这篇 Nature Communications 论文提出 LLM-UTP，把城市级交通预测从单一模式、单一场景和固定时间粒度的任务模型，推进到可跨城市、跨交通方式、跨场景复用的大模型式预测框架。 系统由趋势数据增强、时空特征编码和 LLM 模块组成，目标是同时捕捉不同交通模式中的通用趋势和特定波动，形成面向城...
这篇 Nature 论文提出 TEGNet，用可组合神经仿真器替代高成本有限元求解来加速热电发电器设计。问题不只是材料性质预测，而是器件级结构与材料组合的快速设计搜索。 TEGNet 报告能以超过 99% 的准确率预测热电发电器性能，同时只消耗商业有限元求解器约 0.01% 的计算时间，并支持不同材料系统的模块...
这篇 Nature 论文把钙钛矿太阳能电池研发从人工试错推进到机器学习材料发现与自动制造平台闭环结合的路线。核心不是单点预测，而是把候选分子发现、器件制备和工艺反馈统一到自主优化系统中。 系统用 active learning 和 quantum modelling 快速筛选高性能钝化分子，并用 Bayesia...
电网级储能系统的老化问题具有多年尺度、强耦合电热反馈和显著资产异质性，但现实世界中很少有可开放获取、长期连续、物理一致的数据可以支持算法开发。这使很多 degradation-aware optimization、digital twin 和 machine learning 工作缺乏稳定 benchmark...
这篇论文抓的是城市水系统里一个长期存在但经常被碎片化处理的问题：漏损、流量重构、异常响应和稀疏感知环境下的实时调度，通常分别落在 hydraulic simulation、rule-based control 和 isolated analytics 工具里，难以形成真正统一的实时管理闭环。作者把问题提升为 w...
这篇论文针对 building operations 里长期存在的一个瓶颈：楼宇节能、热舒适、HVAC 控制、分布式能源和需求响应虽然都能用数字孪生与优化工具建模，但实际 workflow 仍高度依赖人工工程师逐步拼接模型、脚本和分析流程，难以规模化部署。作者明确把问题从单点预测或单次控制器设计，提升为一个可持...
城市交通信号控制一直是强化学习的重要应用方向，但真实工程侧常用的高保真仿真器 Vissim 因接口复杂、训练环境不统一，长期没有形成可复用的 RL 工作流。这导致学术侧大量结果停留在 SUMO 或 CityFlow，而很难往更接近实际部署的环境迁移。 VissimRL 的核心贡献是把 Vissim 的 COM...
这篇论文处理的是城市交通基础设施在长期气候风险下如何做顺序式适应决策。传统做法通常把气候适应视为静态情景分析或一次性优化，但真正的投资、维护与防灾策略是跨几十年的连续决策问题，而且要同时面对降雨强化、洪涝传播、服务中断和社会成本的不确定性。 作者提出一个通用决策支持框架，把综合评估模型与强化学习耦合起来。系统先...
这篇论文聚焦新能源渗透下电网稳定性的核心难题。随着 inverter-based resources 增多，传统电网依赖的大惯量特性减弱，系统在扰动下更容易出现频率和潮流不稳定。相关研究常把规划和实时控制拆开处理，前者做 regulator placement，后者做故障后的局部稳定，而这篇论文试图把两者统一起...