• 離子摻雜助力 MnO2基憶阻器性能飛躍：協同提升憶阻行為與自整流效應

  在科技飛速發展的當下，人工智能、神經形態計算等領域取得了令人矚目的進步。憶阻器，作為有望取代傳統馮?諾依曼架構的新興器件，憑借其低功耗、高速等優勢，在這些領域展現出巨大的應用潛力，被視為未來計算和信息存儲的關鍵技術。然而，就像任何新興技術在發展初期都會面臨挑戰一樣，憶阻器也存在著諸多亟待解決的問題。其在超高穩定性、可擴展性以及擴展開關窗口等方面的性能瓶頸，極大地限制了它從實驗室走向實際應用的步伐。例如，在構建人工神經網絡時，憶阻器的低電阻開關窗口和不可避免的寄生電流問題，會導致數據誤讀、識別準確率低下以及能源的低效消耗，使得基于憶阻器的計算系統難以達到理想的性能表現。為了突破這些困境，來自多個

  來源：Applied Materials Today

  時間：2025-05-12

• 基于上下文增強異構圖神經網絡實現食品安全風險精準預測

  在當今社會，食品安全問題如同高懸的達摩克利斯之劍，時刻威脅著人們的健康。隨著生活水平的提高，人們對食品安全的關注度與日俱增。然而，食品安全數據具有高維度、多樣性和非線性等特點，給風險預測帶來了極大的挑戰。傳統的風險預測方法，如基于統計的方法和部分機器學習算法，在處理這些復雜數據時存在諸多不足，像依賴專家經驗導致主觀偏差、無法有效捕捉數據中的復雜關系以及計算成本高等問題。為了突破這些困境，來自浙江大學的研究人員開展了一項關于食品安全風險預測的研究。研究人員提出了一種上下文增強的異構圖神經網絡（HGNN）框架，旨在實現對食品安全風險的精準預測。該研究成果發表在《Applied Food Resea

  來源：Applied Food Research

  時間：2025-05-12

• 靶向脂滴的熒光探針在鐵死亡中實時監測硫化氫動態變化的創新研究

  在細胞死亡的復雜交響曲中，鐵死亡（ferroptosis）作為一種獨特的程序性死亡方式，近年來成為生命科學研究的焦點。這種鐵依賴性的死亡形式與傳統的凋亡、壞死截然不同，其核心特征包括鐵離子蓄積、谷胱甘肽（GSH）耗竭和致命的脂質過氧化反應。尤其值得注意的是，鐵死亡與腫瘤抑制、腦出血等重大疾病存在密切關聯，這使得解析其分子機制具有重要的臨床意義。然而，在這個精密的死亡程序中，硫化氫（H2S）作為關鍵的信號分子，其動態變化規律始終如同蒙著面紗的舞者，難以被準確捕捉——這主要歸咎于缺乏有效的實時監測技術。與此同時，脂滴（LDs）這些曾被簡單視為能量倉庫的細胞器，正逐漸展現出其在細胞代謝調控中的核心地

  來源：Analytica Chimica Acta

  時間：2025-05-12

• 基于反鐵電晶體管耦合極化切換與電荷俘獲動力學的可重構神經形態功能研究

  在人工智能浪潮中，模仿人腦運作的神經形態計算被視為突破傳統計算瓶頸的關鍵。然而，現有硬件難以同時實現生物神經元（需短暫記憶）與突觸（需長期記憶）的功能，這一矛盾源于材料物理機制的天然對立。傳統鐵電材料雖能模擬突觸，但其非揮發性與神經元快速重置需求相悖。反鐵電材料雖具自發退極化特性，但相穩定性不足且功能單一。如何通過單一器件平臺整合兩類功能，成為領域內亟待解決的難題。新加坡國立大學Kah-Wee Ang團隊在《Nature Communications》發表研究，通過創新設計Hf0.17Zr0.83O2反鐵電晶體管，結合金屬-反鐵電-金屬-絕緣體-半導體（MFMIS）柵堆棧結構，首次實現短/長期

  來源：Nature Communications

  時間：2025-05-12

• 基于混合分數階微分方程與人工神經網絡的尼日利亞結核病傳播動力學預測模型研究

  結核病(Tuberculosis, TB)作為全球十大死因之一，在低收入國家持續肆虐。尼日利亞作為非洲TB負擔最重的國家，其年發病率高達13萬例，每日死亡人數達436人。盡管政府與國際組織投入大量資源，但傳統整數階模型難以捕捉疾病傳播中的記憶效應和復雜非線性關系?，F有研究多局限于常規微分方程或單一機器學習方法，缺乏融合數學建模與人工智能的跨學科解決方案。為突破這一瓶頸，研究人員開展了結核病傳播動力學的混合建模研究。通過整合分數階微分方程(Fractional Order Differential Equation, FODE)的記憶特性和人工神經網絡(Artificial Neural Net

  來源：Franklin Open

  時間：2025-05-12

• 基于強化學習的事件觸發輸出反饋控制：攻克不確定非線性離散時間系統難題

  在當今科技飛速發展的時代，各種復雜系統廣泛應用于工業生產、航空航天、智能交通等眾多領域。其中，非線性系統因其高度復雜性和多樣性，一直是控制領域的研究熱點和難點。在實際場景中，非線性系統的控制面臨著諸多棘手問題。一方面，精確獲取系統的數學模型極為困難，現實中的干擾和不確定性使得傳統依賴精確模型的控制方法難以施展拳腳。另一方面，系統狀態常常無法直接測量，這給控制決策帶來了極大阻礙。此外，控制方向未知的情況也時有發生，進一步增加了控制的難度。為了解決這些問題，推動非線性系統控制技術的發展，相關研究人員展開了深入探索。雖然此前已有不少關于非線性系統控制的研究成果，但仍存在諸多不足。比如，早期研究大多聚

  來源：Expert Systems with Applications

  時間：2025-05-12

• 多模態學習分析：基于改進變色龍群算法優化的多尺度擴張深度時間卷積網絡預測學生行為

  在當今數字化教育快速發展的時代，在線課程、智能教學平臺如雨后春筍般涌現，它們在為學生提供豐富學習資源的同時，也產生了海量的學習數據。然而，這些數據猶如一座未經雕琢的礦山，蘊含著巨大價值，卻難以被有效挖掘。就拿學生在學習任務中的努力程度來說，它與學生的學業成績密切相關，可直接反映學生參與學習任務的有效性。但令人頭疼的是，學生在學習過程中的這些努力并不能被直接觀察到，這就像蒙著一層神秘的面紗，讓教育者難以精準把握學生的學習狀態。與此同時，傳統的教育研究方法在分析這些復雜的學習數據時顯得力不從心。雖然一些方法嘗試通過學生的答題情況等有限信息來推測他們的學習狀態，但這種方式局限性很大，無法全面、深入地

  來源：Expert Systems with Applications

  時間：2025-05-12

• 三重聚合上下文感知地形分割網絡：面向復雜野外環境的可通行區域識別

  在自動駕駛和野外機器人導航領域，準確識別可通行區域是保障安全的核心挑戰。當前地形分割方法面臨三重困境：傳統卷積神經網絡（CNN）難以捕捉全局上下文，多尺度特征融合存在語義鴻溝，而視覺Transformer（ViT）又因計算成本過高難以落地。更棘手的是，復雜野外環境中地形特征高度異構——同一場景可能同時包含水域、巖層和植被，現有方法往往因特征表達不足導致誤判。為解決這些問題，深圳大學的研究團隊在《Expert Systems with Applications》發表研究，提出上下文感知地形分割網絡（Contextual-Aware Terrain Segmentation Network, CT

  來源：Expert Systems with Applications

  時間：2025-05-12

• Mask2Edge：創新突破，革新邊緣檢測技術，解鎖計算機視覺無限潛能

  在計算機視覺的廣闊領域中，邊緣檢測就像是一把神奇的鑰匙，能夠開啟眾多重要任務的大門。想象一下，在圖像識別、目標追蹤等場景里，準確地找到物體的邊緣，就如同給模糊的世界勾勒出清晰的輪廓，讓計算機能更精準地理解和處理圖像信息。然而，隨著深度學習技術的飛速發展，看似強大的深度學習邊緣檢測器卻隱藏著不少問題。它們就像一群貪心的探索者，試圖編碼圖像中所有位置的信息，卻忽略了過度編碼帶來的負擔，導致模型收斂緩慢、性能不佳，這就是所謂的 “過熱” 問題。而且，除了個別方法，大多數模型都沒有充分利用邊緣的固有屬性，仿佛在尋找寶藏的路上偏離了正確方向。為了解決這些棘手的問題，來自未知研究機構的研究人員踏上了探索之

  來源：Expert Systems with Applications

  時間：2025-05-12

• 基于雙優化沙貓群算法與Conv-Bi-ALSTM深度學習的云安全威脅檢測框架

  隨著云計算成為數字化基礎設施的核心，其面臨的網絡攻擊正呈現規?；?、復雜化趨勢。傳統基于簽名或統計的入侵檢測系統(IDS)在應對零日攻擊、高維數據處理時表現乏力，而深度學習(DL)模型又常受限于計算資源消耗和類不平衡問題。這種矛盾在需要實時響應的云環境中尤為突出——據文中引述，現有方法存在"高存儲需求、長執行時間、高錯誤率"三大痛點。為此，國內研究人員在《Expert Systems with Applications》發表論文，創新性地將生物啟發優化算法與深度神經網絡結合，開發出Bi-Optimized SandCat-Conv-Bi-ALSTM(Bi-SC-CBALSTM)框架。研究團隊采用

  來源：Expert Systems with Applications

  時間：2025-05-12

• 基于機器學習的免校準波長調制光譜氣體傳感器：實現快速精準濃度檢測

  在氣體檢測的領域中，傳統的測量方法就像是老舊的工具，逐漸顯露出諸多弊端?？烧{諧激光吸收光譜（TLAS）中的波長調制光譜（WMS）技術，雖在檢測微弱吸收信號方面有優勢，但常規的 WMS 傳感器校準過程復雜又昂貴，需要使用不同濃度、壓力和溫度的標準混合氣體樣本進行校準。而且，當氣體參數未知或難以確定時，比如在動態氣流、惡劣環境以及燃燒過程中，校準后的傳感器精度會大打折扣。另外，在確定氣體參數時，基于迭代最小二乘擬合的方法計算成本高，測定時間長，嚴重限制了傳感器在需要快速測量氣體濃度動態變化場景中的應用。面對這些難題，來自國外的研究人員開啟了探索之旅。他們致力于研究將機器學習（ML）回歸算法應用于基

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-12

• 復雜地層盾構隧道數據驅動的盤形刀具磨損預測：模型較量與解析

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-12

• 漸進式增強去霧技術PED-YOLO：極端天氣下自動駕駛目標檢測的突破

  霧霾天氣如同給自動駕駛汽車戴上了"毛玻璃眼鏡"——大氣中懸浮的水滴和氣溶膠粒子導致光線散射，圖像對比度下降、色彩失真、物體細節丟失，使得現有目標檢測算法在極端天氣下的準確率驟降10%。更棘手的是，傳統方法要么像"先擦鏡片再看路"的兩階段模型那樣效率低下，要么像"蒙眼調參數"的聯合學習模型難以平衡去霧與檢測的權重。與此同時，基于大氣散射模型(Narasimhan and Nayar, 2002)生成的合成霧數據與真實霧場景存在顯著差異，猶如用卡通畫訓練人臉識別系統，嚴重制約了模型的泛化能力。針對這些挑戰，中國研究團隊開發了PED-YOLO（漸進式增強去霧YOLO）框架。該研究采用四大關鍵技術：1

  來源：Engineering Applications of Artificial Intelligence

  時間：2025-05-12

• 綜述：非糖尿病患者低血糖診斷的視角拓展

  案例描述一名51歲男性慢性酒精中毒患者因疑似低血糖接受72小時空腹試驗。盡管既往心臟和神經科評估未明確病因，其暈厥發作與偶發低血糖（血糖<50 mg/dL）相關但非恒定。住院期間多次暈厥伴癲癇樣發作，但發作時血糖正常。深入檢查排除胰島素瘤（CT顯示輕度胰腺萎縮）、腎上腺功能不全（皮質醇12.9 μg/dL）等內分泌病因后，神經科發現輕度帕金森體征（右側肢體強直）及快速眼動睡眠行為障礙（RBD），DaTSCAN顯示右側尾狀核攝取減少，最終指向多系統萎縮（MSA-P）。管理要點非糖尿病性低血糖診斷需滿足Whipple三聯征：癥狀+血糖<55 mg/dL+補糖緩解。病因分為兩類：表觀健康

  來源：Endocrinología, Diabetes y Nutrición

  時間：2025-05-12

• 揭秘 VHL ?。禾囟ɑ蛐偷哪[瘤風險剖析與精準防治新依據

  在人體這個復雜的 “小宇宙” 里，有一種神秘的力量 —— 基因，它掌控著許多生命密碼，也與各種疾病的發生發展緊密相連。遺傳性腫瘤易感綜合征就是其中一類受基因影響的病癥，給腫瘤的早期發現和及時治療帶來了巨大挑戰。馮?希佩爾 - 林道?。╲on Hippel–Lindau disease，VHL ?。┍闶瞧渲兄?，它是由 VHL 腫瘤抑制基因的生殖系失活引起的常染色體顯性遺傳性腫瘤疾病?；加?VHL 病的人，就像被 “疾病種子” 盯上了一樣，容易患上多種相關疾病，比如視網膜血管瘤（retinal hemangioblastoma/angioma，RA）、中樞神經系統血管瘤（central nerv

  來源：Endocrine-Related Cancer

  時間：2025-05-12

• 綜述：RET 受體及其配體的生物學：聚焦神經系統

  RET 受體及其配體的生物學：聚焦神經系統引言RET 受體酪氨酸激酶最初被發現是一種因 DNA 重排而激活的癌基因，之后卻成為了 GDNF 家族配體（GFLs）的主要信號受體。這一身份轉變讓人們意識到 RET 在正常生理過程以及多種疾?。ㄓ绕涫前┌Y和神經發育障礙）中都有著關鍵作用。RET 配體及其共受體GFLs 是轉化生長因子 β（TGF-β）超家族的遠親成員，包含 GDNF、神經營養因子（NRTN）、多效蛋白（ARTN）和 persephin（PSPN）這 4 個成員。它們都有保守的 7 個半胱氨酸殘基，能形成半胱氨酸結結構。GFLs 合成時是前體蛋白，經過蛋白水解切割后，成熟的同二聚體蛋白

  來源：Endocrine-Related Cancer

  時間：2025-05-12

• 綜述：含CXC基序的趨化因子及其受體在神經內分泌腫瘤中的作用

  CXC趨化因子家族——結構與功能CXC趨化因子是一類根據N端半胱氨酸（C）殘基排列命名的小分子蛋白，分為含ELR基序（Glu-Leu-Arg）和不含ELR基序兩大亞家族。含ELR基序的CXCLs（如CXCL1/8）通過CXCR1/2受體招募中性粒細胞，而不含ELR基序的CXCLs（如CXCL12）則通過CXCR3-7調控T細胞等免疫細胞遷移。表觀遺傳修飾（如CXCL8啟動子區CpG島甲基化）和轉錄后調控（如p38 MAPK穩定mRNA）共同決定其表達水平。CXC趨化因子在NEN生長與進展中的作用神經內分泌腫瘤（NENs）存在CXCL1/8/10/12等因子的過表達。垂體NETs中90%病例分泌

  來源：Endocrine-Related Cancer

  時間：2025-05-12

• 綜述：AC-MVSNet：一種集成新型多尺度特征提取和邊緣增強的高效多視圖 3D 重建網絡

  引言多視圖立體（MVS）重建長期以來都是計算機視覺研究的熱點。它能夠借助一組多視圖圖像和相應相機位姿，恢復真實場景中的 3D 點云。如今，3D 場景重建在自動駕駛、航空測量、嵌入式 AI 等眾多領域廣泛應用。盡管傳統 MVS 重建方法在理想環境下表現出色，但在面對非朗伯表面、光度變化和弱紋理等情況時，往往效果不佳。隨著卷積神經網絡（CNNs）在目標檢測、語義分割、立體匹配等領域取得顯著成果，學者們開始將其引入 MVS 重建。其中，Yao 等人提出的 MVSNet 方法堪稱經典，它把重建問題轉化為深度估計問題，實現深度圖的端到端輸出，進而生成 3D 點云?；?MVSNet 及其后續改進方法，大

  來源：Digital Signal Processing

  時間：2025-05-12

• 綜述：人工智能在腎腫瘤中的應用：病理數據在增強分類、分級及預后預測模型中的實用性

  Abstract腎細胞癌（RCC）作為占人類惡性腫瘤4%的常見疾病，其診斷金標準仍依賴于組織病理學，但面臨分類復雜、分級可重復性差及預測標志物匱乏等挑戰。隨著人工智能（AI）技術的普及，機器學習（ML）和深度學習（DL）為這些難題提供了新思路?，F有研究證實，AI能有效區分RCC亞型和分級，并通過融合數字病理、基因組學和臨床數據構建多模態預測模型。然而，前瞻性驗證缺失、罕見亞型代表性不足以及算法透明度問題，仍是阻礙臨床落地的關鍵瓶頸。IntroductionRCC在2018年美國新發病例達81,800例，死亡病例16,700例，呈現男性略高的流行病學特征。盡管影像學是初篩主要手段，但病理診斷仍是

  來源：Diagnostic Histopathology

  時間：2025-05-12

• 基于人工神經網絡的單效蒸餾海水淡化工藝參數優化：解鎖高效可持續水資源解決方案

  在全球水資源日益緊張的當下，淡水供應不足成為了制約人類發展的重大難題。地球表面雖有豐富的水資源，但淡水僅占 3%，且大多存在于地下水和冰山之中，可輕易獲取的淡水僅占 0.3%。隨著全球人口增長和工業化進程加速，對清潔水的需求持續攀升。據聯合國《2023 年世界水資源發展報告》預測，到 2050 年，清潔水需求將增加 30% - 50%。在這樣的嚴峻形勢下，海水淡化成為了獲取清潔水的重要途徑。海水淡化主要有熱法和壓力法兩種。熱法如多效蒸餾（MED）、多級閃蒸（MSF）等，通過蒸發鹽水并冷凝蒸汽獲取淡水；壓力法則利用膜過濾，如反滲透（RO）等技術。單效蒸餾器（SED）作為一種真空蒸發器，在海水淡化

  來源：Desalination

  時間：2025-05-12

知名企業招聘：