代码大模型 / AI 编程

AMSnet-q: Unsupervised Circuit Identification and Performance Labeling for AMS Circuits

AMSnet-q：无监督的电路识别与性能标注用于AMS电路

Ze Zhang, Junzhuo Zhou, Yichen Shi, Zhuofu Tao, Rui Ji, Zhiping Yu, Quan Chen, Ting-Jung Lin, Lei He

机构 * Southern University of Science and Technology（南方科技大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Eastern Institute of Technology Ningbo（宁波东部技术研究院） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 AMSnet-q通过无监督方法自动构建AMS电路数据库，实现电路功能验证和性能标注，无需人工干预。

A Hybrid Windkessel-Neural Approach for Improved Noninvasive Blood Pressure Monitoring

一种结合风阻和神经网络的方法用于改进无创血压监测

Vaibhav Gollapalli, Aniruth Ananthanarayanan

机构 * University of North Texas（北卡罗来纳州立大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG

AI总结 本文提出结合风阻模型与机器学习的方法，通过将风阻模型转化为可应用于神经网络的ODE系统，提升血压预测的物理一致性和鲁棒性。

A tutorial for mesoscale computer simulations of lipid membranes: tether pulling, tubulation and fluctuation

脂双层膜 mesoscale 计算模拟教程： tether 拉伸、管状化和波动

Maitane Muñoz-Basagoiti, Felix Frey, Billie Meadowcroft, Miguel Amaral, Adam Prada, Anđela Šarić

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文介绍mesoscale粗粒化膜模拟（CGMS）的教程，涵盖膜模拟建模方法、CGMS开发指导及tether拉伸、管状化和波动的实操教程，提供可运行的教程仓库。

Journal ref Soft Matter, 2025, 21, 7736-7756