大幅改善可再生能源微电网中混合电池-氢储能系统的定容与监督能量管理。本研究提出了一种预测信息的优化框架，该框架将提前一小时的长期短期记忆网络预测与混合改进谐波搜索-模拟退火优化算法相结合，用于离网光伏-风能-电池-氢能-柴油微电网的最优定

  来源：Energy Conversion and Management-X

  时间：2026-08-25

知名企业招聘：