• 联邦学习中的好坏区分：一种基于原型学习和变分自编码器的新型数据欺诈检测方法

  联邦学习（Federated Learning）实现了隐私保护的协作建模，并已在金融风险管理和医疗分析等数据驱动决策场景中广泛应用。然而，其“数据可用但不可见”的固有特性引入了关键漏洞：恶意参与者可能操纵本地数据或模型更新进行欺诈，从而降低模型性能并损害决策可

  来源：Decision Support Systems

  时间：2026-06-01

• 基于冲击贯入数据驱动土体力学参数智能反演：一种可解释迁移学习方法

  获取黏聚力(c)、内摩擦角(φ)、密度(ρ)、杨氏模量(E)及泊松比(v)等关键土体力学参数是开展岩土力学基础研究与实施岩土工程的先决条件。本文提出一种可解释迁移学习(explainable transfer learning)方法，通过将大规模数值模拟所获知

  来源：Computers and Geotechnics

  时间：2026-06-01

• 考虑土拱效应的隧道周围软土二维非线性固结：一种高效滞后系数交替方向隐式有限差分方法

  饱和软土在隧道周围的变形受渗流和压缩耦合过程控制，而材料非线性和随深度变化的初始地层应力进一步使问题复杂化。与一维地基条件不同，隧道的存在会诱发土拱效应，即使在名义均匀的地层中也会改变初始应力分布。为应对这些挑战，研究人员提出了一种考虑土拱效应的非线性自重应力

  来源：Computers and Geotechnics

  时间：2026-06-01

• 基于游戏引擎的SPH-DEM方法的泥石流增强快速模拟

  理解泥石流的形成与演化对于有效灾害防治至关重要。虚拟现实提供了直观的可视化方式展示其启动与发展过程，然而现有虚拟仿真研究通常采用SPH–SPH模型来同时表示固相和液相。但研究人员已知SPH不适用于固体建模，因为其核函数缺乏断裂的物理基础，难以捕捉结构破坏和颗粒

  来源：Computers & Geosciences

  时间：2026-06-01

• ByteStorm：一种用于热带气旋检测与追踪的多步骤数据驱动方法

  准确的热带气旋（tropical cyclones, TCs）追踪在天气和气候科学领域代表着一项关键挑战。传统追踪方案主要依赖主观阈值，这可能导致其在应用地理区域上的技能产生偏差，并且由于管理大量变量而通常计算和数据密集。研究人员提出了ByteStorm，一个

  来源：Computers & Geosciences

  时间：2026-06-01

• 分析英国极端事件预估：两种互补方法

  针对未来极端天气事件的研究，常常难以将这些事件置于对气候风险评估和适应规划感兴趣的利益相关方的背景中。在此，研究人员通过考察有影响的观测事件在更暖气候下的频率变化，以及过去发生概率相似的事件在量级上的变化，将未来极端事件置于近期过去的背景下。这种方法帮助用户从

  来源：Climate Services

  时间：2026-06-01

• 从互补到约束：肯尼亚小农系统中的分层采纳路径与公平性——一种贝叶斯伊辛诊断方法

  研究人员引入了一种贝叶斯伊辛(Bayesian-Ising)框架，该框架在交叉视角下统一分析了同时发生的实践互动与顺序采纳路径，并利用来自肯尼亚西部569个小农的调查数据进行了研究。研究得出了三个关键发现。首先，互补性是分层的，而非普遍的。汇集的伊辛网络显示，

  来源：Climate Risk Management

  时间：2026-06-01

• 扩展社会生命周期评价（S-LCA, Social Life Cycle Assessment）以捕捉技术变革——航空航天领域人工智能驱动激光制造案例研究

  摘要：本研究针对社会生命周期评价（Social Life Cycle Assessment, S-LCA）依赖价值链参与者、在供应链基本保持不变时难以检测核心工艺技术变革所产生社会影响的局限性，提出一种能够评估新兴技术及其与社会系统相互作用的改进方法。该方法以

  来源：Cleaner and Responsible Consumption

  时间：2026-06-01

• 高比例可再生能源电力系统的谐振稳定性分析方法

  随着逆变器基资源(IBRs)越来越多地集成到电力系统中，近年来由IBR电力电子控制器与无源网络元件相互作用引起的网络谐振不稳定性变得更加普遍。现有的基于s域节点导纳矩阵的方法为大规模谐振分析提供了有用的框架，并能提供全面的模态信息。然而，当应用于高比例可再生能

  来源：IEEE Access

  时间：2026-06-01

• 多视图数据探索方法

  工业资产，例如风力涡轮机（wind turbines）、泵或重型车辆，会产生大量数据痕迹，可用于多种目的。然而，理解现实世界的工业数据具有挑战性，因为它通常来自不同且高度异构的来源，例如来自不同组件和资产的传感器测量、配置规格或日志记录。直接应用现成的人工智能

  来源：IEEE Aerospace and Electronic Systems Magazine

  时间：2026-06-01

知名企业招聘：