eess 篇论文 | Gist.Science

MOAT Seed 项目引入了 Osprey 智能体 AI 平台，旨在统一美国能源部复杂体系内碎片化的加速器设施知识，并实现故障排除、分析和设计等复杂任务的自动化，从而减少对自定义脚本的依赖，并实现国家实验室之间共享 AI 能力的转移。

本研究建立了一种颗粒附着等效粗糙表面重建模型和三维有限元接触分析，旨在证明在含颗粒环境中，颗粒尺寸而非覆盖率是加剧界面应力集中并降低密封性能的主导因素。

本文提出了一种用于动态输出反馈控制器的综合框架，该框架通过求解单个离线双线性优化问题，在同时满足状态和输入多面体约束的情况下，实现对多种参考信号（包括阶跃、斜坡、正弦波和抛物线）的渐近无静差跟踪，并同时确定控制器增益和经过认证的可容许初始条件集。

本研究开发了一种增强型多模态高斯两步移动搜寻法（Multimodal G2SFCA）框架，用于评估沈阳超高龄核心区的自动体外除颤器（AED）可及性，结果表明，尽管骑行提供了更优的覆盖范围，但显著的空间不平等和时间限制严重限制了边缘居住区老年人的获取能力。

本文介绍了一种物理神经网络架构，该架构通过在每个连接上使用模拟带通滤波器来放置可训练的非线性函数，证明了这种方法在实现高保真连续控制任务时，与传统的多层感知器相比，所需的参数和连接数量显著减少，同时能够实现超低功耗的硬件实现。

本研究提出并验证了“特征频率定位”作为一种弱机械不变性，通过将缺陷频率表示与轴承运动学进行对齐，显著增强了在传感器和转速域偏移下的滚动轴承故障诊断能力，同时阐明了该可迁移机制保持有效的物理边界。

本文提出了一种紧凑、可扩展且高能效的硅光拟酉器件，该器件克服了片上矩阵实现中的传统权衡，从而能够实现高性能的光信号处理和循环神经网络应用。

本文提出了一种“先生成后验证”的框架，该框架将扩散模型与计算高效的 qEDMD 库普曼算子相结合，用于筛选空间飞行器轨迹候选方案的动力学一致性，从而在圆限制性三体问题中，于昂贵的下游精化步骤之前成功过滤掉严重无效的解。

这项计算研究表明，在严格遵守已发表的燃油曲线定义域的前提下，将不同容量的电池组集成到仅由柴油驱动的调度系统中，在具有完美预见性和简化转换模型的理想条件下，理论上可将总燃料消耗量降低高达 61.7%。

本研究表明，使用空间阻断式留出法而非随机留出法，能够揭示出神经集成温度后处理在未观测站点处表现出的更大性能退化，从而凸显了评估设计对于准确评估模型在留白地理区域内泛化能力的至关重要性。