• 基于反铁电晶体管耦合极化切换与电荷俘获动力学的可重构神经形态功能研究

  在人工智能浪潮中，模仿人脑运作的神经形态计算被视为突破传统计算瓶颈的关键。然而，现有硬件难以同时实现生物神经元（需短暂记忆）与突触（需长期记忆）的功能，这一矛盾源于材料物理机制的天然对立。传统铁电材料虽能模拟突触，但其非挥发性与神经元快速重置需求相悖。反铁电材料虽具自发退极化特性，但相稳定性不足且功能单一。如何通过单一器件平台整合两类功能，成为领域内亟待解决的难题。新加坡国立大学Kah-Wee Ang团队在《Nature Communications》发表研究，通过创新设计Hf0.17Zr0.83O2反铁电晶体管，结合金属-反铁电-金属-绝缘体-半导体（MFMIS）栅堆栈结构，首次实现短/长期

  来源：Nature Communications

  时间：2025-05-12

• 基于混合分数阶微分方程与人工神经网络的尼日利亚结核病传播动力学预测模型研究

  结核病(Tuberculosis, TB)作为全球十大死因之一，在低收入国家持续肆虐。尼日利亚作为非洲TB负担最重的国家，其年发病率高达13万例，每日死亡人数达436人。尽管政府与国际组织投入大量资源，但传统整数阶模型难以捕捉疾病传播中的记忆效应和复杂非线性关系。现有研究多局限于常规微分方程或单一机器学习方法，缺乏融合数学建模与人工智能的跨学科解决方案。为突破这一瓶颈，研究人员开展了结核病传播动力学的混合建模研究。通过整合分数阶微分方程(Fractional Order Differential Equation, FODE)的记忆特性和人工神经网络(Artificial Neural Net

  来源：Franklin Open

  时间：2025-05-12

• 基于强化学习的事件触发输出反馈控制：攻克不确定非线性离散时间系统难题

  在当今科技飞速发展的时代，各种复杂系统广泛应用于工业生产、航空航天、智能交通等众多领域。其中，非线性系统因其高度复杂性和多样性，一直是控制领域的研究热点和难点。在实际场景中，非线性系统的控制面临着诸多棘手问题。一方面，精确获取系统的数学模型极为困难，现实中的干扰和不确定性使得传统依赖精确模型的控制方法难以施展拳脚。另一方面，系统状态常常无法直接测量，这给控制决策带来了极大阻碍。此外，控制方向未知的情况也时有发生，进一步增加了控制的难度。为了解决这些问题，推动非线性系统控制技术的发展，相关研究人员展开了深入探索。虽然此前已有不少关于非线性系统控制的研究成果，但仍存在诸多不足。比如，早期研究大多聚

  来源：Expert Systems with Applications

  时间：2025-05-12

• 多模态学习分析：基于改进变色龙群算法优化的多尺度扩张深度时间卷积网络预测学生行为

  在当今数字化教育快速发展的时代，在线课程、智能教学平台如雨后春笋般涌现，它们在为学生提供丰富学习资源的同时，也产生了海量的学习数据。然而，这些数据犹如一座未经雕琢的矿山，蕴含着巨大价值，却难以被有效挖掘。就拿学生在学习任务中的努力程度来说，它与学生的学业成绩密切相关，可直接反映学生参与学习任务的有效性。但令人头疼的是，学生在学习过程中的这些努力并不能被直接观察到，这就像蒙着一层神秘的面纱，让教育者难以精准把握学生的学习状态。与此同时，传统的教育研究方法在分析这些复杂的学习数据时显得力不从心。虽然一些方法尝试通过学生的答题情况等有限信息来推测他们的学习状态，但这种方式局限性很大，无法全面、深入地

  来源：Expert Systems with Applications

  时间：2025-05-12

• 三重聚合上下文感知地形分割网络：面向复杂野外环境的可通行区域识别

  在自动驾驶和野外机器人导航领域，准确识别可通行区域是保障安全的核心挑战。当前地形分割方法面临三重困境：传统卷积神经网络（CNN）难以捕捉全局上下文，多尺度特征融合存在语义鸿沟，而视觉Transformer（ViT）又因计算成本过高难以落地。更棘手的是，复杂野外环境中地形特征高度异构——同一场景可能同时包含水域、岩层和植被，现有方法往往因特征表达不足导致误判。为解决这些问题，深圳大学的研究团队在《Expert Systems with Applications》发表研究，提出上下文感知地形分割网络（Contextual-Aware Terrain Segmentation Network, CT

  来源：Expert Systems with Applications

  时间：2025-05-12

• Mask2Edge：创新突破，革新边缘检测技术，解锁计算机视觉无限潜能

  在计算机视觉的广阔领域中，边缘检测就像是一把神奇的钥匙，能够开启众多重要任务的大门。想象一下，在图像识别、目标追踪等场景里，准确地找到物体的边缘，就如同给模糊的世界勾勒出清晰的轮廓，让计算机能更精准地理解和处理图像信息。然而，随着深度学习技术的飞速发展，看似强大的深度学习边缘检测器却隐藏着不少问题。它们就像一群贪心的探索者，试图编码图像中所有位置的信息，却忽略了过度编码带来的负担，导致模型收敛缓慢、性能不佳，这就是所谓的 “过热” 问题。而且，除了个别方法，大多数模型都没有充分利用边缘的固有属性，仿佛在寻找宝藏的路上偏离了正确方向。为了解决这些棘手的问题，来自未知研究机构的研究人员踏上了探索之

  来源：Expert Systems with Applications

  时间：2025-05-12

• 基于双优化沙猫群算法与Conv-Bi-ALSTM深度学习的云安全威胁检测框架

  随着云计算成为数字化基础设施的核心，其面临的网络攻击正呈现规模化、复杂化趋势。传统基于签名或统计的入侵检测系统(IDS)在应对零日攻击、高维数据处理时表现乏力，而深度学习(DL)模型又常受限于计算资源消耗和类不平衡问题。这种矛盾在需要实时响应的云环境中尤为突出——据文中引述，现有方法存在"高存储需求、长执行时间、高错误率"三大痛点。为此，国内研究人员在《Expert Systems with Applications》发表论文，创新性地将生物启发优化算法与深度神经网络结合，开发出Bi-Optimized SandCat-Conv-Bi-ALSTM(Bi-SC-CBALSTM)框架。研究团队采用

  来源：Expert Systems with Applications

  时间：2025-05-12

• 基于机器学习的免校准波长调制光谱气体传感器：实现快速精准浓度检测

  在气体检测的领域中，传统的测量方法就像是老旧的工具，逐渐显露出诸多弊端。可调谐激光吸收光谱（TLAS）中的波长调制光谱（WMS）技术，虽在检测微弱吸收信号方面有优势，但常规的 WMS 传感器校准过程复杂又昂贵，需要使用不同浓度、压力和温度的标准混合气体样本进行校准。而且，当气体参数未知或难以确定时，比如在动态气流、恶劣环境以及燃烧过程中，校准后的传感器精度会大打折扣。另外，在确定气体参数时，基于迭代最小二乘拟合的方法计算成本高，测定时间长，严重限制了传感器在需要快速测量气体浓度动态变化场景中的应用。面对这些难题，来自国外的研究人员开启了探索之旅。他们致力于研究将机器学习（ML）回归算法应用于基

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 复杂地层中盾构刀具磨损的数据驱动预测：模型比较与可解释性研究

  在城市化进程加速的背景下，盾构隧道施工因其高效安全的特点成为地下空间开发的主流技术。然而复杂多变的地层条件让盾构机"牙齿"——盘形滚刀的磨损问题日益凸显。传统维护依赖人工检测和经验公式，犹如"盲人摸象"：CSM（科罗拉多矿业学院）和NTNU（挪威科技大学）等经典模型在均质地层表现尚可，但面对深圳等地的"千层饼"地质却捉襟见肘。更棘手的是，频繁停机换刀可能消耗项目三分之一的预算，而盲目操作还会引发刀盘卡死、掌子面坍塌等连锁风险。中国研究人员以深圳某超大直径（15.8米）盾构项目为试验场，构建了包含TBM操作参数、刀具力学特性和地质条件等12维特征的数据集。通过系统比较统计学习、集成学习和深度学习

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 渐进式增强去雾技术PED-YOLO：极端天气下自动驾驶目标检测的突破

  雾霾天气如同给自动驾驶汽车戴上了"毛玻璃眼镜"——大气中悬浮的水滴和气溶胶粒子导致光线散射，图像对比度下降、色彩失真、物体细节丢失，使得现有目标检测算法在极端天气下的准确率骤降10%。更棘手的是，传统方法要么像"先擦镜片再看路"的两阶段模型那样效率低下，要么像"蒙眼调参数"的联合学习模型难以平衡去雾与检测的权重。与此同时，基于大气散射模型(Narasimhan and Nayar, 2002)生成的合成雾数据与真实雾场景存在显著差异，犹如用卡通画训练人脸识别系统，严重制约了模型的泛化能力。针对这些挑战，中国研究团队开发了PED-YOLO（渐进式增强去雾YOLO）框架。该研究采用四大关键技术：1

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 综述：非糖尿病患者低血糖诊断的视角拓展

  案例描述一名51岁男性慢性酒精中毒患者因疑似低血糖接受72小时空腹试验。尽管既往心脏和神经科评估未明确病因，其晕厥发作与偶发低血糖（血糖<50 mg/dL）相关但非恒定。住院期间多次晕厥伴癫痫样发作，但发作时血糖正常。深入检查排除胰岛素瘤（CT显示轻度胰腺萎缩）、肾上腺功能不全（皮质醇12.9 μg/dL）等内分泌病因后，神经科发现轻度帕金森体征（右侧肢体强直）及快速眼动睡眠行为障碍（RBD），DaTSCAN显示右侧尾状核摄取减少，最终指向多系统萎缩（MSA-P）。管理要点非糖尿病性低血糖诊断需满足Whipple三联征：症状+血糖<55 mg/dL+补糖缓解。病因分为两类：表观健康

  来源：Endocrinología, Diabetes y Nutrición

  时间：2025-05-12

• 揭秘 VHL 病：特定基因型的肿瘤风险剖析与精准防治新依据

  在人体这个复杂的 “小宇宙” 里，有一种神秘的力量 —— 基因，它掌控着许多生命密码，也与各种疾病的发生发展紧密相连。遗传性肿瘤易感综合征就是其中一类受基因影响的病症，给肿瘤的早期发现和及时治疗带来了巨大挑战。冯・希佩尔 - 林道病（von Hippel–Lindau disease，VHL 病）便是其中之一，它是由 VHL 肿瘤抑制基因的生殖系失活引起的常染色体显性遗传性肿瘤疾病。患有 VHL 病的人，就像被 “疾病种子” 盯上了一样，容易患上多种相关疾病，比如视网膜血管瘤（retinal hemangioblastoma/angioma，RA）、中枢神经系统血管瘤（central nerv

  来源：Endocrine-Related Cancer

  时间：2025-05-12

• 综述：RET 受体及其配体的生物学：聚焦神经系统

  RET 受体及其配体的生物学：聚焦神经系统引言RET 受体酪氨酸激酶最初被发现是一种因 DNA 重排而激活的癌基因，之后却成为了 GDNF 家族配体（GFLs）的主要信号受体。这一身份转变让人们意识到 RET 在正常生理过程以及多种疾病（尤其是癌症和神经发育障碍）中都有着关键作用。RET 配体及其共受体GFLs 是转化生长因子 β（TGF-β）超家族的远亲成员，包含 GDNF、神经营养因子（NRTN）、多效蛋白（ARTN）和 persephin（PSPN）这 4 个成员。它们都有保守的 7 个半胱氨酸残基，能形成半胱氨酸结结构。GFLs 合成时是前体蛋白，经过蛋白水解切割后，成熟的同二聚体蛋白

  来源：Endocrine-Related Cancer

  时间：2025-05-12

• 综述：含CXC基序的趋化因子及其受体在神经内分泌肿瘤中的作用

  CXC趋化因子家族——结构与功能CXC趋化因子是一类根据N端半胱氨酸（C）残基排列命名的小分子蛋白，分为含ELR基序（Glu-Leu-Arg）和不含ELR基序两大亚家族。含ELR基序的CXCLs（如CXCL1/8）通过CXCR1/2受体招募中性粒细胞，而不含ELR基序的CXCLs（如CXCL12）则通过CXCR3-7调控T细胞等免疫细胞迁移。表观遗传修饰（如CXCL8启动子区CpG岛甲基化）和转录后调控（如p38 MAPK稳定mRNA）共同决定其表达水平。CXC趋化因子在NEN生长与进展中的作用神经内分泌肿瘤（NENs）存在CXCL1/8/10/12等因子的过表达。垂体NETs中90%病例分泌

  来源：Endocrine-Related Cancer

  时间：2025-05-12

• 综述：AC-MVSNet：一种集成新型多尺度特征提取和边缘增强的高效多视图 3D 重建网络

  引言多视图立体（MVS）重建长期以来都是计算机视觉研究的热点。它能够借助一组多视图图像和相应相机位姿，恢复真实场景中的 3D 点云。如今，3D 场景重建在自动驾驶、航空测量、嵌入式 AI 等众多领域广泛应用。尽管传统 MVS 重建方法在理想环境下表现出色，但在面对非朗伯表面、光度变化和弱纹理等情况时，往往效果不佳。随着卷积神经网络（CNNs）在目标检测、语义分割、立体匹配等领域取得显著成果，学者们开始将其引入 MVS 重建。其中，Yao 等人提出的 MVSNet 方法堪称经典，它把重建问题转化为深度估计问题，实现深度图的端到端输出，进而生成 3D 点云。基于 MVSNet 及其后续改进方法，大

  来源：Digital Signal Processing

  时间：2025-05-12

• 综述：人工智能在肾肿瘤中的应用：病理数据在增强分类、分级及预后预测模型中的实用性

  Abstract肾细胞癌（RCC）作为占人类恶性肿瘤4%的常见疾病，其诊断金标准仍依赖于组织病理学，但面临分类复杂、分级可重复性差及预测标志物匮乏等挑战。随着人工智能（AI）技术的普及，机器学习（ML）和深度学习（DL）为这些难题提供了新思路。现有研究证实，AI能有效区分RCC亚型和分级，并通过融合数字病理、基因组学和临床数据构建多模态预测模型。然而，前瞻性验证缺失、罕见亚型代表性不足以及算法透明度问题，仍是阻碍临床落地的关键瓶颈。IntroductionRCC在2018年美国新发病例达81,800例，死亡病例16,700例，呈现男性略高的流行病学特征。尽管影像学是初筛主要手段，但病理诊断仍是

  来源：Diagnostic Histopathology

  时间：2025-05-12

• 基于人工神经网络的单效蒸馏海水淡化工艺参数优化：解锁高效可持续水资源解决方案

  在全球水资源日益紧张的当下，淡水供应不足成为了制约人类发展的重大难题。地球表面虽有丰富的水资源，但淡水仅占 3%，且大多存在于地下水和冰山之中，可轻易获取的淡水仅占 0.3%。随着全球人口增长和工业化进程加速，对清洁水的需求持续攀升。据联合国《2023 年世界水资源发展报告》预测，到 2050 年，清洁水需求将增加 30% - 50%。在这样的严峻形势下，海水淡化成为了获取清洁水的重要途径。海水淡化主要有热法和压力法两种。热法如多效蒸馏（MED）、多级闪蒸（MSF）等，通过蒸发盐水并冷凝蒸汽获取淡水；压力法则利用膜过滤，如反渗透（RO）等技术。单效蒸馏器（SED）作为一种真空蒸发器，在海水淡化

  来源：Desalination

  时间：2025-05-12

• 搭建跨越解释鸿沟的桥梁：以疼痛研究破解意识难题

  在探索意识奥秘的征程中，“解释鸿沟” 一直是横亘在科学家面前的巨大难题。长久以来，人们普遍认为，用神经机制来解释现象体验在原则上是不可能的。这一观点的背后，是现象知识与神经科学知识之间看似不可调和的矛盾。从古代哲学思考，到现代思想实验，诸多探讨都指向一个结论：主观体验的 “质”（qualia）似乎无法用客观的、基于功能关系的神经科学知识来捕捉。例如，著名的僵尸（Zombies）和光谱倒置（Spectrum Inverts）思想实验，让人们不禁疑惑：即便在功能和物理层面完全相同的个体，其主观体验是否也可能截然不同？这一难题严重挑战了心脑物理主义，若心理状态等同于神经状态，为何难以用神经科学知识解

  来源：Consciousness and Cognition

  时间：2025-05-12

• vdW 材料与 III-V 族半导体构建异质结实现宽带突触光响应，开辟光电器件新方向

  在如今科技飞速发展的时代，光探测技术在众多领域都扮演着极为重要的角色。从环境监测，及时发现大气、水质等方面的细微变化；到光学通信，保障信息高速稳定地传输；再到光电子突触，模拟人类神经的信号传递，推动人工智能的发展，光探测的身影无处不在。然而，传统的光探测器就像一个个 “偏科生”，它们大多是为特定的光谱范围而优化设计的。在实际应用场景中，当需要同时检测从紫外线到红外线等宽光谱范围的光信号时，传统光探测器就显得力不从心了，这大大限制了它们的使用范围和效果，成为了光探测领域进一步发展的 “绊脚石”。为了攻克这一难题，来自国内的研究人员勇挑重担，开展了一项极具创新性的研究。他们巧妙地将范德华（vdW）

  来源：Applied Surface Science

  时间：2025-05-12

• 基于内核自适应滤波器的信道预测：为水下自适应通信系统 “保驾护航”

  在广阔的海洋世界中，水下声学（UWA）通信就像一座连接人类与神秘海底的桥梁，对海洋探索起着至关重要的作用。然而，这座 “桥梁” 却面临着诸多挑战。UWA 通信的信号传播速度缓慢，就像是在海底 “爬行”；带宽也十分有限，如同狭窄的通道，限制了数据传输的量；多径效应更是让信号如同迷路的孩子，在传播过程中四处散射，严重影响通信质量；还有多普勒频移，使得信号的频率不断变化，进一步干扰了通信的稳定性。这些问题极大地阻碍了 UWA 通信系统和网络性能的提升。为了攻克这些难题，推动水下通信技术的发展，研究人员开展了一项关键研究。他们聚焦于时间变化的 UWA 信道预测，旨在为自适应正交频分多址（OFDMA）系

  来源：Applied Ocean Research

  时间：2025-05-12

知名企业招聘：