Meta-PINNs: Meta-Learning Enhanced Physics-Informed Machine Learning Framework for Turbomachinery Flow Predictions under Varying Operation Conditions

本文提出了一种融合元学习策略的元物理信息神经网络(Meta-PINNs)框架,通过自动适应不同物理流态显著提升了训练效率与泛化能力,在圆筒非定常流及压气机叶栅湍流等变工况预测任务中,相比传统方法实现了精度提升一至两个数量级且计算成本降低超 90% 的突破性进展。

Yuling Han, Zhihui Li, Zhibin YuTue, 10 Ma🔬 physics

Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots

本文提出了一种基于轨迹驱动的全局优化框架,能够同时识别水下欠驱动机构与软体机器人的耦合内部结构及外部水动力参数,从而实现了高保真的统一建模,并在从单臂到整体制动机器人的多种场景下验证了其准确性与可扩展性。

Chenrui Zhang, Yiyuan Zhang, Yunfei Ye, Junkai Chen, Haozhe Wang, Cecilia LaschiTue, 10 Ma🔬 physics

Broad frequency tuning of a Nb3_{3}Sn superconducting microwave cavity for dark matter searches

该研究展示了一种用于暗物质搜索的铌三锡超导微波腔的新型宽带调谐机制,通过机械分离腔体实现超过 1 GHz 的连续频率调谐,同时保持高品质因数,且无需在谐振腔内插入任何元件。

D. Maiello, R. Di Vora, D. Ahn, G. Carugno, R. Cervantes, B. Giaccone, A. Ortolan, S. Posen, G. Ruoso, G. Sardo Infirri, B. Tennis, S. Tocci, C. BraggioTue, 10 Ma🔬 physics

Design and optimisation of linear variable differential transformers and voice coil actuators using finite element analysis: a methodical approach to enhance sensor response and actuation force

本研究提出了一种基于有限元分析的系统化设计与优化方法,通过统一设计线性可变差动变压器(LVDT)传感器与音圈(VC)致动器,在严格的几何和热约束下显著提升了引力波探测器等高精度应用中的传感器响应与致动力性能,并经由实验验证了该方法的可行性。

Kumar Akhil Kukkadapu, Hans Van Haevermaet, Wim Beaumont, Nick van RemortelTue, 10 Ma🔬 physics

Manifold-Adapted Sparse RBF-SINDy: Unbiased Library Construction and Unsupervised Discovery of Dynamical States in Turbulent Wall Flows

该论文提出了一种基于流形适应的稀疏 RBF-SINDy 方法,通过弧长重采样和基于局部协方差的马氏距离度量来消除标准库构建中的结构性偏差,从而仅利用壁面压力与剪切应力数据,在无监督条件下成功重构了湍流壁面流动的内在几何骨架并识别出稳定的条纹态与失稳爆发态。

Miguel Perez-Cuadrado, Giorgio Maria Cavallazzi, Alfredo PinelliTue, 10 Ma🔬 physics