• KnowZRel：基于常识知识的零样本关系检索实现广义场景图生成

  视觉推理作为人工智能的核心能力，其性能高度依赖于对图像内容的结构化理解。场景图生成(Scene Graph Generation, SGG)技术通过将图像解构为以目标为节点、关系为边的图结构，为高阶视觉任务提供语义支撑。然而现有SGG方法面临根本性挑战：视觉基因组(Visual Genome, VG)等基准数据集存在关系谓词的严重长尾分布，导致模型过度拟合高频泛化关系（如"on"、"has"），而忽视具有实际意义的特定关系（如"riding"、"wearing"）。这种数据偏差极大限制了模型对未见过关系的泛化能力，特别是在零样本场景下。针对这一瓶颈，M. Jaleed Khan团队提出Know

  来源：IEEE Transactions on Artificial Intelligence

  时间：2025-11-28

• 针对异构电动垂直起降（eVTOL）飞机配送车队的、考虑电池性能下降因素的车辆路径规划问题

  随着低空经济时代的到来，电动垂直起降飞行器（eVTOL）在物流领域的应用场景不断扩展。这类飞行器凭借其无地面交通限制、快速直达等优势，正在重塑城市末端配送模式。然而，作为核心能源单元的锂离子电池健康状态动态变化，却在这一过程中被长期忽视。传统路径规划模型将重点放在最短路径和载重优化上，却未考虑到电池退化对运营成本和系统可靠性的累积影响。现有研究主要存在三个维度缺陷：其一，多数物流配送模型将电池视为恒定容量资源，未建立电池健康状态（SOH）随使用时间、环境条件、负载变化的三维退化模型。其二，路径优化与电池管理缺乏协同机制，导致不同飞行器间电池退化速率差异超过40%，显著提高后续维护成本。其三，传

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2025-11-28

• 综述：脊髓损伤修复中的前沿整合：工程驱动的机制探索与临床转化的新范式

  脊髓损伤（Spinal Cord Injury, SCI）是一种导致中枢神经系统严重功能障碍的创伤性疾病，其核心病理特征包括机械性损伤引发的神经元丢失和继发性炎症、氧化应激及纤维化反应形成的抑制性微环境。近年来，工程学技术与传统医学的交叉融合为SCI修复开辟了全新路径，涵盖神经调控、生物材料、细胞治疗及基因疗法等多个领域。本文系统梳理了SCI的病理生理机制，并重点分析了工程学驱动的创新疗法在转化医学中的进展与挑战。### 一、SCI的病理生理机制与治疗瓶颈SCI的病理进程可分为急性期、亚急性期和慢性期三个阶段。急性期（损伤后数小时至数天）以血脑屏障（BSCB）破坏、炎症因子风暴和氧化应激为核心

  来源：Engineering

  时间：2025-11-28

• 膝关节骨关节炎患者在行走任务中改变的肌肉协同作用，在佩戴外翻支具进行六周的干预后仍然持续存在

  该研究系统探讨了膝关节炎（KOA）患者使用侧向支撑矫形器（Valgus Brace, VB）对肌肉协同作用及关节动力学的影响，为临床干预提供了新视角。研究选取40名参与者（KOA组20人，对照组20人），涵盖平地行走、上下坡及上下楼梯三种运动模式，采用纵向干预设计（6周VB佩戴），结合表面肌电（sEMG）与运动捕捉技术，重点分析肌肉协同作用模式及其动态变化。### 研究背景与核心问题KOA作为全球性退行性疾病，以膝关节内侧软骨损伤为特征，其机械负荷异常与中枢神经系统调控紊乱密切相关。现有证据表明，KOA患者存在肌群协同作用异常，表现为伸肌-屈肌共激活现象，可能加剧膝关节接触力并加速病情进展。然

  来源：Gait & Posture

  时间：2025-11-28

• 具有社区环境意识的对比聚类

  在机器学习与数据科学领域，对比聚类作为连接自监督表示学习与无监督聚类的重要方法，近年来受到广泛关注。传统聚类算法如K均值、谱聚类和层次聚类虽然在特定场景下表现良好，但在处理高维稀疏数据、复杂结构数据以及大规模数据集时面临显著挑战。这些方法不仅难以捕捉高维数据中的潜在结构特征，还容易受到参数选择敏感性和噪声干扰的影响，导致聚类结果的鲁棒性不足。因此，探索能够有效融合样本间语义信息的聚类新范式成为研究热点。对比聚类通过构建正负样本对来优化特征空间分布，其核心在于如何高效整合样本的上下文语义信息。现有研究如CCES（Yin等，2023）和NNCLR（Dwibedi等，2021）虽然引入了邻居样本信息

  来源：Expert Systems with Applications

  时间：2025-11-28

• 情感调节障碍、解离现象与复杂的神经网络：两种探索性的中介模型

  该研究聚焦于情感失调、解离症状与大规模神经网络功能之间的动态关联，通过构建双向中介模型揭示三者间的复杂作用机制。研究基于临床心理学与神经科学的双重视角，整合了情感调节理论和大尺度脑网络理论，为理解解离性障碍的神经生物学基础提供了新视角。**核心发现与理论框架**研究提出两个互补的中介模型，构建了从心理状态到神经功能再到解离症状的双向作用路径。在模型一中，心理 distress通过诱发解离症状（尤其是去个性化/去现实化反应）间接导致神经网络功能障碍。模型二则显示，DMN和AHMN的功能失调作为中介变量，将心理 distress转化为解离现象，而心理 well-being通过增强DMN-AHMN网

  来源：European Journal of Trauma & Dissociation

  时间：2025-11-28

• 改进的神经网络自动化设计方法，用于提高石化生产过程的能源利用效率并减少碳排放

  该研究聚焦于石化工业中乙烯产量的精准预测与能效优化问题，针对传统模型参数调优效率低、抗干扰能力弱以及深度学习模型结构复杂等痛点，提出了一套集成化的神经网络自动设计方法（NNADM）。研究团队来自北京化工大学信息科学与技术学院，通过整合参数优化算法与自适应损失函数设计，显著提升了乙烯产量的预测精度与模型的工程适用性。在技术路线设计上，研究首先创新性地构建了动态加权损失函数体系。该体系通过融合均方误差（MSE）与对数双曲函数（Log-Cosh）的优势，在常规误差最小化基础上引入异常值自适应抑制机制。具体而言，MSE函数能有效捕捉过程变量间的线性关系，而Log-Cosh函数则通过其双曲余弦特性对极端

  来源：Chinese Journal of Chemical Engineering

  时间：2025-11-28

• 神经性厌食症与暴食症的反转学习神经机制：前额叶与腹侧纹状体功能异常研究

  当一个人反复进行自我伤害的进食行为时，我们常常会追问：为什么他们难以改变这种明显有害的行为模式？神经性厌食症（AN）和暴食症（BN）作为两种典型的进食障碍，不仅导致严重的身体健康问题，更伴随着高达普通人群9倍的死亡风险。尽管现有治疗方法取得了一定成效，但其效果仍有限，这促使科学家们将目光投向认知神经机制层面，试图从大脑运作方式中找到突破口。认知灵活性缺陷被认为是进食障碍的核心特征之一，而反转学习（Reversal Learning， RL）作为衡量个体根据环境反馈调整行为能力的重要指标，近年来受到越来越多关注。想象一下，当你在迷宫中不断碰壁后突然发现出口方向改变，能否快速调整路线？这种能力正是

  来源：COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE

  时间：2025-11-28

• 采用混合深度学习方法、可解释人工智能（Explainable AI）以及“饥饿游戏”优化算法进行能源消耗预测

  本研究聚焦于能源需求预测领域的创新方法探索，通过整合深度学习与传统机器学习技术，构建了具有解释性的混合预测模型。在PJM电力传输区域四个监测站（Dayton、Jersey、Metropolitan、Pennsylvania）的480小时时序数据基础上，研究团队针对建筑、工业及交通三大高耗能领域，系统性地验证了混合模型的预测效能。在方法论层面，研究创新性地将卷积神经网络（CNN）与传统机器学习算法进行有机融合。具体而言，CNN负责提取高维时空特征，而梯度提升机（GB）与随机森林（RF）则通过集成学习机制捕捉非线性关系。这种双路径协同机制既保留了深度学习对复杂模式识别的优势，又继承了传统机器学习在

  来源：Sustainable Computing: Informatics and Systems

  时间：2025-11-28

• 创伤后应激障碍与暴露于平民冲突中的老年人的记忆功能：来自北爱尔兰老龄化纵向研究（NICOLA）的发现

  北爱尔兰社区老年人群PTSD与认知功能关联性研究解读研究背景与意义北爱尔兰自20世纪60年代至90年代持续存在的"麻烦时期"（The Troubles）造成大量平民创伤。随着冲突亲历者进入老年阶段，其心理健康与认知功能的长期影响引发关注。本研究基于Northern Ireland COhort for the Longitudinal study of Ageing（NICOLA）队列数据，系统探讨老年PTSD患者的认知功能特征及其影响因素，为理解战争创伤的长期神经认知后果提供实证依据。研究方法与样本特征研究纳入2013-2016年间在NI居住的50岁以上社区老年人8427人，通过多阶段抽样确

  来源：Social Science & Medicine

  时间：2025-11-28

• 将物理神经网络与欧拉-欧拉方法相结合，用于高效模拟大规模复杂裂缝中的粒子传输过程

  本文针对水力压裂中支撑剂在复杂裂缝网络中的高效运输模拟难题，提出了一种融合物理增强神经网络与混合1D模型的新型耦合方法。研究首先系统梳理了支撑剂运输模拟的技术演进路线，指出传统E-L（欧拉-拉格朗日）与E-E（欧拉-欧拉）方法在计算效率与精度间的固有矛盾。E-L方法虽能精确追踪颗粒运动，但三维多相耦合计算导致单次模拟耗时超过24小时，难以满足工程实时性需求；而E-E方法虽将计算效率提升至数小时量级，但其将颗粒相简化为连续介质，在分支入口处易出现流体化失稳问题，且难以准确预测多级分支裂缝中的支撑剂浓度分布。在方法创新方面，研究构建了双重物理约束的神经网络架构。该架构通过引入Stokes数与分支几

  来源：Powder Technology

  时间：2025-11-28

• 机械热老化硅橡胶泡沫的压缩力学模型

  硅橡胶泡沫材料的老化特性及其力学模型研究进展硅橡胶泡沫作为精密设备关键支撑材料，其老化机理与力学性能演变已成为材料科学领域的重要研究方向。本文系统梳理了该领域的研究现状，重点阐述了基于双机制协同作用的硅橡胶泡沫压缩力学模型构建过程，以及该模型在工程实践中的具体应用价值。材料老化机理研究方面，学者们普遍关注热氧化、辐射及机械应力等多因素耦合作用下的性能退化规律。实验研究表明，硅橡胶泡沫的老化过程主要体现为基体材料化学结构演变与泡沫胞体结构重构的双重效应。基体材料在长期服役中会发生交联密度增加导致的弹性模量提升，而泡沫胞体的坍塌、变形及孔隙率变化则直接影响材料的压缩回弹特性。通过建立应力-温度协同

  来源：Polymer Degradation and Stability

  时间：2025-11-28

• 通过零域约束增强光子集成干涉成像的重建效果

  该研究针对计算机生成全息图（CGH）技术中的核心挑战展开，提出了基于复杂值卷积神经网络的自校准补偿全息显示方法（SCC-Holo）。传统CGH算法存在效率与质量难以兼顾的困境，而深度学习方法虽能提升计算效率，但在全息图像重建质量上仍与迭代算法存在差距。研究团队通过引入复杂值神经网络架构与双重数据补偿机制，在保持计算效率的同时显著提升了全息图像的保真度。研究背景方面，全息显示技术因具备三维成像和多重物体同屏展示特性，在虚拟现实和增强现实领域具有广泛应用潜力。传统CGH算法分为迭代和非迭代两类：迭代算法（如Wirdinger全息图和Gerchberg-Saxton算法）虽能生成高质量图像，但计算耗

  来源：Optics and Lasers in Engineering

  时间：2025-11-28

• 混合元启发式算法与人工神经网络（Hybrid Metaheuristic–ANN）用于实现准确、稳定且具有泛化能力的破碎波高度预测

  海洋与海岸工程领域近期一项重要研究聚焦于破浪高度预测模型创新。该研究团队由越南胡志明市理工大学土木工程系的多位学者组成，他们针对传统预测方法的局限性，提出了基于教学学习优化算法（TLBO）与人工神经网络（ANN）相结合的混合模型，在数据规模、模型稳定性和预测精度方面均取得突破性进展。传统破浪高度预测方法存在显著局限。早期经验公式如McCowan（1894）提出的破浪高度与水深比值恒定理论，以及Miche（1944）引入波长修正的模型，虽在特定条件下有效，但受限于数据采集规模和地理条件差异，其适用范围存在明显边界。后续学者虽通过引入更多参数（如水深、波陡等）改进模型，但依然面临参数组合优化困难、

  来源：Ocean Engineering

  时间：2025-11-28

• 退行性腰椎手术后的术后管理：法国脊柱外科协会进行的调查结果及文献综述

  马蒂厄·洛祖埃（Mathieu Lozouet）|穆拉德·乌尔德-斯利曼（Mourad Ould-Slimane）|马克·萨德科夫斯基（Marc Szadkowski）|亨利-阿图尔·勒鲁瓦（Henri-Arthur Leroy）|杰罗姆·德拉姆布尔（Jérôme Delambre）|泰丝·杜特拉·维埃拉（Thais Dutra Vieira）|弗朗索瓦·卢卡斯（François Lucas）|泽维尔·卡斯特尔（Xavier Castel）|马丁·迪阿斯托尔格（Martin Dupuy）|亨利·达斯托尔格（Henri d’Astorg）法国鲁昂大学医院（CHU Rouen），骨科外科，F-76

  来源：Neurochirurgie

  时间：2025-11-28

• 永久性脑室分流与脑膜炎风险：停止使用外部脑室引流管所带来的挑战

  作者：Elisabeth Garrido, Mathieu Lozouet, Vianney Gilard, Pauline Garel, Jean Glenisson, Julien Burel, Stéphane Derrey法国鲁昂大学医院神经外科摘要背景动脉瘤性蛛网膜下腔出血（SAH）是一种严重的疾病，具有较高的死亡率和发病率。急性脑积水是常见的并发症，通常需要外部脑室引流（EVD），在某些情况下甚至需要永久性分流器的植入。确定EVD撤除的最佳时机仍然具有挑战性，因为这需要在永久性分流的需求与脑膜炎的风险之间取得平衡。方法这项回顾性队列研究分析了2020年1月至2022年12月期间在鲁

  来源：Neurochirurgie

  时间：2025-11-28

• 分离界面效应和体效应的贡献，以在单个二维通道中实现双模光电功能

  1. 研究背景与挑战光电子器件作为连接光信号与电信号的核心组件，在光电探测和神经形态计算领域具有双重应用价值。传统光探测器依赖外部偏置电压实现信号转换，存在能耗和复杂电路设计问题；而光电子突触需要可调控的 persistent photoconductivity（PPC）特性，这往往与高速响应光探测器存在机制冲突。当前研究在以下方面存在局限：- 现有双模式器件多依赖复杂工艺（如机械刻蚀、高温多层沉积），导致量产困难- 电力电子器件与突触单元的集成存在能效矛盾- 缺乏具有本征光伏特性与可调控电荷陷阱的单一材料体系2. 材料创新与器件结构设计研究团队基于二维材料体系突破传统限制，采用InSe单层作

  来源：Materials Today Chemistry

  时间：2025-11-28

• 基于高光谱技术的水体中氨氮浓度的检测方法

  本研究针对水体氨氮浓度监测的关键需求，创新性地构建了"室内高精度建模-室外实地验证"双阶段技术体系，系统探索了高光谱遥感技术在氨氮浓度定量反演中的适用性。研究团队在西安理工大学晋华校区实验室开展的基础实验中，参照《地表水环境质量标准》（GB 3838-2002）规范，精确制备了0-4 mg/L的梯度化氨氮标准溶液，通过室内光谱建模实验有效排除了自然水体中复杂光学干扰因素。实验采用350-900 nm宽光谱范围采集数据，通过二阶导数处理优化光谱特征提取，并运用主成分分析（PCA）与皮尔逊相关系数（Pearson）结合的特征筛选方法，显著提升了数据解释效率。在模型构建阶段，研究者对比了六种主流机器

  来源：Journal of Water Process Engineering

  时间：2025-11-28

• BIAN：一种用于视网膜OCT图像分类的双向交织注意力网络

  视网膜疾病作为全球性健康挑战，其早期诊断和精准治疗依赖于高效的分析工具。光学相干断层扫描（OCT）作为无创成像技术，能够提供视网膜的横断面高分辨率图像，成为临床诊断的重要依据。然而，传统深度学习模型在处理OCT图像时存在显著局限性：基于卷积神经网络（CNN）的架构虽能有效捕捉局部病理特征，却难以整合全局上下文信息；而依赖Transformer的全局注意力机制虽能捕捉长距离依赖关系，但可能忽略细微的局部结构特征。这种局部与全局信息的割裂问题，在复杂多变的视网膜病变分类任务中尤为突出。当前研究显示，糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）、中央 serous 膜下视网膜 detach

  来源：Journal of Visual Communication and Image Representation

  时间：2025-11-28

• 在数据有限的情况下，利用机器学习技术提高对青尼罗河悬浮沉积物负荷的预测精度

  本文聚焦于尼罗河蓝色支流的水文泥沙动力学研究，通过构建数据驱动的机器学习模型框架，系统评估了不同算法在泥沙负荷和浓度预测中的效能。研究以埃塞俄比亚与苏丹交界的蓝色尼罗河流域为对象，选取埃尔代姆站（2010-2016年）和瓦德阿Ис站（2000-2006年）的实测数据作为核心样本，重点探究流域内复杂地形、暴雨事件与水库运行对泥沙输运的影响机制。### 研究背景与核心问题尼罗河蓝色支流作为全球第二大河流的水源，其流域内高陡地形与密集农业活动导致年泥沙输运量达4850亿立方米，对罗塞雷斯（60%）和玫瑰雷斯（34%）等关键水利设施造成显著淤积。研究团队通过对比传统物理模型与机器学习算法的预测效能，揭

  来源：Journal of Hydrology: Regional Studies

  时间：2025-11-28

知名企业招聘：