eess 篇论文 | Gist.Science

本文提出了一种利用中空支柱晶格结构进行一体化软体机器人制造的方法，旨在将分布式气动驱动与多模态传感集成在单一打印主体内，从而在消除对组装后流体管路需求的同时，通过一种拓扑感知单通道传感系统实现弯曲运动与触觉检测的同步进行。

本文应用期望超体积改进（EHVI）来优化铁饼和赛车后翼的运动器材设计，在识别关键空气动力学参数的同时指出，EHVI 倾向于将解聚集在目标空间的中心附近，从而限制了其捕捉极端帕累托最优结果的能力。

本研究表明，激光粉末床熔融（L-PBF）是制造耐蠕变P92型钢的一种可行制造方法，通过将工艺变量优化至激光功率250 W、扫描速度1 m/s、扫描间距80微米并采用氮气保护，实现了低于0.1%的无孔隙状态。

本研究通过实验室实验和计算流体力学（CFD）模拟，证明了由于结构和材料的不规则性，柔性消防水带的水力摩擦损失显著高于光滑管理论预测值，从而验证了使用经验确定的、特定直径摩擦系数的必要性。

本研究提出了一种基于深度学习的语义地理信息系统（GIS）框架，该框架将遗产保护与绿地规划相结合，旨在识别历史城市环境中气候响应型干预措施的优先区域，并通过开罗马穆鲁克沙漠墓地的案例研究进行了验证。

本文提出了一种利用非周期性 PUF 生成的数字密钥来验证硬件访问权限的关键驱动型开关电容转换器，其中不匹配的密钥会通过热载流子注入诱导的退化以及启动时间检测器来触发自毁机制，从而禁用下游电路。

本研究表明，虽然在大陆性气候下，对于所有深度的短期路面温度预测，朴素持久性基准模型优于六种机器学习算法，但在热惯性抑制高频波动的较长预测时界和较深深度处，机器学习方法仍提供了有限但真实的价值。

本研究引入了一种无辐射、物理信息驱动的机器学习框架，该框架仅利用科里奥利质量流量测量和一种新型谐波混合密度平均因子（HMDMF），即可精确估算三相油–气–水流中的水液比，实现了高预测性能（R² = 0.8943），并为传统的伽马射线系统提供了一种具有成本效益的替代方案。

本研究引入了一种基于临界温度差的热力学分层框架，用于对双工质有机朗肯循环-蒸气压缩制冷（ORC-VCC）系统进行分类，揭示了较低的临界温度差会以增加质量流量为代价换取更高的效率，并确定冷凝器温度是影响系统整体性能的主导因素。

PINN-Flow 是一个统一的物理信息深度学习框架，它通过整合纳维-斯托克斯方程和线性弹性约束，共同估算腹主动脉瘤中的血流速度和主动脉壁位移，从而在噪声鲁棒性和破裂风险分层准确性方面显著优于数据驱动的基准模型。