IEEE计算机协会出版的11本同行评审技术期刊涵盖了从软件设计、计算机图形学到互联网计算与安全，从科学应用和机器智能到可视化和微芯片设计等前沿领域。以下是近期期刊的一些亮点。
为野火管理实施紧急计算：准备就绪的重要性
野火管理是一个持续性、时间紧迫且数据密集型的挑战，涉及应急响应、战略规划以及长期景观管理。紧急计算传统上强调在灾难期间快速分配可扩展的计算资源，但仅靠速度是不够的。在野火情景中，准备将科学驱动的工具与运营决策相结合同样至关重要。这篇文章发表在2026年4/6月的《 Computing in Science & Engineering》期刊上，将野火管理中的紧急计算重新定义为一种由可组合的网络基础设施支持的准备状态问题，这种基础设施可以在整个野火生命周期中不断演练、适应和重用。 面部表情识别的数据中心化：数据中心主义在计算机化面部表情识别中的兴起
这篇文章发表在2026年4–6月的《IEEE Annals of the History of Computing》期刊上，追溯了从20世纪80年代中期到21世纪初计算机化面部表情识别系统中数据中心主义的演变过程。它强调了心理学家和计算机科学家如何合作，将面部动作编码系统计算机化，并指出全面、可访问的数据集是自动化面部表情分析的先决条件。作者认为，面部表情与情感状态之间的联系被视为理所当然，无需进一步探究，因为研究人员专注于收集、标注和整理用于训练和测试计算机系统的面部图像数据集。 Cadrec-Net：从B-REP重建CAD设计以支持重用和重新设计
在计算机图形学领域，大多数之前的3D重建尝试重建几何模型。然而，几何模型较为简单，编辑、重用和重新设计的难度较大。因此，参数化计算机辅助设计（CAD）模型的重建对现代CAD/CAM行业具有重大意义。重建参数化CAD模型的挑战在于捕捉设计历史、设计意图和设计语义，这比重建几何模型更为复杂。为了解决这个问题，这篇文章发表在2026年5/6月的《IEEE Computer Graphics and Applications》期刊上，介绍了CadRec-Net，该工具可以利用边界表示模型（Standard for the Exchange of Product格式，行业标准）来重建其设计历史，以便工程重用和重新设计。 SNNL：一种用于脉冲神经网络开发的编程语言
脉冲神经网络（SNN）因生物学上的合理性和能效优势而受到关注。神经形态系统的进步（结合硬件和软件工具）加速了SNN的执行。然而，在此类平台上部署SNN仍然具有挑战性，现有工具在神经形态应用方面的表现力有限或跨平台支持不足。这篇2026年5/6月的《IEEE Intelligent Systems》文章提出了SNNL，这是一种灵活的、特定于领域的语言，用于在神经形态硬件上开发和部署SNN。
Radarsim：朝着由人工智能驱动的雷达检测系统迈进
人工智能（AI）正在将雷达检测从被动感知转变为适应性感知。然而，开发可靠的AI雷达算法受到现实和可控测试环境有限的可访问性的限制。这篇文章发表在2026年5/6月的《IEEE Internet Computing》期刊上，作者介绍了
，这是一个集成了场景建模、硬件在环仿真和闭环鲁棒性评估的智能数字孪生框架。超越加速器：推荐系统推理的全栈硬件/软件协同设计分析
现代推荐引擎通过大规模的多阶段流程驱动大多数在线交互。这些流程结合了用户和项目特征处理、近似最近邻居检索以及深度神经网络（DNN）排序。然而，仅优化DNN排序阶段会在数据传输和非DNN阶段留下显著的瓶颈，从而导致性能不佳。这篇2026年5/6月的《IEEE Micro》文章介绍了ReCoOpt，这是一个用于探索端到端推荐推理流程的硬件和软件设计空间的模块化框架。
MTU：一种利用Mamba模块增强的Swin-Unet旋律提取方法
这篇文章发表在2026年1–3月的《IEEE Multimedia》期刊上，讨论了MTU（Mamba-Transformer U-Net），这是一种专为复调音频设计的旋律提取方法，适用于声乐和非声乐音乐轨道。其架构结合了Swin-Unet和Mamba模块，增强了特征提取能力，并实现了对复杂复调音乐信号的多尺度表示。在ADC2004、MIREX05和MedleyDB等基准数据集上的全面评估表明，MTU在音高和色彩准确性等关键指标上表现优秀，显示出其在复杂复调场景中作为有效旋律提取方法的潜力。
移动系统和普适系统中“携带”与“查找”的双重性
这篇文章发表在2026年4–6月的《IEEE Pervasive Computing》期刊上，探讨了移动系统何时应被视为便携的（从而由用户携带），以及何时可以被视为普适的（从而可以随时随地轻松找到）。它还讨论了如何使用现代技术重新架构一些传统系统，以及新兴的实时移动人工智能系统将如何在这两者之间找到平衡。
基于情境完整性的监管：自适应调节隐私
数据经济的危害源于隐私保护的监管范式存在缺陷以及对隐私侵犯反应迟缓。这篇文章发表在2026年7/8月的《IEEE Security & Privacy》期刊上，提出了一种基于情境完整性的自适应监管系统，包含三个学习周期：制定法规、实时监控和执行以及持续评估。
人工智能驱动的开发中的生产力悖论
这篇文章发表在2026年7/8月的《IEEE Software》期刊上，探讨了在工业环境中，开发者使用基于人工智能（AI）的代码助手时的感知生产力与关键开发者效率和经验维度之间的关系。研究结果表明，AI工具既能提高也能降低生产力。
生成式AI驱动的学习：高等教育中的采用动态
这篇文章发表在2026年5/6月的《IT Professional》期刊上，研究了尼泊尔高等教育中教授采用生成式人工智能（GAI）的意愿受哪些因素影响。研究基于150位教授的数据，结合了计划行为理论和AI素养的维度。结构方程建模显示，AI素养和感知的行为控制对使用GAI的行为意图有显著影响，而态度和主观规范的影响较弱。
