• 一种用于低功耗片上学习的混合随机二进制计算批量归一化引擎，适用于脉冲神经网络

  摘要：批量归一化（Batch Normalization，BN）已被证明是加速深度学习中深度脉冲神经网络（deep spiking neural networks，SNNs）训练的关键组件。然而，传统的BN实现面临着过高的片外内存带宽需求和复杂的电路设计问题，这限制了其在SNNs片上训练中的应用。本文介绍了一种新型的混合随机二进制计算BN引擎（Hybrid Stochastic-Binary Computing BN Engine，HBN），它在计算效率和硬件资源利用之间取得了最佳平衡，从而实现了SNNs的高效片上学习。虽然传统的二进制模式BN引擎具有时间效率优势，但它们需要大量的硬件资源。相

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2025-12-01

• 一种基于IGZO TFT的6T1C突触记忆的模拟神经形态片上训练系统

  摘要：本文提出了一种基于模拟突触的神经形态学片上训练系统，该系统利用新兴的铟镓锌氧化物（IGZO）薄膜晶体管（TFT）突触单元来存储深度神经网络（DNN）的多比特状态。IGZO TFT 具有极低的漏电流特性，能够在长时间的训练过程中保持电容器中存储的电荷。6个晶体管1个电容器（6T1C）结构以其对称设计和电流源配置为特点，能够实现平均367种不同的状态，并具有高线性度，其电阻值（R）为0.99。通过调节电流和电容器大小，该系统能够有效整合来自单个突触和整个阵列的电流。此外，独立于 IGZO TFT 突触阵列实现的神经元电路在整体性能测试中表现出8.95的有效比特数（ENOB）。神经元电路和 I

  来源：IEEE Journal of Solid-State Circuits

  时间：2025-12-01

• 一种基于TDMA技术的神经记录系统级芯片（SoC），配备IIR-RLS自适应滤波器，可在256个通道上实现83.4 dB的伪影抑制效果

  摘要：本文介绍了一种数字辅助的多电极神经记录系统，该系统配备了多通道刺激伪迹消除（SAC）模块。该系统采用16电极时分多址（TDMA）方案，通过单个共享的模拟前端（AFE）记录多路神经信号。同时，它使用无限脉冲响应（IIR）递归最小二乘（RLS）自适应滤波器（AF）消除来自16个刺激电极的刺激伪迹。所提出的片上系统（SoC）在体外得到了验证，能够即时实时地将100 mV的刺激伪迹抑制83.4 dB，并且在256种通道传递函数（TF）组合下，AF的校准收敛时间小于5.1秒。该系统采用65纳米工艺制造，每个记录电极的AFE占用面积为0.0018平方毫米，对于局部场电位（LFP）和动作电位（AP）频

  来源：IEEE Journal of Solid-State Circuits

  时间：2025-12-01

• 基于混合SNR与场景联合训练策略的深度残差收缩网络在大规模MIMO信道估计中的应用研究

  随着第五代移动通信技术（5G）的快速发展，低延迟和高可靠性成为物理层设计的核心挑战。与传统4G系统相比，5G新空口（NR）通过灵活的帧结构和调度机制显著降低了传输延迟，但大规模多输入多输出（MIMO）系统的引入却带来了新的难题。当天线数量急剧增加时，信道矩阵的维度随之膨胀，传统信道估计方法在进行矩阵求逆等操作时会产生平方级计算复杂度，这不仅增加了信号处理开销，更难以满足5G NR对低处理延迟的严苛要求。因此，探索低复杂度、低延迟且高性能的大规模MIMO信道估计方法已成为当前通信领域的研究热点。传统信道估计方法如最小二乘（LS）和最小均方误差（MMSE）在复杂信道模型中往往表现不佳。前者对噪声敏

  来源：Journal of Systems Engineering and Electronics

  时间：2025-12-01

• 系统工程与电子技术前沿：多学科交叉融合下的理论与应用创新

  在当今科技飞速发展的时代，复杂系统的设计与优化已成为国防、航天、信息技术等领域的核心挑战。传统的单一学科方法难以应对高度互联、动态变化的现代系统需求，特别是在军事应用和航空航天等高风险场景中，系统的可靠性、智能化和实时响应能力直接关系到任务成败。全球范围内的技术竞争日益激烈，系统工程与电子技术的融合创新成为抢占未来科技制高点的关键。然而，该领域仍面临诸多难题：如何精确建模和仿真复杂系统行为？如何提升军事系统的分析和决策效率？如何在信息爆炸的环境中实现高效的数据获取与处理？这些问题的解决亟需跨学科的深入探索和突破性成果。在这一背景下，研究人员在《Journal of Systems Engine

  来源：Journal of Systems Engineering and Electronics

  时间：2025-12-01

• 基于深度神经网络与线性预测融合的共振峰追踪方法研究

  在语音科学领域，共振峰（Formant）作为表征声道共振特性的关键参数，其动态轨迹的精确追踪对语音识别、病理语音分析及听觉研究具有重要意义。然而，传统基于线性预测（Linear Prediction, LP）的模型驱动方法易受频谱伪峰（Spurious Peaks）干扰，而新兴的数据驱动深度学习方法则面临过拟合训练数据的问题，导致在未知语音上表现下降。如何兼顾算法的鲁棒性与泛化能力，成为共振峰追踪技术发展的核心挑战。为解决上述问题，本研究创新性地将深度神经网络（Deep Neural Network, DNN）与信号处理领域的准闭相前向-后向线性预测（Quasi-Closed Phase Fo

  来源：IEEE Open Journal of Signal Processing

  时间：2025-12-01

• 面向虚拟仿真的音频电路多非线性显式建模：基于矢量波与神经网络的高效方法

  在数字音频领域，音乐家和音频工程师一直渴望能够精准复刻经典模拟设备（如吉他效果器、音频放大器）的独特音色。这种将模拟设备“数字化”的技术被称为虚拟模拟(Virtual Analog, VA)。然而，尽管技术不断进步，一个核心难题始终困扰着研究人员：如何实时、高效地仿真那些包含多个非线性元件（如晶体管、二极管）的复杂模拟音频电路？传统的白盒建模方法，如波数字滤波器(Wave Digital Filters, WDFs)，虽然在处理线性元件和单个非线性元件时表现出色，但在面对多个非线性元件时，往往陷入计算瓶颈，需要依赖迭代求解器，极大地增加了计算成本，限制了其在实际实时应用中的潜力。波数字滤波器方

  来源：IEEE Open Journal of Signal Processing

  时间：2025-12-01

• 用于神经影像分析的领域随机化深度学习：选择训练策略、应对挑战以及最大化收益

  摘要：深度学习通过提供前所未有的速度和准确性，彻底改变了神经影像分析领域。然而，许多训练数据集的范围狭窄，这限制了模型的鲁棒性和泛化能力。在磁共振成像（MRI）中，这一挑战尤为突出，因为图像在不同脉冲序列和扫描仪硬件下的表现差异很大。最近的一种领域随机化策略通过在具有随机强度和解剖结构的合成图像上训练深度神经网络来解决泛化问题。通过从解剖分割图中生成多样化的数据，该方法使模型能够在无需重新训练或微调的情况下准确处理训练过程中未见过的图像类型。该方法已在包括MRI、计算机断层扫描、正电子发射断层扫描和光学相干断层扫描在内的多种模态中显示出有效性，并且还扩展到了超声、电子显微镜、荧光显微镜和X射线

  来源：IEEE Signal Processing Magazine

  时间：2025-12-01

• 基于机器学习的头相关传递函数个性化技术综述：现状、挑战与未来展望

  在虚拟现实(VR)和增强现实(AR)技术飞速发展的今天，逼真的空间音频体验已成为提升沉浸感的关键要素。头相关传递函数(Head-Related Transfer Function, HRTF)作为描述声波与人体相互作用的空间线索编码器，是实现三维声音定位的核心工具。然而，由于HRTF高度依赖个体的解剖特征（如头躯干尺寸、耳廓形态），使用非个体化HRTF会导致声音定位错误、前后混淆、缺乏外部化等问题，严重制约了沉浸式听觉体验的质量。传统HRTF个体化方法如数值模拟耗时昂贵，基于选择的匹配法精度有限，而机器学习(ML)技术有望通过数据驱动方式突破这些瓶颈。本研究通过系统文献综述（涵盖76篇关键论文

  来源：IEEE Open Journal of Signal Processing

  时间：2025-12-01

• 利用脑龄差异预测模型解析神经退行性病变：图信号处理的视角

  摘要：神经退行性疾病在大脑中表现出一致的皮质萎缩模式，其萎缩程度与正常健康个体的预期情况存在差异。脑年龄是一种基于神经影像数据集计算得出的生物年龄估计值。脑年龄差距（即预测的脑年龄相对于实际年龄的差异）增大，可能表明个体对神经退行性和认知衰退更为敏感。因此，脑年龄差距是一个有前景的生物标志物，可用于监测大脑健康状况。然而，目前普遍采用的机器学习（ML）方法在计算脑年龄差距时存在诸多方法学问题，这些问题源于决策过程的不透明性以及对神经退行性病变所固有统计现象处理不足。本文从图信号处理（GSP）的角度介绍了脑年龄差距预测的关键数学原理，旨在解决阻碍其实际应用的核心挑战。在此背景下，我们研究了一种基

  来源：IEEE Signal Processing Magazine

  时间：2025-12-01

• 心率变异性作为急性心理应激与心脏异常的无创传感指标：基于BIOPAC的比较研究

  在现代社会快节奏生活与高压环境下，心理应激已成为不容忽视的健康威胁。急性心理应激若长期累积，可能引发自主神经系统（ANS）功能紊乱，进而导致心血管疾病风险显著升高。传统的心脏功能评估多依赖心电图（ECG）检查，但常规ECG仅能捕捉静态心电活动，难以动态反映自主神经的实时调节能力。此时，心率变异性（HRV）分析技术应运而生——它通过计算连续心跳间期（RR间期）的微小波动，成为评估自主神经功能的“动态心电图”。然而，现有研究对HRV指标在急性心理应激监测中的适用性仍存争议：不同环境下的应激反应特征尚未明确，HRV参数与心脏异常之间的关联机制有待深入挖掘。正是为了解决这一难题，来自印度理工学院（印度

  来源：IEEE Sensors Reviews

  时间：2025-12-01

• 传感器融合技术提升动态手势识别：一项全面的元数据分析

  在全球化交流日益频繁的今天，语言沟通障碍仍是影响数亿听障人群社会参与的关键难题。手语作为听障社群的主要交流方式，其自动识别技术(Sign Language Recognition, SLR)的发展一直面临严峻挑战——就像试图让机器理解一门没有固定语法规则的立体语言。传统方法往往只能识别孤立的手势符号，而真实场景中的连续手语如同快速流动的河流，包含复杂的时空动态特征和表情变化，使得准确识别变得异常困难。早期研究主要依赖数据手套等穿戴式传感器，虽然能精确捕捉手部运动轨迹，但笨重的设备让日常使用变得不切实际。随着计算机视觉技术的突破，基于摄像头的手势识别逐渐成为主流，但环境光照变化、遮挡问题以及个体

  来源：IEEE Sensors Reviews

  时间：2025-12-01

• 基于心电图（ECG）和近红外光谱（NIRS）的多模态神经血管耦合检测系统的设计与实现

  摘要：鉴于心血管疾病导致的死亡率上升以及神经系统疾病的高发率，本文介绍了一种集成七通道功能性近红外光谱（NIRS）和单通道心电图（ECG）信号路径的设备，用于准确检测、传输和显示多模态信号。该设备以Teensy 3.1处理器作为控制核心，同时控制多个信号采集通道的开启和关闭。基于Python Qt 5框架开发的宿主计算机软件用于显示和保存实时数据。实验结果表明，在心电图测试中，该设备采集的心率数据与Apple Watch S6测量数据之间的相对误差在5%以内，表明心电图信号采集具有高精度。此外，还设计了一个被动抬腿实验来验证集成式的NIRS-ECG系统能够有效反映人体内的神经血管耦合现象。这种

  来源：IEEE Sensors Letters

  时间：2025-12-01

• 意识永生与星际殖民的伦理困境：神经芯片技术对人类本质的挑战

  在科技狂飙突进的时代，人类对永生与星际殖民的渴望催生了颠覆性的神经技术。Octavius Johnson作为虚构的万亿富翁，代表着一类试图通过逐步替换大脑组织实现意识数字化的技术先驱。他的"永生与星际探索计划"宣称将通过神经芯片（neural chip）技术将人类意识上传至机器人躯体，最终实现星际殖民。这一愿景背后却隐藏着对人类本质的深刻挑战——当大脑组织被硅基芯片逐步取代，人类的意识、人格乃至灵魂是否能够真正存续？这一技术发展引发了激烈的伦理争议。Luna和Emi作为黑客组织"身心灵合一"（Mind-Body-Spirit-United）的创始人，坚信人类本质由思想、身体和精神三大支柱构成，

  来源：IEEE Security & Privacy

  时间：2025-12-01

• 量子自编码器的神经架构搜索算法：实现高效量子电路自动设计

  随着量子计算进入噪声中等规模量子（NISQ）时代，量子硬件虽然已具备数百个量子比特的操控能力，但仍深受噪声干扰和资源限制之苦。在这一背景下，变分量子算法（VQA）成为利用含噪声量子设备解决实际问题的关键途径。然而，这类算法依赖参数化量子电路，其设计过程高度依赖人工经验，不仅引入难以避免的归纳偏差（如门放置策略、层数、参数初始化分布和纠缠策略等），还导致电路结构往往不是最优，造成宝贵的量子资源浪费。更严峻的是，随着问题规模扩大，这种人工设计模式将变得不可持续。量子自编码器（QAE）作为量子数据压缩的重要工具，有望帮助NISQ设备处理更大规模的问题，但其编码电路的效率直接决定了整个方案的实用性。因

  来源：IEEE Transactions on Quantum Engineering

  时间：2025-12-01

• 基于时间反演对称性的双时间线量子联邦学习：理论框架与性能优化

  随着人工智能技术的快速发展，联邦学习(FL)已成为保护隐私的分布式机器学习重要范式。通过允许客户端在本地训练模型并仅共享模型参数而非原始数据，联邦学习有效解决了数据孤岛和隐私保护问题。然而，传统联邦学习方法在面对非独立同分布(non-IID)数据和动态演化数据集时，往往会出现模型性能下降、收敛不稳定等问题。特别是当数据分布随时间变化时，模型容易发生灾难性遗忘，即新学到的知识会覆盖之前掌握的信息。量子联邦学习(QFL)作为联邦学习与量子计算的结合体，通过利用量子并行性和量子纠缠等特性，有望进一步提升计算效率和安全性。但现有QFL框架在处理时序相关性方面存在明显不足。近年来量子物理学研究发现，某些

  来源：IEEE Transactions on Quantum Engineering

  时间：2025-12-01

• 具有随机充电行为的混合电动汽车集群的异构聚合控制模型

  摘要：随着大量电动汽车（EVs）广泛连接到电网，将电动汽车作为一个整体进行统一聚合并控制系统以提供足够的电力传输能力对于维持供需平衡至关重要。该系统包含具有不同参数的混合动力电动汽车集群，这些车辆随机到达和离开，从而导致聚合和控制过程中出现参数异质性和随机性的问题。参数的异质性会导致不同的充电响应特性，因此对异质性电动汽车进行聚合和控制非常困难。此外，聚合的准确性也受到车辆随机到达和离开数量的影响。为了解决这些问题，提出了一种聚合控制模型来统一管理混合动力电动汽车集群。首先，构建了一个适用于异质性电动汽车的等效聚合模型，并使用径向基函数（RBF）神经网络来获取等效聚合参数。其次，提出了针对随机

  来源：IEEE Transactions on Power Systems

  时间：2025-12-01

• 糖尿病合并周围神经病变的下肢神经减压术：医疗专业人员的认知情况

  糖尿病周围神经病变（DSP）及其治疗策略的医学认知演变与临床实践进展一、疾病背景与认知转变糖尿病作为全球性代谢疾病，其并发症中的DSP具有典型特征。该病早期被视作不可逆的神经损伤，传统治疗主要依赖血糖控制和患者教育。2009年荷兰首次调查显示，仅23%的糖尿病专科医护人员意识到神经压迫在DSP发病中的作用，且不足10%了解神经减压手术（LEND）的潜在价值。这一认知现状在2023年的最新调研中发生显著转变：84%的受访医护人员（730人）确认参与糖尿病诊疗，其中57%明确知晓神经压迫理论，30%主动将患者转介外科手术。这种认知跃升与过去13年积累的331篇临床研究形成呼应，研究数量较2009年

  来源：Plastic and Reconstructive Surgery

  时间：2025-12-01

• 等离子体合成银纳米颗粒复合材料的介电常数纳米尺度调控及其在存内计算中的应用

  随着人工智能和物联网的快速发展，传统计算架构面临功耗和效率的瓶颈。存内计算（In-Memory Computing, IMC）通过将存储与处理单元集成，有望突破冯·诺依曼架构的限制，但其核心器件——非易性存储器（Non-Volatile Memories, NVMs）的材料性能仍存在挑战。例如，浮栅MOS（FGMOS）器件中电荷保留能力不足，电阻式存储器（RRAM）的导电细丝形成不可控，以及有机记忆场效应晶体管（NOMFET）的工艺兼容性差等问题，制约了神经形态计算的实际应用。在此背景下，法国图卢兹大学等离子体与能量转换实验室（LAPLACE）的Christina Villeneuve-Fau

  来源：IEEE Open Journal of Nanotechnology

  时间：2025-12-01

• 一种基于图结构学习的统一框架，用于在恶劣环境中检测经过加密的恶意流量

  摘要：加密协议的广泛采用使得攻击者能够在加密流量中隐藏恶意活动，从而使传统的检测方法失效。图神经网络（GNNs）作为一种有前景的解决方案应运而生，它们通过图表示对网络对象及其交互进行建模，以捕捉复杂威胁活动的协作行为模式。然而，在不利环境中，GNNs的良好性能并不总是能够得到保持，导致其表现不尽如人意，主要存在三个关键问题：（1）信息分析不完整，网络对象之间的异构关系常常被忽视；（2）缺乏针对规避技术的解决方案，现有方法侧重于强大的表示学习，但无法纠正对抗性扭曲；（3）鲁棒性评估有限，依赖于合成特征扰动而非符合现实世界攻击的原始流量操作。为了解决这些问题，我们提出了RETA，这是一个基于图结构

  来源：IEEE Transactions on Network Science and Engineering

  时间：2025-12-01

知名企业招聘：