HTS由于其低损耗和高效率，在电力和交通领域具有巨大潜力。 交流损耗是影响HTS工作效率的重要因素。传统的FEM是模拟超导体交流损耗的常用方法，其精度高，但计算时间长，成本高，不适合进行实施预测。 通过在有限元仿真生成的数据集上训练人工神经网络，使用代理模型实时准确预测扭矩和电流，可以显着减少计算工作量。

本论文题为《Encapsulation of ²¹¹At(Ø)⁺ into a Nanoscale Covalent Organic Framework Prevents Deastatination In Vivo》，发表于Journal of the American Chemical Society (JACS)，DOI: 10.1021/jacs.5c14889。作者团队由Linwei He、Xijian Chen、Zhuowei Zhang等17位研究者组成，通讯作者包括陈龙、苏静、李飞泽以及王殳凹。