• 一种用于评估钢筋混凝土内梁柱节点的应力不连续性方法

  摘要：本文提出了一种用于预测带有内部梁柱节点的钢筋混凝土梁柱组合结构承载能力的方法。该方法基于塑性下界定理，通过应力场来描述应力状态。内部节点被划分为具有不连续应力场的规则棱柱形子区域，会在梁与节点的界面、柱与节点的界面以及节点的棱柱区域内检测失效情况。最终承载能力是通过一个非线

  来源：Engineering Structures

  时间：2026-08-08

• 综述：从元素角度探讨用于超导热开关的钒纯化方法

  •理想的超导热开关能够最大化电子传输并最小化声子传输。•钒是一种有潜力的超导热开关材料，但难以纯化。•硅和铁等元素会严重影响热开关的性能。•元素周期表总结了通过六种纯化方法去除各种元素的情况。•通过电精炼再结合电传输，可得到最适合用于热开关的钒。引言诸如过渡边缘传感器和动能感应探

  来源：Cryogenics

  时间：2026-08-08

• 互感量的封闭形式解：一种基于毕奥-萨伐尔定律的用于超导电动悬浮列车的快速解析计算方法

  •本研究聚焦于超导电动悬浮列车。•基于毕奥-萨伐尔定律，推导出了互感量的闭式解。•该方法显著提升了实时仿真的计算效率。•解决了在线仿真中互感量计算的瓶颈问题。引言近年来，由于超导电动悬浮列车在悬浮和导向方面具有自稳定性、较大的悬浮间隙以及较高的升阻比，其在高速及超高速轨道交通领域

  来源：Cryogenics

  时间：2026-08-08

• 以太坊区块链技术中用于提升扩展性的最优动态分片流程

  摘要 区块链是一种分布式账本，通过加密技术防止伪造和篡改。它以有序的方式存储数据块，形成链式数据结构。区块链具有可编程性、可追溯性、集体维护性和去中心化等特性，因此在全球商业和学术领域备受关注。在物联网、社交网络、医疗保健和金融等领域，区块链技术已得到广泛研究。然而，现有区块

  来源：Computers and Electrical Engineering

  时间：2026-08-08

• 一种基于知识图谱的大型语言模型，用于规划电池回收技术选型

  •开发了一种基于人工智能的决策支持系统，该系统将包含电池回收相关知识图的数据库与经过微调的问答模型（Battery-LLaMA）相结合，从而提升了性能（F1分数：0.821，而ChatGPT-4o为0.701）。•引入了一种多目标筛选框架，用于根据收益、能耗和碳足迹对回收技术进行

  来源：Computers & Chemical Engineering

  时间：2026-08-08

• 基于专家知识的联邦学习与稀疏路由技术在分布式交通预测中的应用

  •一种用于智能交通环境中跨异构区域客户端进行分布式交通预测的联邦专家混合框架。•一种基于动态特性的路由模块，能够区分重复性与非重复性交通模式。•一种按专家分类的聚合机制，根据实际使用情况同步共享的专家模型。•一种部分共享设计，仅限制在专家模块层面进行同步，而非对整个模型进行聚合。

  来源：Computer Communications

  时间：2026-08-08

• 动态编辑环境下绘制对象R*-树空间索引维护的优化方法

  摘要：为应对CAD和矢量图形编辑环境中对象频繁修改所带来的空间索引维护难题，本研究分析了R*-树在动态更新过程中的结构响应特性。现有方法采用统一的删除-重新插入机制，未考虑几何变化的幅度，从而导致在高频、小规模更新情况下出现不必要的结构调整、累积干扰以及性能下降。为克服这一局限，

  来源：Computer Aided Geometric Design

  时间：2026-08-08

• 探究技术教育中人工智能物联网赋能的自主学习的核心因素：一种整合技术接受模型、社会学习理论和社会认同理论的混合方法研究

  摘要：本研究通过结合技术接受模型、社会学习理论和社会认同理论，采用四阶段混合方法进行严格验证，以确定在技术教育中影响人工智能物联网赋能的自主学习表现的核心因素。研究针对AI物联网赋能自主学习系统化评估框架存在的知识缺陷，构建了涵盖技术、能力与动机三个维度的综合三维评估体系。第一阶

  来源：Internet of Things

  时间：2026-08-08

• 基于综合方法预测包裹在振动管道上的粘弹性聚合物垫片的减振特性

  •一种集成模型可在无需大量实验的情况下预测基于粘弹性聚合物贴片的振动抑制效果。•一种改进的FDSLS模型能够考虑频率、中心角、形状因子和预应变等因素，从而描述粘弹性聚合物贴片的有效动态模量。•预测得到的截止频率与实验结果的误差仅为个位数百分比。•有效动态模量有助于实现精确的有限元

  来源：MECHANICAL SYSTEMS AND SIGNAL PROCESSING

  时间：2026-08-08

• 基于物理原理的少样本学习方法，用于异质退化条件下的跨领域电池寿命预测

  摘要：尽管在基于数据的电池寿命预测方面已取得一定进展，但由于电池退化行为存在差异、目标领域的老化数据匮乏、退化轨迹各异以及不同电池之间的特征不一致性，其实际应用仍受到限制。传统的迁移学习方法通常需要足够的目标领域退化轨迹来适应特定领域的老化模式，而当仅有早期循环观测数据时，这种方

  来源：JOURNAL OF POWER SOURCES

  时间：2026-08-08

知名企业招聘：