学术背景 保龄球是美国最受欢迎的体育运动之一，截至2017年，已有超过4500万人定期参与。随着每年全国性比赛中数百万美元的奖金争夺，如何提高选手得分成为研究热点。然而，由于计算复杂性和影响球轨迹的变量众多，大多数研究依赖于经验数据的统计分析，而非理论建模。例如，2018年美国保龄球协会（USBC）设备规格报告使用了37名选手的球速数据，而非计算机模型。 以往关于保龄球物理学的定量分析较少，主要由于涉及的参数众多。Fröhlich、Hopkins和Huston等人在过去几十年中尝试建立数学模型，考虑保龄球内部重量块的影响，并提供了少量参数值的模拟结果。然而，这些模型仅假设了简单的摩擦剖面，无法完全反映实际比赛中的复杂情况。 本研究旨在通过物理模拟，探索竞技保龄球中的瞄准策略，帮助选手在比赛中...

学术背景 高超声速技术是航空航天领域的重要研究方向，其应用范围涵盖了国防、航天发射和超高速商业航空等多个关键领域。随着计算流体动力学（Computational Fluid Dynamics, CFD）技术的快速发展，高精度CFD模拟在高超声速飞行器设计中扮演着越来越重要的角色。然而，尽管开源CFD框架如OpenFOAM已被广泛应用，现有的基于密度的求解器在处理现代高超声速飞行器设计的复杂需求时仍面临诸多限制。特别是，商业软件的高昂许可费用和闭源性质限制了其广泛应用，而现有的开源工具在算法成熟度、功能完整性和验证方面仍存在不足。 为了解决这些问题，南京理工大学能源与动力工程学院的王尚和张小兵团队开发了一款基于OpenFOAM v12的新型模块化可压缩流动求解器——ShockFluidX。该求...

随着人工智能（AI）技术的快速发展，人工神经网络（Artificial Neural Networks, ANNs）在多个领域取得了显著成就。然而，传统的神经网络训练方法——尤其是反向传播算法（Backpropagation）——在硬件实现上存在诸多挑战。反向传播算法虽然在软件中高效，但在硬件中实现时，要求计算路径可逆、每个神经元需要大量内存，并且需要计算激活函数的导数，这些条件在硬件中难以满足。此外，传统的互补金属氧化物半导体（CMOS）硬件在训练和部署这些算法时，能源消耗巨大，限制了其扩展性和广泛应用。 为了解决这些问题，研究人员开始探索脑启发（brain-inspired）的硬件解决方案，尤其是模拟神经形态硬件（analog neuromorphic hardware）。这类硬件能够以...

学术背景 随着信息时代的到来，集成电路（Integrated Circuits, ICs）成为了推动技术进步的核心力量。然而，传统的集成光子学平台（如硅、氮化硅等）在材料特性上存在诸多限制，例如硅的间接带隙限制了其在激光应用中的使用，而硅在近红外波段的强双光子吸收也限制了其在非线性光学应用中的表现。为了克服这些限制，研究人员开始探索将具有优异光学特性的二维材料（2D Materials）集成到光子芯片上。二维材料，如石墨烯（Graphene）、过渡金属二硫化物（Transition Metal Dichalcogenides, TMDCs）、黑磷（Black Phosphorus, BP）等，展现出超高的载流子迁移率、宽带光学响应、层依赖的可调带隙等特性，为下一代光子集成电路（Photoni...

学术背景 随着全球能源危机的加剧和环境保护意识的提升，建筑管理系统（Building Management Systems, BMS）的智能化与高效化成为了学术界和工业界关注的焦点。传统的BMS依赖于基于规则的控制方法，无法动态适应环境变化，如能源价格波动和气象条件的变化。近年来，机器学习（Machine Learning, ML）和人工智能（Artificial Intelligence, AI）技术的快速发展为BMS的智能化提供了新的可能性。然而，现有的BMS在实时数据处理和决策响应方面仍存在不足，尤其是在资源受限的环境中，如何实现低延迟、高吞吐量的ML模型部署成为了一个亟待解决的问题。 为此，Mohammed Mshragi和Ioan Petri等学者在2025年发表了一篇题为《快速机...

学术背景 随着全球能源结构向可再生能源转型，分散式能源存储（decentralized energy storage）的重要性日益凸显。与传统的集中式能源存储系统不同，分散式能源存储将能源生产和存储过程本地化，减少了大规模系统故障的风险，并提高了能源供应的连续性和灵活性。然而，分散式能源存储项目的复杂性和资源有限性使得企业难以确定战略优先级，这可能导致投资失败或效率低下。 为了解决这一问题，作者们提出了一种基于人工智能（AI）驱动的决策模型，旨在为分散式能源存储投资提供有效的战略指导。该研究不仅关注如何优化投资决策，还通过引入信息增益（information gain）和大规模专家选择技术，提高了决策的一致性和效率。 论文来源 这篇论文由Gang Kou、Hasan Dinçer、Edanu...

学术背景 在现代供应链管理中，物流服务商的选择是一个复杂且关键的问题。企业需要评估和选择能够高效管理和执行物流任务的第三方企业或组织。然而，现实中的决策过程往往涉及大量的不确定性和模糊性，传统的决策方法难以有效处理这些复杂信息。为了解决这一问题，模糊集理论（Fuzzy Set Theory, FST）及其扩展形式，如直觉模糊集（Intuitionistic Fuzzy Sets, IFS）和犹豫模糊集（Hesitant Fuzzy Sets, HFS），被广泛应用于多属性决策（Multi-Attribute Decision Making, MADM）问题中。 近年来，直觉犹豫模糊集（Intuitionistic Hesitant Fuzzy Sets, IHFS）作为一种新的模糊信息表示工...

露天矿山爆破作业在矿物提取中至关重要，但同时也伴随着显著的环境和结构风险。爆破过程中产生的峰值粒子速度（Peak Particle Velocity, PPV）是评估爆破振动对周围结构和环境影响的关键指标。准确的PPV预测对于优化爆破实践、减少环境破坏和确保结构安全具有重要意义。传统的预测方法在处理非线性关系和高维数据时存在局限性，而机器学习（Machine Learning, ML）技术，特别是混合机器学习方法，展现出在PPV预测中的巨大潜力。本文旨在系统综述混合机器学习技术在露天矿山爆破PPV预测中的应用，探讨其优势、挑战及未来研究方向。 论文来源 本文由Gundaveni Shylaja和Ragam Prashanth共同撰写，两位作者均来自VIT-AP University的计算机科...

随着全球环境问题的日益严峻，企业在供应链管理中越来越重视绿色和可持续的发展。绿色供应链管理（Green Supply Chain Management, GSCM）已成为企业提升竞争力和实现可持续发展的重要手段。然而，绿色供应商的选择（Green Supplier Selection, GSS）是一个复杂的多准则群体决策问题（Multicriteria Group Decision-Making, MCGDM），涉及多个决策者的不同意见和不确定性。传统的MCGDM方法在处理专家意见的信任度和模糊性方面存在不足，难以准确反映现实中的复杂情况。 为了解决这一问题，Prasenjit Mandal等学者提出了一种基于毕达哥拉斯语言信息（Pythagorean Linguistic Informat...

学术背景 近年来，纳米技术和物联网（IoT）的快速发展催生了一个革命性的领域——纳米物联网（IoNT）。纳米物联网将纳米级设备与互联网连接，使其能够在农业、军事、多媒体和医疗等领域中发挥重要作用。然而，尽管纳米物联网和机器学习（ML）都取得了显著进展，但关于两者如何结合的全面研究却相对缺乏。现有的研究主要集中在纳米物联网的架构、通信方法和特定领域的应用上，而忽略了机器学习在数据处理、异常检测和安全方面的潜力。因此，本文旨在填补这一空白，通过深入分析纳米物联网与机器学习的结合，探讨机器学习在纳米物联网中的最新应用，并系统地讨论这一结合所面临的挑战。 论文来源 本文由Aryan Rana、Deepika Gautam、Pankaj Kumar、Kranti Kumar、Athanasios V....