• 基于1.58位FeFET的三元神经网络：通过权重-输入变换实现稳健存内计算

  随着深度学习神经网络（DNN）在各类应用中的广泛部署，其庞大的参数规模和计算需求对边缘设备的能效和面积提出了严峻挑战。传统冯·诺依曼架构中存储与计算单元分离的特性导致数据频繁迁移，成为性能瓶颈。存内计算（Compute-in-Memory, CiM）架构通过将存储与计算功能集成在同一单元，直接在内嵌存储器中执行乘累加（MAC）操作，有望大幅降低数据移动开销，提升能效。与此同时，神经网络权重量化技术，尤其是将权重压缩到三态（-1, 0, +1）的三元权重神经网络（Ternary Weight Neural Network, TWN），能在保持较高推理精度的前提下，显著减少模型存储 footpri

  来源：IEEE Journal on Exploratory Solid-State Computational Devices and Circuits

  时间：2025-11-14

• 基于非易失性忆阻器的紧凑型事件触发计数器：面向人工智能电路的低功耗集成新方案

  随着集成电路晶体管密度的持续攀升，芯片制造成本和能耗正面临指数级增长的压力。传统互补金属氧化物半导体(CMOS)技术在设计数字计数器时往往需要大量晶体管，这不仅占用宝贵硅片面积，还导致功耗显著增加。特别是在人工智能(AI)和边缘计算场景中，如何在有限面积内实现高效能、低功耗的计算单元成为亟待突破的技术瓶颈。更棘手的是，传统计数器在断电后无法保存状态信息，每次重启都需重新初始化，这严重制约了其在间歇性供电场景中的应用。正是在这样的背景下，来自德国锡根大学和印度喀拉拉数字大学的联合研究团队在《IEEE Journal on Exploratory Solid-State Computational

  来源：IEEE Journal on Exploratory Solid-State Computational Devices and Circuits

  时间：2025-11-14

• 基于VO2 Mott忆阻器的被动可扩展高阶神经形态电路：实现生物神经元多模态放电行为的新突破

  随着大数据和人工智能的快速发展，传统冯·诺依曼架构因存储与计算分离而产生的"内存墙"和"功耗墙"问题日益凸显。受生物大脑启发的神经形态计算架构成为解决这一挑战的有效途径。然而，基于CMOS技术的神经元电路虽能模拟部分生物神经元行为，但其复杂结构需要大量器件，不仅增加了芯片设计难度，也限制了实际应用。与此形成对比的是，忆阻器凭借非线性特性、简单结构、快速切换速度和低功耗等优势，特别是利用NbOx和VOx等Mott绝缘体作为电阻切换层的Mott忆阻器，能够通过单一器件产生振荡脉冲，有效模拟生物大脑中神经元的行为，实现复杂信息的同步处理与存储。在这项发表于《IEEE Journal on Explo

  来源：IEEE Journal on Exploratory Solid-State Computational Devices and Circuits

  时间：2025-11-14

• 采用渐进式评估和子种群保留的神经架构搜索

  摘要：神经架构搜索（NAS）是一种自动化设计深度神经网络的有效方法。由于其全局优化能力，进化计算（EC）常被用于NAS中。然而，在基于EC的NAS中，对架构候选者的评估阶段计算量较大，这限制了其在许多实际问题中的应用。为了解决这一挑战，我们提出了一种新颖的渐进式评估策略，用于卷积神经网络架构搜索的评估阶段，该策略逐步增加网络个体的训练周期数。此外，还提出了一种子种群保留策略，以保留中等规模和大规模的架构，避免过早丢弃那些在早期阶段表现不佳但具有进一步优化潜力的网络。我们提出的算法通过基于分布保留有前景的网络，降低了评估阶段的计算成本，并促进了种群的多样性和公平性。我们在CIFAR10、CIFA

  来源：IEEE Transactions on Evolutionary Computation

  时间：2025-11-14

• ECAP控制的闭环脊髓刺激疗法用于慢性非手术难治性背痛：来自两项前瞻性多中心临床试验的亚组分析

  慢性非手术难治性背痛（NSRBP）是一种严重影响患者生活质量的疾病，其治疗需求长期未被充分满足。NSRBP通常指患者经历长期背痛，且经过多种保守治疗仍未能有效缓解症状。由于其复杂性和对传统治疗手段的抵抗性，NSRBP的治疗常面临挑战，尤其在需要考虑手术风险和长期药物依赖的情况下。近年来，随着脊髓电刺激（SCS）技术的不断发展，尤其是基于神经电生理反馈的闭环系统，为NSRBP患者提供了新的治疗选择。本研究聚焦于这种新型SCS技术在NSRBP患者中的应用效果，通过分析两个前瞻性多中心临床试验中68名患者的12个月随访数据，评估了其在疼痛缓解、整体健康改善以及安全性方面的表现。在传统SCS治疗中，刺

  来源：Spine

  时间：2025-11-14

• 一种基于概率导向方法的能源高效近似计算框架，用于加速深度神经网络（DNN）的运行

  摘要：近似计算（AxC）最近作为一种成功的方法出现，用于优化容错应用（如深度神经网络（DNN））中的能耗。DNN的巨大模型规模和高计算成本给其在能效高且资源受限的计算系统中的部署带来了重大挑战。基于AxC设计的新兴DNN硬件加速器选择性地近似计算中的非关键部分以应对这些挑战。然而，目前仍缺乏一种系统化且基于原则的方法，该方法能够结合领域知识和近似硬件来实现最佳近似效果。在本文中，我们提出了一个以概率为导向的AxC（PAxC）框架，通过考虑近似的整体概率效应，实现了高能耗节省和可接受的性能质量。为了实现更高效的近似设计，我们利用最小似然误差来确定应用层和电路层上的AxC协同配置。这使得在能耗和准

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-14

• 面向边缘推理的高效脉冲神经网络FPGA加速器框架Spiker+研究

  在人工智能技术飞速发展的今天，边缘设备对实时智能处理的需求日益增长。然而，传统的神经网络在资源受限的边缘环境中面临功耗高、延迟大等挑战。脉冲神经网络(SNN)因其事件驱动的特性和生物启发的计算模式，为边缘计算提供了新的解决方案。但SNN在硬件部署时存在效率低下和灵活性不足的问题，迫切需要专用的加速器框架。意大利都灵理工大学的研究团队在《IEEE Transactions on Emerging Topics in Computing》上发表了Spiker+框架，该研究针对SNN在FPGA上的高效部署提出了创新性解决方案。研究人员通过开发可配置的多层硬件架构，支持前馈全连接(FF-FC)和全连接

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-14

• 达尔顿（Dalton）——通过局部权重和替代导数传递实现SNNs中的深度局部学习

  摘要：直接训练脉冲神经网络（SNNs）是一项具有挑战性的任务，因为它们具有内在的时间性。此外，基于常规反向传播（Back-propagation）的方法也不适用，因为SNNs中的脉冲信号不可微分。基于替代导数的方法结合时间反向传播（BPTT）能够很好地解决这些直接训练问题；然而，这些方法并不适合用于SNNs的片上训练。最近提出的三因子规则（TFR）适用于SNNs的直接局部训练，且与神经形态硬件兼容；然而，它们未能有效利用SNN架构的深度（我们在本文中通过实验证明了这一点），因此存在局限性。在这项工作中，我们提出了一种改进的传统三因子规则版本，该版本能够有效利用SNN架构的深度，尤其是在分层学习

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-14

• 嵌入担保器：基于知识增强的图学习方法在新增项目冷启动推荐中的应用

  摘要：图神经网络（GNNs）在推荐系统中得到了广泛应用，因为它们能够通过整合来自邻居的高阶协作信息来生成有效的嵌入向量。然而，传统的基于GNN的推荐方法在新物品的冷启动场景中存在局限性。这是因为新物品通常没有或只有很少的邻居，从而导致冷启动场景不完整或完全无法进行推荐。在这种情况下，由于邻居信息有限，传统的GNN难以生成高质量的嵌入向量。为此，我们提出了一种知识增强图学习（KEGL）方法，该方法能够确保新物品的嵌入质量，并进一步在冷启动场景下实现有效的推荐。KEGL首先利用知识图谱中的语义信息将每个节点和关系参数化为向量表示。然后，KEGL引入了一个知识增强的嵌入生成器，为每个实体生成一个有保

  来源：IEEE Transactions on Emerging Topics in Computational Intelligence

  时间：2025-11-14

• 用于神经形态计算的可重构数字FPGA实现：近期进展与未来方向的综述

  摘要：神经形态计算代表了模仿人脑功能的硬件和软件范式。脉冲神经网络（SNNs）是一种受大脑启发的计算方法，通过使用离散的异步脉冲进行事件驱动处理来提高能效，使其在时空数据处理方面特别有效。SNNs的复杂计算特性需要大量的计算和专门的算法来确保在不同任务中的准确性能。用于神经形态计算的硬件加速器，尤其是针对SNN实现的加速器，主要通过现场可编程门阵列（FPGAs）和专用集成电路（ASICs）来实现。FPGAs由于其灵活性、稳定性、可编程性、可重构性以及快速上市时间而特别适合神经形态计算。本研究分析了来自IEEE Xplore数字图书馆和Google Scholar数据库中的顶级知名期刊文章，这些

  来源：IEEE Transactions on Emerging Topics in Computational Intelligence

  时间：2025-11-14

• 超越BNNs：利用RISC-V定制功能单元设计和加速亚比特神经网络

  摘要：二进制神经网络（BNN）以其极低的内存需求而闻名，这使它们成为资源受限环境中的理想选择。SBNN-nps 是一种较新的技术，通过进一步压缩 BNN 来提升其性能，实现了亚比特级别的表示以最大化效率。然而，有效地压缩和加速 BNN 存在挑战。在本文中，我们提出了一种使用固定长度压缩方案来压缩 BNN 的新方法，该方法可以在运行时高效解压缩。随后，我们提出了基于 RISC-V 架构的扩展方案，通过定制功能单元（CFU）来实现解压缩操作，该单元利用 FPGA 板载内存中的码本进行解压缩，并结合 XOR 操作和元素计数操作。与传统部署在 RISC-V 软核上的 BNN 相比，这种方法实现了高达

  来源：IEEE Embedded Systems Letters

  时间：2025-11-14

• 具有可调光电导响应的光电忆阻器，支持混合精度和抗干扰的类脑计算

  摘要：具有可调特性的光电子忆阻器是构建硬件光子电子神经网络的基本组件。在本文中，提出了一种用于HfOx基忆阻器在原子层沉积（ALD）过程中的工艺参数控制策略。通过调节HfOx层中氧源的量，可以控制ITO/HfOx/TiO2/ITO忆阻器的光电导响应。氧含量最低的光电子忆阻器表现出最快的光电导速度。在各种激光波长和功率密度的光刺激下，与电子刺激相比，其存储能力增强了多级特性（MLCs）。通过使用富氧和贫氧忆阻器构建的硬件神经网络架构，可以实现混合精度识别，并提高Fashion-MNIST数据集中的抗干扰能力。此外，通过动态隐藏层设计，该架构对外部干扰具有很强的鲁棒性。我们的发现可能为基于光电子忆

  来源：IEEE Transactions on Electron Devices

  时间：2025-11-14

• 患有典型直立性低血压的患者的仰卧位高血压的血液动力学决定因素

  ### 临床研究中的关键发现：经典直立性低血压与仰卧高血压的关系直立性低血压（orthostatic hypotension, OH）是一种在体位改变时血压显著下降的常见现象，通常发生在从躺卧转为站立的过程中。它与多种健康问题相关，包括头晕、晕厥、心血管功能障碍以及认知功能下降等。近年来，研究者们对OH的机制有了更深入的理解，特别是在神经调节功能受损的情况下，这种现象可能更加严重。然而，OH常常伴随着一种称为仰卧高血压（supine hypertension, SH）的现象，即在平躺时血压反而升高。这种矛盾的现象在临床实践中引起了广泛关注，因为它不仅影响患者的日常生活质量，还可能对心血管系统造

  来源：Journal of Hypertension

  时间：2025-11-14

• 2010年至2023年创伤性视神经病变研究的全球热点与趋势

  创伤性视神经病变（Traumatic Optic Neuropathy，简称TON）是一种罕见但具有临床意义的颅脑创伤后并发症，主要表现为视力受损，通常是由于机械性或缺血性损伤导致视神经结构破坏。这种疾病可能造成视神经纤维的断裂、神经元坏死以及血管受损，最终影响轴突传导功能。临床表现通常包括视力下降、视野缺损、失明和相对瞳孔传入障碍等。研究显示，TON在颅脑损伤中的发生率约为2%到5%，其诱因包括跌倒、交通事故、暴力伤害等。由于其复杂的病理机制和治疗挑战，TON一直是医学研究的重要课题。在研究方法上，本研究采用文献计量学的方法，对2010年至2023年间发表的1012篇相关文献进行了系统分析。

  来源：Journal of Craniofacial Surgery

  时间：2025-11-14

• 基于拉曼光谱和卷积神经网络的淡水沉积物中微塑料的检测

  监测水环境中的微塑料（MPs）对于预防和控制微塑料污染至关重要。在水环境中，微塑料往往会沉入沉积物中，导致沉积物中的微塑料浓度远高于水中的浓度。然而，沉积物的成分非常复杂，难以分析。本文提出了一种基于拉曼光谱和卷积神经网络（CNNs）的淡水沉积物中微塑料检测方法。通过密度分离和真空辅助过滤技术将微塑料从沉积物中分离出来。该CNN模型使用从淡水沉积物中提取的微塑料和有机混合物的拉曼光谱进行训练，并通过微塑料与沉积物混合物的拉曼光谱进行测试。使用CNN识别微塑料的准确率高达94.27%，优于其他机器学习模型（如支持向量机SVM和随机森林RF）。该方法应用于长荡湖沉积物中微塑料的检测，结果表明，长荡

  来源：The Journal of Physical Chemistry B

  时间：2025-11-14

• 将鲁棒神经网络应用于利用纳米颗粒降低原油粘度的建模

  在石油工业中，重质和超重质原油因其丰富的储量而受到高度重视。然而，这些原油具有高密度和极高粘度的特点，这给其开采、运输和后续加工带来了显著的挑战。粘度是影响这些原油流动特性的关键因素，降低粘度可以显著提高其流动性和可采收率。近年来，纳米技术的发展为解决这一问题提供了新的思路。纳米颗粒（NPs）因其高比表面积、良好的分散性和强表面能等特性，被认为是一种有效的粘度降低剂，能够吸附沥青质并改善原油的流变行为。这一方法在提高油井产量和下游操作效率方面展现出巨大潜力。本研究基于646组实验数据，构建了四种神经网络模型来预测纳米颗粒处理后的原油粘度变化。这些模型包括多层感知机（MLP）、级联前馈神经网络（

  来源：ACS Omega

  时间：2025-11-14

• GSNO负载的中孔二氧化硅/Ti3C2Tx纳米片复合材料作为磁场响应支架，通过协同电刺激和一氧化氮释放促进神经细胞分化

  一氧化氮（NO）是一种体积小、呈气态且具有高度扩散性的信号分子，在许多生理和病理过程中发挥着关键作用。然而，其临床应用面临两大挑战：高浓度NO会产生活性氮物种，从而导致细胞毒性；同时，由于其极短的半衰期（几秒到几分钟），很难控制其释放。本文制备了一种载有GSNO（一氧化氮供体）的中孔二氧化硅/Ti3C2Tx纳米片复合材料，该材料通过将载有GSNO的中孔SiO2与Ti3C2Tx纳米片结合而成。随后，将这些纳米片复合材料引入聚乳酸（poly-l-lactide）中，制备出一种能够响应磁场的电刺激/一氧化氮联合递送支架。该系统实现了时空耦合的无线电刺激和一氧化氮释放，显著提升了受损神经的再生能力。实

  来源：ACS Applied Nano Materials

  时间：2025-11-14

• 在完成一项认知要求较高的任务后，积极情绪的上调：一项与事件相关的脑电活动研究

  在我们日常生活中，情绪调节是一个复杂而重要的过程。人们经常需要在不同的情境下调整自己的情绪反应，例如在面对积极刺激时增强正面情绪，或者在面对负面刺激时减少其影响。然而，现实中的情绪调节往往受到多种因素的干扰，其中就包括认知负荷和心理压力等。这些因素可能会影响个体在调节情绪时的有效性，尤其是在情绪调节任务和认知任务之间存在时间间隔的情况下。本研究旨在探讨，当人们在完成一项具有较高认知负荷的数学任务后，是否会影响其后续对积极情绪的调节能力。具体而言，我们比较了在完成一项困难数学任务（hard math）与一项简单数学任务（easy math）后，个体使用认知重评（reappraisal）策略增强积

  来源：Behaviour Research and Therapy

  时间：2025-11-14

• 基于深度学习的铁路接触网缺陷检测技术综述：模型演进、应用挑战与未来展望

  铁路作为国民经济大动脉，其接触网系统的安全稳定运行直接关系到整个运输系统的可靠性。接触网如同高速列车的"生命线"，负责为电力机车提供持续稳定的电能。然而，由于长期暴露在复杂多变的自然环境中，加上列车高速运行带来的动态冲击，接触网组件容易出现磨损、断裂、腐蚀等多种缺陷，这些"暗藏杀机"的隐患随时可能引发严重的运营事故。传统的接触网检测主要依赖人工巡检或基于规则的图像处理技术。人工巡检不仅效率低下，而且受主观因素影响大；而传统图像处理方法在面对光照变化、遮挡干扰等复杂场景时往往力不从心。这些局限性催生了对自动化、智能化缺陷检测技术的迫切需求。近年来，随着深度学习技术的迅猛发展，智能缺陷检测技术在铁

  来源：Intelligent Transportation Infrastructure

  时间：2025-11-14

• 在第二语言感知中，这种节奏性的启动效应似乎依赖于个体的音乐背景

  音乐与语言处理之间的联系一直是一个引人注目的研究领域，科学家们不断探索两者的共同机制。近年来，有研究指出音乐训练可能对语言能力，包括语法理解、语音感知和节奏感知等，产生积极影响。然而，大多数研究集中在母语（L1）处理上，而对第二语言（L2）处理的影响仍缺乏系统性的验证。本研究旨在探讨音乐节奏对L2语言处理的潜在影响，特别是对法语作为第二语言的成人学习者在语法判断任务中的表现。通过两个实验，我们测试了音乐节奏的正则性（regular）和非正则性（irregular）对语法判断的影响，并进一步分析了音乐训练和节奏感知能力在其中的作用。### 音乐节奏与语言处理的潜在联系音乐和语言的处理在认知和神经

  来源：Acta Psychologica

  时间：2025-11-14

知名企业招聘：