eess 篇论文 | Gist.Science

本文综述了增材制造、架构超材料与人工智能辅助设计在多功能复合材料领域的融合，并通过关于420种纤维增强聚合物的案例研究，证明了集成机器学习模型能够有效地根据加工和组分描述符预测力学性能，从而加速逆向设计与4D打印。

本文提出了一种针对天基异构高性能计算的稳健且可复现的可行域建模工作流，该工作流集成了多约束筛选（包括时序、内存、功耗、热量和可靠性）以识别最优任务映射，并通过合成案例研究证明，与名义上的能量优化方法相比，稳健选择在仅产生微小能量权衡的情况下，显著缩短了完成时间并消除了扰动下的截止日期违规。

本研究通过实验测试、微观结构表征、基于机器学习的强度预测以及 ABAQUS 数值分析，全面评估了常温养护地聚合物砂浆的性能，证明了使用钠基激发剂的 100% 高炉 Slag 粉混合物实现了优越的力学性能，并且地聚合物砂浆加固显著增强了钢筋混凝土梁的结构行为。

本研究发现，在双波长衍射神经网络中，无论是样本级最差情况还是平均多偏移训练目标，都未能为光谱鲁棒性提供统计学上可靠的优势，因为性能差异微乎其微、在不同协议间表现不一致，且对器件扰动高度敏感。

本文提出了一种用于在严格空间约束下在 UCF 校区布置 11 个二氧化碳传感器的量子启发式进化优化框架，该框架实现了对高流量行人走廊 72.73% 的覆盖率——是当前基准的两倍——同时为市政传感器网络的部署与校准建立了一种可扩展的方法论。

本研究提出了一种带有空间注意力机制的三维卷积自编码器（SAM3D），该模型在压缩来自 WRF-Chem 模拟的高维大气一氧化碳场方面显著优于各种线性及非线性降维方法，从而为反演建模工作流实现更高效的存储与处理。

本文提出了一种统一的角度调制传递函数（MTF）评估框架，用于系统地比较稀疏孔径配置，并证明了优化的三臂Y型结构在频域指标和图像重建质量方面均优于传统的环形和Golay-6阵列。

本研究提出了一种双方案自适应坡度滤波方法，通过将数字表面模型划分为植被和建筑区域以改进地面点分类，在复杂的无人机摄影测量调查中实现了高垂直精度（RMSE为0.148米），并将识别茂密植被中的空隙范围确定为目前主要的局限性。

本研究表明，与单个大腿惯性测量单元（IMU）或双IMU配置相比，放置在上背部的单个IMU在深蹲和硬拉的特定运动学评估方面表现更优，因为增加大腿数据并未提高系统区分不同运动的能力。

本文提出了一个结合随机场模拟、受控数值实验和符号回归的集成框架，旨在量化风化花岗岩的地质空间变异性如何影响盾构隧道引起的沉降，识别出开挖层与覆土层变形模量是主导因素，并推导出具有物理可解释性的预测模型。