eess 篇论文 | Gist.Science

本研究提出了一种用于汽车电阻点焊的智能代理模型，该模型集成了一个异构集成学习框架与一种新型物理启发式加热强度约束，旨在提高参数预测精度、确保解的唯一性，并提升在多种板材叠层组合下的泛化能力。

本文提出了一种端到端的计算流水线，通过集成位姿配准、接触采样、不确定性感知力矩筛选以及约束拓扑优化，自动生成并验证面向特定目标的、被动式的、可增材制造的夹具，以确保结构完整性与机器人兼容性。

本研究利用耦合的漂移-扩散与声子流体动力学模型证明，通过增强空穴迁移率，优化无掺杂 SiGe p-FinFET 中的锗含量可以使峰值工作温度降低约 15 K，同时强调了一个关键的权衡关系，即过量的锗（超过 60%）会因热导率降低而导致性能退化。

本研究提出了一种用于先进制造的智能机器人检测框架，该框架集成了机器视觉与 YOLOv8n 深度学习模型以实现表面缺陷检测的自动化，在 NEU-DET 数据集上达到了 76.3% 的 mAP@50，同时强调了进一步验证物理机器人性能及客户特定数据的必要性。

本研究利用数值模拟证明，通过基于破坏面分析优化悬臂式挡土墙的布置并结合减压层，可以显著增强印度奈尼湖地区陡峭山坡在地震、降雨及附加荷载共同作用下的稳定性。

本研究采用了一种基于代理模型的多目标优化框架，该框架集成了 DesignBuilder、EnergyPlus、BPNN 和 NSGA-II，旨在确定地下商业空间的最优改造策略，以平衡能源使用强度、热舒适度和投资成本，同时揭示关键的权衡关系和主导影响因素。

本文介绍了一种垂直分层双层（VSDL）流体方法，该方法能有效抑制离子溶液中微/纳米电极的电化学降解，从而实现稳定的高压运行，并显著提高其在纳米颗粒检测和 DNA 分析等应用中的灵敏度。

本研究通过利用贝叶斯技术优化高斯过程回归模型，并确定水胶比为主要影响因素，建立了一个可靠且具可解释性的框架，用于预测掺入补充胶凝材料混合混凝土的抗折强度。

本文提出了一种用于 6G 上中频应用的完全共享、孔径馈电的双极化 MIMO 天线，该天线通过利用相位抵消机制来控制场相关性，而非依赖高端口隔离度，从而在无需物理辐射体间隔的情况下实现了宽带工作（6.96–15.87 GHz）和卓越的 MIMO 性能。

本文提出了一种结合膜因子约束与辅助判别器的物理启发式生成对抗网络框架，该框架成功生成了稳定、结构高效且前所未见的索力壳几何形状，从而将索力多边形的概念推广到了三维结构。