国家预印本平台

AI模型普遍存在分布外（OOD）泛化产生幻觉的问题，难以用于严格科学计算。现有物理信息神经网络（PINNs）、傅里叶神经算子（FNOs）等主流方案均为在工程层面的软正则约束提供物理先验，未能突破AI底层的拓扑结构缺陷。 在机器学习的流形假设（Manifold Hypothesis）中：所有的AI模型，本质上就是一种根据输入数据拟合特定高维流形的可训练算子。而这类高维函数逼近与全局收敛性问题的数学基础，早在1943年，由Courant奠定的古典伽辽金有限元变分理论中得到系统性建立与严格证明。 以此为基础，本文融合了有限元与线性代数理论，证明了AI参数数量的存在唯一性：为彻底消除非平凡零空间与 OOD 幻觉，AI 参数数量必须严格等于AI训练集下 Galerkin 投影的非线性基底数，即 $N_{AI}=\dim(V_h)=N_{basis}$(其中 $V_h$ 是 Galerkin 投影的有限维子空间，$N_{\text{basis}}$是该空间内的非线性基底数)。 数值实验结果表明，全新架构仅需$O(1)$的可训练参数与简单的ADAM梯度下降方法，即可实现 FP64 双精度浮点极限精度的零幻觉 OOD 泛化：$MSELoss=O(10^{-32})$，彻底解决了OOD泛化问题。

本文针对微弱光脉冲接收中前端电路对高带宽、低噪声和稳定输出的要求，设计了一种基于雪崩光电二极管（APD）的接收前端放大电路。该电路包括APD的高压偏置电路、跨阻放大电路和后级电压放大电路。本文先分析了前端带宽和输出能力的设计要求，再讨论输入总电容、反馈网络和级联增益分配对带宽、噪声和稳定性的影响。在此基础上，本文完成了器件选择、电路参数设计、仿真和实现。实验结果表明，该前端电路的-3dB带宽约为620MHz。该电路在百兆赫兹量级调制输入下能够稳定输出。该电路的电噪声均方根值为16.602mV。结果说明，该前端电路能够在较高频率响应条件下保持较低本底噪声和稳定输出，可以为微弱光脉冲接收前端提供参考。

水系锌离子电池凭借高安全性与低成本优势，在储能领域引起了广泛关注。然而，其进一步的发展受限于正极材料，难以同时达到高比容量和长循环寿命。论文采用一步水热法成功制备Bi³⁺掺杂的α-MnO₂纳米线正极材料，并与锌负极组装成全电池。结果表明，掺入铋元素可显著提高α-MnO₂正极的电化学性能，改善离子扩散动力学。在1 A g^-1电流密度下全电池循环2500圈后，比容量仍保持在200 mAh g^-1左右，平均库伦效率达99.6%，表现出出色的长期循环稳定性；在3 A g^-1的大电流密度下循环1000圈后，比容量维持在150 mAh g^-1。该掺杂策略为高性能水系锌离子电池正极材料的设计提供了新思路。

糖苷水解酶(GHs，Glycoside hydrolases)是水解糖苷键的酶，在生物体中糖和糖苷化合物的降解和合成中发挥着关键作用。根据碳水化合物活性酶数据库(CAZy，Carbohydrate active enzyme)分类，GHs分为189个家族(糖苷水解酶家族)，编号从GH1到GH189，每个家族的成员具有高度的结构相似性，GH17家族酶在植物中具有多种功能。【目的】为了探究GH17基因家族在棉花中的存在形式和功能，本研究利用生物信息学从陆地棉全基因组中鉴定出132个GH17基因，并对其蛋白质理化特性、基因结构、系统发育树、顺势作用元件、表达模式和Ka/Ks比值进行分析。【方法】通过不同软件鉴定GH17基因家族成员，并对其进行生物信息学分析。【结果】结果表明，132个陆地棉GH17基因家族成员分为6个亚族(Ⅰ~Ⅵ)，较多分布在A/D05、A/D06、A/D07、A/D08、A/D09、A/D10条等染色体上。棉花GH17基因家族的编码区长度为312~2628 bp；氨基酸长度为103~875 aa；蛋白分子量为11 656.53~95 438.15 kD；蛋白等电点为4.23~9.89。陆地棉GH17基因家族的亚细胞定位预测结果显示，该家族主要定位在叶绿体、细胞膜、液泡内，部分定位在内质网、细胞核、细胞质和细胞外中。此外，GH17基因家族成员在不同组织，不同时期表现出不同的表达模式，其在根、茎和雄蕊器官中表达量较高；部分GhGH17基因能够响应冷处理、热处理、干旱胁迫、盐胁迫等多种非生物胁迫。【结论】本研究为陆地棉GH17基因家族的生物学功能和棉花抗逆基因的研究提供了一定的参考。

逆渲染是从图像中推断几何、光照和材质的过程。传统方法严重依赖多视角图像、特殊光照条件或精确的三维监督信息,限制了其在现实场景中的适用性。针对单张图像逆渲染面临的不适定性与标注数据匮乏问题,本文提出一种基于重光照自监督约束的逆渲染方法。该方法以自监督训练为核心,通过正向渲染模拟图像生成物理过程,训练网络学习逆向解耦逻辑,并引入重光照本征属性一致性约束,确保分解结果的物理合理性与视觉保真度。具体地,基于 Phong 光照模型构建可微分渲染链路,设计多分支网络实现几何、材质、光照参数的联合解耦；进一步构建重光照一致性框架,利用随机光照条件重新渲染解耦出的场景属性,约束两次分解的法线、反照率保持一致。在Co3D 真实数据集与COSy 合成数据集上的实验表明,本方法在法线和反照率解耦任务上均优于现有对比方法,且对未知类别及复杂光照场景具有强鲁棒性。