导读

本期编辑荐读精选了发表在 Symmetry 期刊上涉及工程和材料研究方向的五篇文章，研究主题包括不同生物吸附剂对Cu (II) 离子的吸附效果、谐振DC/AC转换器的创新设计方法、基于深度学习的跨层功率分配方法、电动汽车集群可调度性的微电网优化调度策略，以及探究高熵合金 (HEAs) 生物相容性的成分-性能关系，希望能为相关领域学者提供新的思路和参考，欢迎阅读。

进入期刊英文主页：https://www.mdpi.com/journal/symmetry

文章1

Evaluation of Thermodynamic Parameters for Cu(II) Ions Biosorption on Algae Biomass and Derived Biochars

藻类生物量和衍生生物炭吸附 Cu(II) 离子的热力学参数评估

Alina Alexandra Ciobanu et al.

https://www.mdpi.com/2410258

文章亮点

(1) 本文使用Langmuir和Freundlich等温线模型分析了三种不同生物吸附剂 (海洋绿藻生物量 (AB)、BC-320和BC-550) 对Cu(II)离子的吸附效果。

(2) 实验结果表明，BC-550对Cu(II)离子具有更好的生物吸附性能，并使用伪一级、伪二级动力学和颗粒内扩散模型对吸附数据进行建模分析。

(3) 此外，本文为每种情况分别进行了热力学计算，所得参数表明，无论生物吸附剂的性质如何，生物吸附过程都是自发进行的。

文章2

An Innovative Design Approach for Resonant DC/AC Converters, Based on Symmetry in Their Operating Modes

谐振DC/AC转换器的创新设计方法，基于其操作模式的对称性

Nikolay Hinov

https://www.mdpi.com/2506850

文章亮点

(1) 本文提出了一种创新的方法，用于谐振DC/AC转换器的工程设计，该方法基于方波电压源供电的串联谐振RLC电路中的电磁过程的广义考虑。

(2) 基于谐振电路中电流和电压之间的移相角，提出了一种统一的方法来描述用于高频电源的谐振DC/AC转换器的谐振输出电路的行为。

(3) 通过将电流源逆变器呈现为在“硬”换向模式下运行的谐振逆变器，展示了一种设计电流源逆变器的创新方法。

文章3

Deep Learning-Based Cross-Layer Power Allocation for Downlink Cell-Free Massive Multiple-Input–Multiple-Output Video Communication Systems

基于深度学习的下行无蜂窝大规模多输入多输出视频通信系统的跨层功率分配

Wen-Yen Lin, Tin-Hao Chang and Shu-Ming Tseng

https://www.mdpi.com/2532760

文章亮点

(1) 本文提出了一种基于深度学习的跨层功率分配方法，用于非对称无蜂窝大规模MIMO视频通信系统。重点解决CFMM系统下行链路 (DL) 中的功率分配问题。

(2) 本研究开发了一个分散的深度神经网络 (DNN) 模型来捕捉复杂的系统模式，从而实现准确、高效的功率分配决策。

(3) 本研究旨在提高无蜂窝大规模MIMO (CFMM) 系统的性能和适用性。这将有助于在实际部署场景中改善网络覆盖范围、增加容量和整体网络性能。

文章4

Research on Optimal Scheduling Strategy of Microgrid Considering Electric Vehicle Access

考虑电动汽车接入的微电网优化调度策略研究

Zhimin Wu et al.

https://www.mdpi.com/2538954

文章亮点

(1) 为了减小分布式电源出力波动对微电网系统运行稳定性和对称性的影响，本文提出了一种考虑电动汽车集群可调度性的微电网优化调度策略。

(2) 本研究基于Minkowski和构建电动汽车群荷—储能可调度容量域，可以有效提高大规模电动汽车集群预调度的灵活性和准确性。

(3) 基于WNN对风电机组出力进行预测，可以有效降低其出力不确定性和波动性对电力系统安全稳定运行的影响。

文章5

Chemical Composition Optimization of Biocompatible Non-Equiatomic High-Entropy Alloys Using Machine Learning and First-Principles Calculations

利用机器学习和第一性原理计算优化生物相容性非等原子高熵合金的化学成分

Gengzhu Zhou et al.

https://www.mdpi.com/2552140

文章亮点

(1) 利用机器学习结合第一性原理计算，建立了高熵合金 (HEAs) 生物相容性的成分-力学性能关系。

(2) 在选定的具有高晶体对称性的Ti-Zr-Hf-Nb-Ta高熵合金中研究了合金化元素对力学性能的影响。

(3) 经过数据收集、机器学习和第一性原理计算，建立了准确的预测模型。获得了具有良好生物相容性和力学性能组合的高熵合金的最佳比例。

Symmetry 期刊介绍

主编：Sergei D. Odintsov, Institute of Space Sciences (ICE-CSIC), Spain

期刊主题涵盖了所有科学研究中有关对称/非对称现象的理论和应用研究，主要包括数学、计算机、工程与材料、物理学、生命科学、化学等领域的最新进展。期刊已被Scopus、SCIE (Web of Science)、CAPlus/SciFinder等多家知名数据库收录。

2023 Impact Factor：2.2

2023 CiteScore：5.4

Time to First Decision：16.8 Days

Acceptance to Publication：4.6 Days