Imperial College London（帝国理工学院）

Spatiotemporal System Forecasting with Irregular Time Steps via Masked Autoencoder

基于不规则时间步的时空系统预测的掩码自编码器

Kewei Zhu, Yanze Xin, Jinwei Hu, Xiaoyuan Cheng, Yiming Yang, Sibo Cheng

机构 * University College London（伦敦大学学院） ； Imperial College London（帝国理工学院） ； University of Liverpool（利物浦大学） ； ENPC, EDF R&D, Institut Polytechnique de Paris（巴黎高科国立路桥学校，法国电力集团研发部，巴黎综合理工学院） 纠错

AI总结 本文提出了一种结合卷积自编码器和优化不规则时间序列的掩码自编码器，用于预测高维动态系统，提升了预测精度和计算效率。

Journal ref Physica D: Nonlinear Phenomena, 2026, 135189

Distribution and Clusters Approximations as Abstract Domains in Probabilistic Abstract Interpretation to Neural Network Analysis

分布与聚类近似作为概率抽象解释中的抽象域在神经网络分析中的应用

Zhuofan Zhang, Herbert Wiklicky

机构 * Department of Computing Imperial College London London, UK 纠错

AI总结 本文提出分布近似和聚类近似两种新方法，用于概率抽象解释框架中神经网络分析的抽象域，通过示例展示其理论应用和转换方法。

Probabilistic Abstract Interpretation on Neural Networks via Grids Approximation

通过网格近似进行神经网络的概率抽象解释

Zhuofan Zhang, Herbert Wiklicky

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出利用概率抽象解释理论分析神经网络输入密度分布，通过不同抽象域和伪逆运算探讨其在现实问题中的应用。

Enhancing Efficiency and Performance in Deepfake Audio Detection through Neuron-level Dropin & Neuroplasticity Mechanisms

通过神经层面的Dropin与神经可塑性机制提升深度伪造音频检测的效率与性能

Yupei Li, Shuaijie Shao, Manuel Milling, Björn Schuller

机构 * Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出Dropin和神经可塑性算法，通过动态调整神经元数量提升模型参数灵活性，实验表明在ASVSpoof2019数据集上，Dropin方法在计算效率和错误率上取得显著提升。

Comments Accepted at IJCNN 2026

An MPC framework for efficient navigation of mobile robots in cluttered environments

一种用于在障碍环境中高效导航移动机器人的MPC框架

Johannes Köhler, Daniel Zhang, Raffaele Soloperto, Andrea Carron, Melanie Zeilinger

机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） ； ETH Zurich（苏黎世联邦理工学院） ； Automatic Control Laboratory, ETH Zurich（苏黎世联邦理工学院自动控制实验室） 纠错

AI总结 本文提出一种整合有限段最短路径规划器的MPC框架，用于在障碍环境中实现移动机器人高效导航，确保动态目标选择和碰撞避免。

Comments - Code available at: https://github.com/IntelligentControlSystems/ClutteredEnvironment - Supplementary video: https://youtu.be/Hn_hpAmGgq0

Contrastive Learning Boosts Deterministic and Generative Models for Weather Data

对比学习提升确定性和生成性模型用于天气数据

Nathan Bailey

机构 * Imperial College London（帝国理工学院伦敦分校） ； The Grantham Institute for Climate Change（格兰塔姆气候变化研究所） 纠错

AI总结 本文研究对比学习在天气数据压缩中的应用，提出SPARTA模型，通过对比损失和图神经网络融合提升稀疏数据的嵌入质量，提升下游任务性能。

Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成

Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona

机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ）） 纠错

AI总结 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。

Comments 27 pages, 14 figures, 8 tables