Imperial College London（帝国理工学院）

Automated Extraction of Techno-Economic Data from 76,000 Energy System Studies

从76000项能源系统研究中自动提取技术经济数据

Maxime Gorres, Jan Göpfert, Patrick Kuckertz, Noor Titan Putri Hartono, Heidi Heinrichs, Jochen Linßen, Iain Staffel, Jann Michael Weinand

机构 * Forschungszentrum Jülich GmbH（于利希研究中心有限公司） ； University of Siegen（锡根大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 该研究旨在从大量能源系统研究中自动提取技术经济数据，通过特定方法汇编海量数据点与元数据条目形成FAIR数据库，能展示学术假设与实证数据差异及研究重点变化，还通过交互式仪表板方便用户使用。

Latent Riemannian Flow Matching for Geometry-Grounded 3D Foundation Models

用于几何基础3D基础模型的潜在黎曼流匹配

Lisa Weijler, Irene Ballester, Guofeng Mei, Tolga Birdal, Pedro Hermosilla

机构 * TU Wien（维也纳工业大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 研究如何弥合几何基础模型与3D场景生成模型的范式差异，通过在VGGT潜在空间进行黎曼流匹配，利用其3D先验，不依赖明确下游表示，在多个数据集上取得良好性能，确立该方法为3D生成的可行范式。

Multi-layer MIMO Relay as Deep Physical Neural Networks: Power Amplifiers as Activation Functions

多层MIMO中继作为深度物理神经网络：以功率放大器作为激活函数

Meng Hua, Itsik Bergel, Deniz Gündüz

机构 * Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系） ； Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院） 纠错

AI总结 本文提出用多跳MIMO中继网络构建深度无线物理神经网络，以功率放大器非线性为激活函数，实现可端到端训练的空中全连接网络，针对不同CSI场景开发两种收发器设计，仿真显示该架构能准确进行图像分类，凸显利用硬件非线性增强推理能力的优势。

Global Automation Atlas

全球自动化图谱

Prashant Garg, Tommaso Crosta, Jasmin Baier

机构 * Imperial College London（伦敦帝国学院） ； Bocconi University（博科尼大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出了一种基于任务和国家特定的方法，用于全球范围内分类自动化暴露，以区分劳动力替代和增强自动化，相关技术渠道以及人工智能的物质作用。研究涵盖了124个国家，生成了覆盖全球99%人口和GDP的233万个任务-国家标签。

Comments 78 pages, 6 figures, 5 Extended Data figures. Substantially revised and expanded. Data and code: https://automationatlas.org/

Robust Co-design Optimisation for Agile Fixed-Wing UAVs

面向敏捷固定翼无人机的鲁棒协同优化

Adrian Andrei Buda, Xavier Chen, Nicolò Botteghi, Urban Fasel

机构 * Department of Aeronautics, Imperial College London（帝国理工学院伦敦校区航空系） ； Department of Mathematics, Politecnico di Milano（米兰理工学院数学系） 纠错

AI总结 本文提出了一种面向敏捷固定翼无人机的鲁棒协同框架，通过整合参数不确定性与风扰动，优化物理设计与控制策略，提升在无结构环境中的鲁棒性和性能表现。

Journal ref 2026 International Conference on Unmanned Aircraft Systems (ICUAS), Corfu, Greece, 2026, pp. 9-17

Beyond-Diagonal RIS Under Non-Idealities: Learning-Based Architecture Discovery and Optimization

非理想条件下超越对角线的可重构智能表面：基于学习的架构发现与优化

Binggui Zhou, Bruno Clerckx

机构 * Department of Electrical and Electronic Engineering, Imperial College London（电气与电子工程系，帝国理工学院伦敦分校） 纠错

AI总结 研究非理想BD-RIS性能与电路复杂度权衡问题，提出基于学习的两层架构发现框架LTTADF，由架构生成器和性能优化器联合发现最优架构，有效探索大架构空间，避免陷入局部最优，为其部署提供有价值见解。

Comments 17 pages, 16 figures, 1 table. Accepted by IEEE Transactions on Wireless Communications