Imperial College London（帝国理工学院）

Interconnection and Damping Assignment Passivity-Based Control using Sparse Neural ODEs

互连与阻尼分配基于被动性的控制使用稀疏神经ODEs

Nicolò Botteghi, Owen Brook, Urban Fasel, Federico Califano

机构 * Department of Mathematics（数学系） ； Politecnico di Milano（米兰理工大学） ； Department of Aeronautics（航空系） ； Imperial College London（伦敦帝国理工学院） ； Department of Robotics and Mechatronics（机器人与机电系） ； University of Twente（代尔夫特理工大学） 纠错

AI总结 本文提出了一种基于稀疏神经ODEs的方法，用于设计适用于复杂任务的IDA-PBC控制器，实现了闭环系统的稳定性和周期性行为发现。

SAM-aware Test-time Adaptation for Universal Medical Image Segmentation

基于SAM的测试时适应的通用医学图像分割

Jianghao Wu, Yicheng Wu, Yutong Xie, Wenjia Bai, You Zhang, Feilong Tang, Yulong Li, Imran Razzak, Daniel F Schmidt, Yasmeen George

机构 * Department of Data Science & AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，莫纳什大学） ； Department of Computing and Department of Brain Sciences, Imperial College London（计算系和脑科学系，伦敦帝国学院） ； Mohamed bin Zayed University of Artificial Intelligence（莫卧儿·本·扎耶德人工智能大学） ； Department of Radiation Oncology, UT Southwestern Medical Center（放射肿瘤科，德克萨斯西南医学中心） 纠错

AI总结 SAM-TTA通过自适应贝塞尔曲线变换和IoU引导的多尺度适应，提升医学图像分割的通用性和精度。

Comments 10 pages, 5 figures

LearnAD: Learning Interpretable Rules for Brain Networks in Alzheimer's Disease Classification

LearnAD: 通过学习可解释规则来识别阿尔茨海默病分类中的脑网络

Thomas Andrews, Mark Law, Sara Ahmadi-Abhari, Alessandra Russo

机构 * Department of Computing（计算系） ； Imperial College London（伦敦帝国学院） ； School of Public Health（公共卫生学院） 纠错

AI总结 LearnAD通过学习可解释的规则，实现了在阿尔茨海默病分类中识别脑网络的高可解释性方法。

Comments NeurIPS 2025, Data on the Brain & Mind Workshop

Autonomous battery research: Principles of heuristic operando experimentation

自主电池研究：启发式在位实验原理

Emily Lu, Gabriel Perez, Peter Baker, Daniel Irving, Santosh Kumar, Veronica Celorrio, Sylvia Britto, Thomas F. Headen, Miguel Gomez-Gonzalez, Connor Wright, Calum Green, Robert Scott Young, Oleg Kirichek, Ali Mortazavi, Sarah Day, Isabel Antony, Zoe Wright, Thomas Wood, Tim Snow, Jeyan Thiyagalingam, Paul Quinn, Martin Owen Jones, William David, James Le Houx

机构 * ISIS Neutron & Muon Source, Rutherford Appleton Laboratory（ISIS中子与穆子源、拉瑟福德-苹果顿实验室） ； The Faraday Institution（法拉第机构） ； Diamond Light Source, Rutherford Appleton Laboratory（Diamond光源、拉瑟福德-苹果顿实验室） ； University of Cambridge, The Old Schools, Trinity Ln（剑桥大学、旧校舍、三一街） ； Imperial College London, Department of Mechanical Engineering（伦敦帝国理工学院、机械工程系） 纠错

AI总结 本文提出启发式在位实验框架，利用AI和数字孪生技术主动捕捉电池退化中的罕见事件，提升实验效率和数据可靠性。

Comments 38 pages, 14 figures. Includes a detailed technical review of the POLARIS, BAM, DRIX, M-Series, and B18 electrochemical cells in the Supplementary Information