跳到主要内容
检索

Van Lang University

2 篇关联报道

订阅更新
  1. PLoS ONE

    电池电压预测不再逐循环重算:SeqBattNet用离散状态加老化适配,NASA两节电池RMSE降至0.0257与0.0253

    SeqBattNet把电池端电压预测改成按时间步推进的离散状态模型,编码器从每个放电循环开头一小段电流电压中估计欧姆内阻、RC时间常数、健康状态等老化适配参数,解码器再用等效电路模型逐步算出电压。此前同类物理信息模型要么依赖大量难以辨识的物理参数,要么用连续微分方程推进、误差随时间累积且难以在截止电压处及时停止。在TRI、RT-Batt和NASA三个公开数据集上,训练只用单节电池、测试用未见过的电池,NASA的RW4与RW5上RMSE分别为0.0257和0.0253,低于PDB-Net的0.0382和0.0406。

  2. Biomedical Microdevices

    微孔平台用于单细胞应用及未来与人工智能的整合

    这篇综述梳理了微孔平台如何通过细胞加载策略、孔几何结构、平台架构与材料选择决定单细胞可获取的信息,并系统回顾其在细胞行为与细胞间相互作用、分泌组分析、基因组与转录组分析以及药物筛选与精准医学中的应用,同时区分了已在微孔研究中直接验证的人工智能方法与仍处于前瞻阶段的方法,指出微孔工程与人工智能驱动分析结合可将单细胞研究从测量推向预测与自主发现。

已读完全部报道