Eclipse Automation demonstrates cyber-physical systems to Manufacturing Leadership Council Members
定制工厂自动化专家 Eclipse Automation 上周将制造业的未来带入现实，在其位于安大略省剑桥的工厂接待了 50 多名制造领导委员会 (MLC) 成员，为期一天的沉浸式体验，探索数字和物理技术（有时称为“网络物理系统”）如何融合以重新定义工厂运营。 [...]
NIST Has Significant Presence at IEEE Industrial Cyber-Physical Systems (ICPS) Conference
2024 年 5 月，NIST 研究人员受邀在密苏里州圣路易斯举行的第 7 届 IEEE 工业网络物理系统国际会议 (ICPS) 上发表多场演讲。ICPS 每年举行一次，汇集了行业专家
在最近出版的《人工智能和通信研究手册》中，NIST 研究员 Edward Griffor 博士与学术合作者一起描述了 NIST 网络物理系统 (IoT) 框架对于人工智能 (AI) 的重要性
SDCPS: Symbiotic Design for Cyber-Physical Systems
项目负责人：Matthew Wilding 博士 赞助组织：DARPA网站：https://www.darpa.mil/program/symbiotic-design-for-cyber-physical-systems 项目概要：SDCPS 的目标是开发基于 AI 的方法，以实现与军事相关的 CPS 的正确构造设计。 SDCPS 寻求缩短时间
基于RVC的“网络物理系统”技术委员会与卡巴斯基实验室一起，正在提交一系列初步国家标准供公众讨论，这些标准规范了俄罗斯物联网系统的基本组件和定义。
Learning Deformable Body Interactions With Adaptive Spatial Tokenization
本文已被 NeurIPS 2025 的 AI for Science Workshop 接受。模拟可变形体之间的相互作用在材料科学、机械设计和机器人等领域至关重要。虽然使用图神经网络 (GNN) 的基于学习的方法可以有效解决复杂的物理系统，但在对可变形身体交互进行建模时会遇到可扩展性问题。为了对对象之间的交互进行建模，必须动态创建成对的全局边缘，这对于大规模网格而言是计算密集型且不切实际的。为了克服这些挑战，借鉴......
Inductive Domain Transfer In Misspecified Simulation-Based Inference
基于模拟的推理 (SBI) 是一种统计推理方法，用于在可能性难以处理但可以进行模拟时估计物理系统的潜在参数。在实践中，SBI 经常受到模型错误指定的阻碍——由于固有的建模简化而导致模拟和现实世界观察结果之间的不匹配。 RoPE 是一种最新的 SBI 方法，它通过两阶段域传输过程解决了这一挑战，该过程将半监督校准与基于最佳传输 (OT) 的分布对齐相结合。然而，RoPE 以完全传导的方式运行……
The Ultimate Hard Drive? Terahertz Light Unlocks a New Class of Non-Volatile Memory
科学家们发现了一种使用圆形太赫兹光切换超稳定铁轴材料的方法，为下一代非易失性数据存储技术铺平了道路。现代生活依赖于数字技术，每条信息都使用由 0 和 1 组成的简单二进制代码来存储。这意味着任何物理系统都能够 [...]
PAL Robotics showcases ‘the future of human-robot interaction’ at IROS 2025
随着人工智能越来越多地体现在物理系统中，机器人技术的前沿正在转向机器人之间、与环境之间、尤其是与人类之间的交互。在 IEEE/RSJ 国际智能机器人和系统会议 (IROS 2025) 上，PAL Robotics 将加入有关具体人工智能和人机交互的全球讨论，探索社交 [...]
Predicting the topological properties of quantum spin liquids using Rydberg atom lattices
拓扑量子系统是物理系统，其特性取决于其潜在晶格的整体连通性，而不是局部相互作用及其显微镜结构。随着时间的推移预测这些系统的演变及其远程量子相关性通常是具有挑战性的，因为它们的行为不是通过磁化或与局部相互作用相关的其他参数来定义的。
AI Models Keep Getting Physics Wrong but This Method Fixes It
理解和预测复杂的物理系统仍然是科学研究和工程的重大挑战。机器学习模型虽然强大，但通常无法遵循物理的基本规则，从而导致不准确或非物理结果。为了解决这个问题，通过将这些规则嵌入机器学习模型中，物理知识的机器学习已成为解决方案。但是，创建[…]
Common feature between forest fires and neural networks reveals universal framework
与Aisin Corporation合作的东京大学的研究人员表明，通用缩放定律（描述了系统的属性随尺寸和规模的变化）如何适用于表现出吸收相位过渡行为的深神经网络，这一现象通常在物理系统中观察到。该发现不仅提供了描述深神经网络的框架，还有助于预测其可训练性或可推广性。这些发现发表在《物理评论研究》杂志上。
Simulation-based pipeline tailors training data for dexterous robots
由麻省理工学院研究人员开发的物理系统，通过将培训数据定制到特定机器来帮助机器人处理房屋和工厂中的项目。
负责采购和保障的国防部副部长办公室负责平台和武器组合管理的副助理国防部长办公室网络战主任 Garstka 先生于美国东部时间上午 9:00 在 NDIA 网络物理系统安全峰会上发表讲话（请在 ndia-mich.org 注册）。参议院军事委员会听证会
在副副部长国防部和武器投资组合管理办公室内的网络战董事，国防部长办公室的收购和维持办公室Garstka先生在美国东部时间上午9:00在NDIA网络物理系统安全峰会上发表讲话（ndia-mich.org register）。参议院武装服务委员会在副副部长国防部和武器投资组合管理办公室内的网络战董事，国防部长办公室的收购和维持办公室Garstka先生在美国东部时间上午9:00在NDIA网络物理系统安全峰会上发表讲话（ndia-mich.org register）。参议院武装服务委员会
有史以来观察到的最高质量亚核粒子。最高的夸克是通过CDF实验在1994年首次通过CDF和D0确认的，后来由CDF和D0确认，是我们所知道的最重的基本粒子，这是一个出色的物理系统，在过去的三十年中，在Tevatron和LHC碰撞者中已经对此进行了研究。顶级QuarkRead更多
From Physics to Probability: Hamiltonian Mechanics for Generative Modeling and MCMC
汉密尔顿力学是一种描述物理系统（如行星或钟摆）的方式，随着时间的推移，专注于能量而不是力量。通过通过能量镜头重新构架复杂的动力学，这个19世纪的物理框架现在可以为尖端生成的AI提供动力。它使用广义坐标（q）（例如位置）及其共轭动量（P）（与动量有关），形成捕获系统状态的相空间。这种方法对于具有多个部分的复杂系统特别有用，可以更轻松地找到模式和保护定律。从物理学到概率的帖子：用于生成建模的汉密尔顿力学和MCMC的机制首先出现在数据科学方面。
