该研究提出物理信息生成框架AdaIN-WGAN，用于工程水泥基复合材料（ECC）的性能驱动与多目标优化，将性能目标作为“风格”调制配合比空间，并采用预训练Transformer作为物理约束。相比传统模型，生成器损失降低32%-67%，96个试件实验验证了模型有效性。
推荐理由：为固井材料设计提供数据驱动的逆向设计方法，提升性能预测与优化效率，对AI4S在水泥基材料领域的应用有参考价值。
研究针对气煤共采区天然气井筒穿越厚风积沙、基岩和采动煤层，整合理论分析、三维数值模拟与实测沉降数据，揭示沙-岩界面的差异运动导致主动-被动土压力不对称，在关键界面产生高达71.6 kN的附加横向剪力和正负弯矩反转，威胁井筒完整性。
推荐理由：直接关系煤矿采动影响下固井井筒的剪切破坏机制，为井筒完整性设计和风险评估提供理论依据。
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
GEWUM将随机结构搜索与通用机器学习原子间势相结合，自动化完成结构生成、筛选和稳定性验证，并支持HPC集群。
推荐理由：为AI4S范式下的材料筛选与验证提供自动化平台，可加速固井相关新材料的发现。
该研究开发了一种可解释的机器学习方法，用于从单细胞RNA测序数据中从头映射细胞类型特异性的RNA剪接调控机制。
推荐理由：相关性较弱。
该研究提出通过蛋白质语言模型识别并优先考量关键残基，以增强蛋白质结构预测的准确性。
推荐理由：相关性较弱。
梳理LAOS流变学的物理驱动、数学驱动和数据驱动三类研究范式，重点阐述数据驱动方法在复杂流体非线性响应建模中的潜力。
推荐理由：为水泥浆等复杂流体的流变性能表征提供新思路，助力数据驱动本构模型发展。
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
