• 面向图的大型语言模型指令调优，用于通用图挖掘

  摘要：具有丰富属性的图在模拟相互关联的实体以及提升各种实际应用中的预测能力方面至关重要。传统的图神经网络（GNN）通常需要针对不同的图任务和数据集进行重新训练。尽管大型语言模型（LLM）的出现为自然语言处理带来了新的范式，但它们在通用图挖掘方面的潜力——即训练一个模型同时处理多种任务和数据集——仍未得到充分探索。为此，我们提出的新型框架Muesgraph，将GNN和LLM的优势无缝整合到一个基础模型中，用于跨任务和数据集的图挖掘。该框架首先采用紧凑的图描述方式，在语言标记的限制下封装关键图信息。接着，我们提出了一种基于思维链（CoT）的指令生成机制，从GPT-4等高级LLM中提取推理能力。最后

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-12-04

• 自动驾驶汽车人工智能安全保障研究综述：融合研究、标准化与监管的跨学科视角

  随着自动驾驶技术的快速发展，人工智能已成为实现高级别自动驾驶的核心驱动力。然而，AI系统的黑盒特性、数据依赖性和复杂架构给安全关键系统带来了前所未有的挑战。传统基于白盒模型的安全分析方法难以直接适用于AI系统，而自动驾驶系统作为典型的高风险应用场景，其安全性保障更是面临着理论方法缺失、标准滞后和监管不完善三重困境。为解决这一跨领域难题，由Lars Ullrich领衔的研究团队在《IEEE Transactions on Intelligent Vehicles》上发表了题为"AI Safety Assurance for Automated Vehicles: A Survey on Rese

  来源：IEEE Transactions on Intelligent Vehicles

  时间：2025-12-04

• 内模原理50周年：从线性系统到非线性与自适应控制的演进与展望

  马克·吐温在《密西西比河上的生活》中描述了一位舵手从依赖即时视觉反馈到将河流形态内化于心的转变过程——这一隐喻精准揭示了内模原理（Internal Model Principle）的核心思想：可靠的调节不仅需要反馈，更需要对被跟踪或抑制信号的内在表征。2025年正值Francis和Wonham发表开创性论文《线性多变量调节器的内模原理》50周年，《IEEE Control Systems》推出两卷特刊，首卷围绕“内模原理如何从线性时不变系统向更广领域拓展”这一主题，通过三篇专题论文系统梳理了该理论的发展脉络与前沿进展。经典控制理论早在1930年代就证明误差反馈可降低系统对参数变化的敏感度并减小

  来源：IEEE Control Systems

  时间：2025-12-04

• 深度神经网络集成与专家混合模型在天线建模中的性能对比研究

  在天线设计领域，机器学习技术正逐渐成为替代传统电磁仿真计算的重要工具。然而，面对复杂多变的天线参数空间，研究人员常常陷入两难选择：是采用简单的单一深度学习模型快速完成设计，还是投入更多计算资源构建复杂模型以追求更高精度？这一困境在实践应用中尤为突出，因为不同天线类型的设计参数范围差异显著，而目前尚缺乏系统性的指导原则来帮助工程师根据具体设计需求选择最合适的机器学习方法。针对这一挑战，贝尔格莱德大学与哈利法科学技术大学的联合研究团队在《IEEE AntENNas and Propagation Magazine》上发表了创新性研究成果。该研究首次将专家混合模型引入天线建模领域，并与传统的单一深度

  来源：IEEE Antennas and Propagation Magazine

  时间：2025-12-04

• 基于自适应CSI滤波的多任务深度学习在毫米波大规模MIMO系统中实现联合波束成形与定位

  在5G及未来通信技术的发展浪潮中，毫米波(mmWave)频段与大规模多输入多输出(massive MIMO)技术的结合被视为提升数据速率的关键路径。然而，这种结合也带来了新的挑战——天线数量的增加和带宽的扩大使得信道状态信息(CSI)的维度急剧增长，给基于深度学习的通信应用带来了沉重的计算负担。传统的解决方案或依赖双频段设备获取低频CSI，或通过子载波选择直接降维，但前者需要额外硬件支持，后者则可能丢失关键信道信息。正是在这样的背景下，韩国世宗大学的研究团队在《IEEE Access》上发表了一项创新研究，提出了一种名为"基于自适应CSI滤波的多任务深度学习"的新方法，旨在同时解决波束成形和用

  来源：IEEE Access

  时间：2025-12-04

• 基于可解释深度学习的心电图心律失常预测框架：ECG-CNNTX模型在PVC检测中的创新应用

  心血管疾病是全球首要死因，其中心律失常是导致心源性猝死的重要诱因。传统心电图分析依赖专业医师肉眼判读，不仅耗时耗力，还存在观察者间差异。尽管机器学习技术已应用于心律失常自动检测，但现有模型往往存在泛化能力不足、可解释性差等瓶颈，特别是对心室早搏（PVC）这类特定心律失常的识别精度仍有提升空间。为解决这一临床痛点，印度韦洛尔理工大学的Deepika Tenepalli与T. M. Navamani在《IEEE Access》发表研究，提出了一种创新性的可解释深度学习框架。该研究突破传统一维信号处理思路，将ECG信号转化为二维波形图像，并构建了结合EfficientNetB0卷积神经网络与Tran

  来源：IEEE Access

  时间：2025-12-04

• 基于多通道1DCNN-Attention-BiLSTM框架的步态DUI检测研究

  酒精摄入后短短几分钟内就能穿过血脑屏障，提高血液酒精含量（BAC），损害神经运动、认知和心理运动功能。据美国疾病控制与预防中心（CDC）报告，美国每年有17.8万人死于过度饮酒，其中酒驾（DUI）造成的交通事故占比高达32%。2022年有13,524起交通死亡事故与酒精有关，平均每42分钟就有一人丧生，造成的经济损失高达1,233亿美元。传统BAC检测方法如呼吸分析仪、经皮酒精监测仪（TAM）和血液检测虽然准确，但需要购买和携带额外硬件，成本高、侵入性强，不适合路边大规模DUI执法。这凸显了对被动、非侵入性解决方案的迫切需求，能够在不引人注意的情况下检测酒精引起的损伤，减少DUI事件并提高道路

  来源：IEEE Access

  时间：2025-12-04

• 探索前路腰椎椎间融合手术中的趋势和关键主题：一种医学文本分析方法

  该研究通过整合学术文献、社交媒体评论和专利数据库，系统性地解析了ALIF（前路腰椎间隙融合术）的技术发展、学术趋势及公众认知。研究覆盖2000至2024年的全球数据，揭示了ALIF领域在学术产出、技术专利和公众参与三个维度的协同演进。一、学术研究发展图谱1. 文献产出特征：2000-2024年间，Web of Science收录的ALIF相关论文从17篇激增至2021年的峰值48篇，2020年后年度发文量稳定在30篇以上。研究显示，神经外科医师占据核心研究力量，前5位高产出作者中4位为神经外科专家，这印证了ALIF作为脊柱手术前沿技术对神经外科专业性的依赖。2. 期刊影响力分布：Spine（1

  来源：Spine Research

  时间：2025-12-04

• 基于李雅普诺夫约束的混合建模框架及其在非等温CSTR系统中的应用研究

  引言在化学工程与过程控制领域，精确建模对系统优化与安全运行至关重要。传统第一性原理模型（FPM）虽具物理可解释性，但难以捕捉实际系统中的未建模动态或时变参数（如设备结垢、催化剂失活）。混合建模通过融合物理方程与数据驱动修正，平衡了机理基础与适应性，然而其学习组件的无约束优化可能导致参数漂移或物理意义缺失。本文提出一种李雅普诺夫约束的混合建模框架，将稳定性理论嵌入学习过程，确保数据驱动修正始终沿物理合理的流形演化。理论基础：控制仿射系统与李导数分析研究针对控制仿射非线性系统，其动力学形式为ẋ = f(x) + Σj=1m gj(x)uj,  y = h(x)其中x为状态向量，u为控制输入，y为输

  来源：Industrial & Engineering Chemistry Research

  时间：2025-12-04

• 利用混合的DOE（设计实验）-ANN（人工神经网络）建模方法对固体氧化物燃料电池堆栈的性能进行建模与预测

  该研究针对商用固体氧化物电池（SOC）短堆在燃料电池与电解双模式下的性能预测难题，创新性地整合了实验设计与人工智能算法，构建了兼具高精度与物理可解释性的混合建模框架。研究团队通过系统性实验设计，在113组工况条件下对关键参数进行全覆盖测试，发现SOC系统在燃料电池模式下平均电压受电解质导电率、电子扩散阻抗及反应层气体滞留时间等多因素耦合影响，而在电解模式下则呈现显著的非线性温度-电流特性。这种双模式运行机理的差异性，导致传统单一建模方法难以兼顾不同工况下的预测精度。实验设计采用多因子交叉组合策略，重点考察了氢气/合成气燃料流速（0.5-2.5 SL/min）、操作温度（650-750℃）、电堆

  来源：International Journal of Hydrogen Energy

  时间：2025-12-04

• 对不同土地覆盖类型下的SAR高度计信号进行的全球分析

  该研究系统探讨了Sentinel-3 SAR altimetry波形对陆地覆盖类型的响应机制，并通过构建优化型1D-CNN模型实现了对六类地物的有效分类。研究突破传统水应用定位，首次将SAR回波信号特征与深度学习结合，为卫星遥感在陆域环境监测提供了新范式。全文包含数据构建、方法创新、性能对比、误差分析等核心模块，以下为逐层解读：1. **技术背景与问题提出**研究聚焦SAR altimetry在非水环境应用中的潜力，指出现有技术存在三大瓶颈：①传统水应用模型对复杂陆相信号适应性差；②大范围 footprint（1.6×300米）导致地表异质性干扰；③现有分类方法依赖多源数据融合，难以仅凭波形实

  来源：International Journal of Applied Earth Observation and Geoinformation

  时间：2025-12-04

• 人工神经网络建模与高压高温下2-(2-乙氧基乙氧基)乙醇+2-丙醇二元混合物实验动态粘度的VFT相关性研究

  该研究系统测定了2-(2-乙氧基乙氧基)乙醇与2-丙醇二元混合物在293.15 K至353.15 K、0.1 MPa至70 MPa条件下的动态粘度数据，并开发了基于VFT模型与人工神经网络的混合预测方法。实验采用Ubbelohde毛细管粘度计（常压）和下落球体粘度计（高压）两种设备，通过对比不同压力和温度下的测量值，建立了高精度粘度预测模型。研究还探讨了混合比例、温度和压力对粘度行为的影响规律，并验证了所提模型的工程适用性。### 实验设计与方法研究团队针对二元混合物的粘度特性展开系统性实验，具体方法包括：1. **样品制备**：采用2-(2-乙氧基乙氧基)乙醇（CAS 111-90-0）和2

  来源：Fuel

  时间：2025-12-04

• 基于双分支协作架构的神经网络内环滤波器

  本文针对 Versatile Video Coding（VVC）标准中 intra 编码环节的压缩-重构质量平衡难题，提出了一种基于双分支协作架构的神经网络内环滤波器（Dual-Branch NNLF）。该研究通过创新性地分离全局压缩特征与局部重构细节的优化路径，结合多尺度特征融合机制，有效解决了传统内环滤波器在处理全局压缩参数（QP）与局部块级优化之间的矛盾问题。在问题分析层面，研究团队深入揭示了视频编码中的核心冲突：全局压缩策略（通过 QP 参数调控）与局部块级优化（预测帧/Pred、分块帧/Part）之间存在天然的维度不匹配。具体表现为，当 QP 参数施加高压缩率（如 QP=42 的区域

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-04

• 基于微细节的深度神经网络掌纹照片识别技术

  掌纹识别技术近年取得显著进展，尤其在非接触式生物识别领域展现出独特优势。智能手机的普及为掌纹采集提供了便捷途径，但实际应用中常面临图像质量下降问题。最新研究表明，传统空间域处理方法在应对掌纹褶皱和模糊干扰时存在局限性，需要引入新型技术框架。传统掌纹识别面临三大核心挑战：首先，掌纹图像在非接触式采集时易受拍摄角度、距离、抖动等因素影响，导致模糊和褶皱干扰。其次，现有微特征提取算法多针对指纹设计，难以有效处理掌纹特有的宽幅特征和复杂纹理。第三，不同设备参数差异和拍摄条件波动，导致特征提取的稳定性不足。针对上述问题，研究者提出了一套基于深度学习的综合解决方案。该体系包含三个关键模块：频域增强网络（F

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-12-04

• 心理数据的神经网络分析：逐步指南

  本文为心理学研究者提供了一项系统化的前馈神经网络（FNN）实施指南，通过ACTIVE研究数据集的实践案例，详细解析了从模型构建到训练优化的全流程。研究以预测老年人认知测试得分（hvltt4）为目标，采用包含年龄、教育年限和性别三个预测变量的基础三层FNN模型，展示了神经网络在处理连续型心理数据中的完整方法。### 核心内容解析#### 一、数据准备与预处理研究采用ACTIVE实验的心理学数据集（样本量N=1573），通过标准化处理消除量纲差异。输入层包含年龄、教育年限和性别三个变量，输出层预测目标变量hvltt4得分。数据预处理中特别强调了标准化（Z-score）的重要性，以平衡不同特征间的变

  来源：Multivariate Behavioral Research

  时间：2025-12-04

• 对人工智能和一般技术持有积极态度的独特预测因素：五大人格特质、性别和年龄

  本研究旨在探究年龄、性别和人格特质如何共同影响个体对人工智能（AI）与一般技术接受态度的差异。研究基于西方文化背景下的514名美国和英国成年样本，通过分层回归分析发现，人格特质对AI和一般技术接受态度的预测作用存在显著分化，这为理解技术采纳的心理机制提供了新视角。核心研究发现表明，人格特质与具体技术类型的接受态度存在独特的关联模式。首先，开放性特质对AI接受度具有显著正向预测作用（β=0.10，p=0.022），但未对传统技术接受度产生明显影响。这与AI作为新兴技术具有更强的创新属性有关，高开放性个体更易接受技术革新。其次，神经质特质未达到显著预测水平，这可能与样本中普遍存在的AI接触频率较高

  来源：Behaviour & Information Technology

  时间：2025-12-04

• 揭示基于柔性Nb₂O₅的非易失性忆阻器的多功能性：该忆阻器能够模拟神经突触行为，为类脑计算提供支持

  该研究团队针对柔性神经形态计算器件的需求，创新性地开发了基于铌酸钡（Nb₂O₅）的金属-氧化物-金属（MIM）异质结结构忆阻器。通过直流磁控溅射工艺在镍基底上构建了Nb/Nb₂O₅/Nb异质结构，该器件在模拟生物突触可塑性方面展现出独特优势。实验发现该器件在低压区表现出渐变电阻开关特性（GRS），而在高压区则实现选择器功能，这种双模态特性为神经形态计算提供了物理基础。器件在循环稳定性方面表现优异，经过1500次循环后仍保持稳定性能，长期存储时间超过10³秒，这对实现持续学习系统至关重要。材料体系选择方面，铌酸钡因其独特的氧空位传导机制备受关注。研究团队通过调整溅射参数（功率120W，工作压力7

  来源：Sensors and Actuators A: Physical

  时间：2025-12-04

• 深度学习辅助预测电场对CdS/ZnSe核壳球形量子点（嵌入PVA基质中）中杂质光电离截面的影响

  该研究聚焦于半导体量子点系统的光电特性建模与预测，特别是针对CdS/ZnSe核壳量子点（CSSQDs）在电场作用下光电离截面（PICS）的预测问题。研究团队创新性地将经典理论计算与深度学习技术相结合，通过构建包含4200个理论数据点的训练集，系统评估了人工神经网络（ANN）、循环神经网络（RNN）和卷积神经网络（CNN）三种模型的预测性能。实验表明，RNN模型在三个不同电场强度（0、10、20 kV/cm）下的均方误差（MSE）均低于0.0002，决定系数（R²）高达0.9999，展现出远超传统方法的数据建模能力。在理论基础方面，研究基于有效质量近似（EMA）构建了量子点系统的薛定谔方程求解框

  来源：Sensors and Actuators A: Physical

  时间：2025-12-04

• 额外步行训练对提高高水平训练的篮球运动员的心肺功能和肌肉反应的影响

  该研究聚焦于将中等强度步行融入高强度篮球训练体系，探讨其对高水平运动员心肺功能、肌肉力量及恢复能力的综合影响。研究团队通过为期12周的对照实验，选取35名男性职业/大学生篮球运动员作为样本，采用随机分组设计，实验组在常规训练基础上增加45分钟/天的中等强度步行，对照组维持原有高强度训练方案。研究运用代谢分析仪、心率变异性监测设备及等动肌力计等标准化设备，从多维度评估干预效果。在训练方法设计上，研究突破了传统运动训练的单一模式。通过每周5天、持续12周的系统干预，实验组在保持篮球专项高强度训练（如对抗训练、战术演练等）的同时，每日进行45分钟的中等强度步行（心率达60-70%最大心率）。这种复合

  来源：Science & Sports

  时间：2025-12-04

• 可逆泵-涡轮转子的S形不稳定性和功率性能的改善

  研究针对可逆泵水轮机（RPT）在涡轮模式下进入S特征区引发的电网连接问题展开系统性分析。S特征区表现为流量-转速曲线的陡峭转折区，该区域易导致流动分离、涡流阻塞及压力波动，进而引发设备振动、效率下降和运行不稳定等问题。研究创新性地构建了融合多学科方法的全流程优化框架，通过参数化设计、数值模拟和智能算法实现性能提升。在流动特性分析方面，研究揭示了S特征区形成的核心机理：当流量低于最佳效率点时，导叶出口水流方向与叶轮入口叶片攻角不匹配，引发边界层分离和涡流形成。这种流动不稳定性随着流量进一步降低而加剧，最终导致叶轮通道完全阻塞并进入泵模式。数值模拟显示，优化后的叶轮配置可有效削弱涡流强度达30%，

  来源：Renewable Energy

  时间：2025-12-04

知名企业招聘：