• 混合FSO/RF-THz中继通信系统的性能分析

  摘要：在最后一公里接入网络与骨干网络之间的连接中，双跳混合自由空间光-射频（FSO-RF）中继系统被认为是提高无线通信系统容量和覆盖范围的有效解决方案。然而，FSO链路的传输性能受到大气湍流、指向误差以及雾和雪等天气条件的严重影响，而射频接入网络的速率较低且延迟相对较高。为了确保通信质量，设计了一种混合FSO/RF-太赫兹（THz）中继系统。该系统采用了解码转发中继方式，并在中继节点之前采用基于自适应合并方案的混合FSO/RF通信技术，中继节点之后通过THz链路来连接用户。利用所获得的不同链路的统计特性，推导出了系统的中断概率和平均比特错误率的表达式。研究了不同参数对混合FSO/RF-THz中

  来源：IEEE Photonics Journal

  时间：2025-11-25

• 在完全肌下、部分肌下和胸前组织扩张器放置情况下的感染风险及患者报告的术后结果

  乳房重建术中组织扩张器（Tissue Expander, TE）的放置位置对术后并发症及患者生活质量的影响分析乳房重建作为乳腺癌术后重要的治疗手段，其技术路径的选择直接影响患者的长期预后。近年来，随着解剖学重建理念的深入，TE的放置位置从传统的完全肌肉下逐渐发展为包括部分肌肉下和前胸壁（prepectoral）等多种方式。本文基于3707例患者的回顾性研究数据，系统评估了不同TE放置平面（完全肌肉下、部分肌肉下及前胸壁）对感染风险及患者报告结局（PROs）的临床影响。一、研究背景与现状乳房重建技术历经三个阶段发展：初期完全肌肉下放置（complete submuscular）因美学效果差逐渐被

  来源：Plastic and Reconstructive Surgery

  时间：2025-11-25

• 单剂量与24小时抗生素预防在减少乳腺成形术并发症方面的效果：一项随机对照试验

  该研究针对乳腺减重手术（reduction mammaplasty）的抗生素预防性使用方案进行了临床验证。研究聚焦于比较单次麻醉诱导期给药与持续24小时给药两种抗生素使用策略对患者术后感染率和伤口愈合并发症的影响。一、研究背景与临床价值乳腺减重手术作为整形外科常见术式，全球年手术量持续增长。巴西2023年完成该类手术达9.5万例，但术后感染率仍存在争议。尽管美国整形外科医师协会（ASPS）推荐术前1小时给予抗生素预防，但术后是否需要延长抗生素使用存在不同观点。部分临床实践显示，术后持续给药可降低感染率，但可能带来抗生素耐药性等副作用。本研究通过随机对照试验，旨在明确不同抗生素使用方案的实际效果

  来源：Plastic and Reconstructive Surgery

  时间：2025-11-25

• 紫外GaN激光二极管高温特性研究：揭示T0=194 K与T1=825 K的优异热稳定性

  在光谱分析、量子计算和医疗手术等尖端科技领域，紫外激光二极管(Laser Diode, LD)如同精准的光学手术刀，能够提供特定波长的强激光输出。然而，这类器件尤其是发射波长更短的紫外激光二极管，在工作时需要极高的电流密度，这会导致器件自身产生显著热量。温度升高会引发一系列连锁反应：激光阈值电流密度攀升、效率下降、发射波长漂移，最终影响器件的稳定性和寿命。目前商用的紫外激光二极管最高工作温度通常仅为25°C-35°C，严重依赖主动冷却系统，这限制了其在更广泛应用场景下的潜力。尽管氮化镓(GaN)及其合金材料因其宽直接带隙等优点成为紫外激光二极管的理想材料，但对其热特性的深入理解仍显不足。为了解

  来源：IEEE Photonics Journal

  时间：2025-11-25

• 面向普适服务的容错身份认证：基于击键动力学的误差容忍机制研究

  在数字化浪潮席卷全球的今天，密码作为身份认证的基石，其地位既稳固又尴尬。从智能办公环境到分布式普适服务系统，密码如同虚拟世界的钥匙，守护着个人隐私与数据安全。然而这把钥匙却常常因人类认知与输入能力的局限而失灵——强密码难以记忆和输入，微小的输入错误导致登录失败，迫使用户采取密码复用、简单密码或记录密码等安全弱化策略。这种安全与便利的博弈，成为普适计算领域亟待破解的难题。芬兰阿尔托大学的研究团队在《IEEE Pervasive Computing》发表的最新研究中，另辟蹊径地提出“容错认证”理念。研究团队设计了一种将击键动力学生物特征与纠错编码技术相结合的创新方案，通过28名参与者为期一周的25

  来源：IEEE Pervasive Computing

  时间：2025-11-25

• VBench++：一款全面且多功能的视频生成模型基准测试套件

  摘要： 完全开源：我们已将VBench++的所有内容（包括提示、图像集、评估方法、生成的视频以及人类偏好注释）全部开源。同时，我们还会持续向VBench++中添加新的视频生成模型...显示更多

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• MADiff：一种基于运动感知的曼巴扩散模型，用于在以自我为中心的视频中预测手部轨迹

  摘要：通过以自我为中心的视频来理解人类的意图和行为，对于实现具身人工智能至关重要。作为以自我为中心的视觉技术的一个分支，手部轨迹预测在理解人类运动模式方面发挥着重要作用，从而有助于扩展现实和机器人操控等下游任务。然而，当仅使用以自我为中心的视频时，捕捉与合理时间因果关系一致的高层次人类意图是具有挑战性的。在相机自身运动干扰以及缺乏明确指导手部路径点分布优化的可供使用性标签的情况下，这一难度进一步加剧。在这项工作中，我们提出了一种名为MADiff的新手部轨迹预测方法，该方法利用扩散模型来预测未来的手部路径点。我们在潜在空间中设计了去噪操作，通过我们提出的具有运动感知功能的Mamba实现这一过程，

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 扩散模型是用于人体网格重建的高效数据生成工具

  摘要：尽管在3D人体姿态和形状估计（HPS）问题上取得了显著进展，但目前最先进的方法仍然严重依赖于有限的室内动作捕捉数据集或由计算机图形（CG）渲染引擎生成的数据集。这两类数据集在提供准确的人体特征和真实野外背景场景方面都存在不足，而这些对于模拟真实世界的分布至关重要。在这项工作中，我们展示了由生成模型创建的合成数据可以与CG渲染的数据相结合，从而在各种真实世界场景中实现出色的泛化性能。我们提出了一种基于最新扩散模型的有效数据生成流程，称为HumanWild，该流程能够轻松生成人体图像及其对应的3D网格注释。具体来说，我们首先收集了一个包含全面注释的大规模以人为中心的数据集，例如文本描述、深度

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• AniMer+: 通过基于家族特征的Transformer模型，在哺乳动物和鸟类中实现统一的姿态和形状估计

  摘要：在基础模型时代，通过单一网络实现对不同动态对象的统一理解，有望提升空间智能。此外，准确估计多种物种的动物姿态和形状对于生物研究中的定量分析至关重要。然而，由于以往方法的网络容量有限以及综合性多物种数据集的稀缺，这一领域尚未得到充分探索。为了解决这些限制，我们推出了AniMer+，这是我们可扩展的AniMer框架的升级版本。在本文中，我们专注于一种统一的方法来重建哺乳动物（mammalia）和鸟类（aves）。AniMer+的一个关键创新在于其高容量的、具有物种意识的视觉变换器（ViT），该变换器采用了专家混合（MoE）设计。其架构将网络层划分为特定于物种的组件（针对哺乳动物和鸟类）以及跨

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 动态深度因子图在多智能体强化学习中的应用

  摘要：多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）需要多个决策智能体之间的有效协作以实现共同目标。基于全局价值函数的方法会面临维度灾难（curse of dimensionality）的问题，而完全分解后的集中式训练结合分布式执行（Centralized Training with Decentralized Execution, CTDE）方法则常常会出现过度泛化（relative overgeneralization）的问题。协调图（coordination graphs）可以缓解这一问题，但通常无法捕捉随时间和任务变化而发展的动态协

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 通过自主学习知识来提升数学推理能力

  摘要：使机器能够解决数学问题是开发能够模拟人类思维和推理能力的智能系统的重要任务。然而，大多数现有方法主要集中在重建人类对问题的理解上，但这仍然远远不够，因为这些方法忽视了人类从经验中学习知识的基本能力。在本文中，我们致力于赋予模型自主从数学问题解决中学习知识的认知能力。我们首先提出了一个名为CogSolver的认知求解器，它包含一个智能的BRAIN-ARM框架作为认知结构，并通过“存储-应用-更新”三个步骤来执行知识学习过程，这一过程受到两种认知科学理论的启发。BRAIN系统存储三种基本类型的数学知识，而ARM系统则在答案推理过程中有机地应用这些知识。问题解决后，BRAIN根据ARM的反馈更

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 街头高斯模型：利用高斯基元模拟动态城市场景

  摘要：本文旨在解决为自动驾驶场景建模动态城市街道的问题。最近的方法通过结合跟踪到的车辆姿态来增强NeRF（Neural Radiosity Fields），从而实现动态城市街道场景的逼真视图合成。然而，这些方法存在训练速度慢和渲染速度慢的显著局限性。我们提出了Street Gaussians，这是一种新的显式场景表示方法，可以有效解决这些问题。具体而言，动态城市场景被表示为一组点云，这些点云配备了语义logits和高斯 primitives，每个点云分别与前景物体或背景相关联。为了模拟前景物体的动态变化，每个物体点云都通过可优化的跟踪姿态进行优化，并结合4D球谐模型来表现物体的动态外观。这种显

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• VSCode-V2：通过两阶段优化实现通用视觉显著目标和伪装目标检测的动态提示学习

  摘要：显著对象检测（SOD）和伪装对象检测（COD）是相关但不同的二值映射任务，它们都涉及多种模态，这些模态具有共同点同时也保持独特的特性。现有的方法通常依赖于复杂的、针对特定任务的架构，这导致了冗余性和泛化能力有限。我们之前的工作VSCode引入了一个通用模型，能够有效处理四种SOD任务和两种COD任务。VSCode以VST作为基础模型，并在编码器-解码器框架中加入了2D提示，以捕获领域和任务特定的知识，利用提示区分损失来优化模型。在之前工作VSCode的有效性的基础上，我们通过针对模型设计和优化策略的改进，找到了进一步提升泛化能力的方法。为了实现这一目标，我们提出了VSCode-v2，该扩

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 基于双线性配对函数的无线传感器网络安全时间同步

  摘要：时间同步对于无线传感器网络（WSNs）至关重要，而安全的时间同步是运行在这些网络上的许多复杂应用的关键要求。大多数现有的安全时间同步协议都会产生较高的通信和存储成本，并且容易受到一些已知的安全攻击。在本文中，我们提出了一种新的安全时间同步协议，适用于同构和异构的WSN模型；该协议利用基于配对的加密技术来保障时间同步的安全性，并降低每个节点的通信和存储需求。对该协议的安全性分析表明，它能够有效抵御多种攻击，包括选择性转发攻击、虫洞攻击、伪装攻击、消息篡改攻击、重放攻击和延迟攻击。

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

• 通过宽松排序一致性提升持久内存的性能和耐久性

  摘要：持久内存能够在主内存层面提供高性能的数据持久化功能。为了满足存储一致性要求并确保系统崩溃后能够正确恢复数据，内存写入操作必须严格按照特定顺序执行。然而，这种严格的顺序限制会显著降低系统性能和持久内存的耐用性。本文提出了一种新的机制——松散排序一致性（ Loose-Ordering Consistency，简称LOC），该机制能够在较低的性能损耗和更小的耐用性损失下满足排序要求。LOC主要包含两种关键技术：首先，“急切提交”（Eager Commit）技术消除了在事务中必须执行持久性提交记录写入的操作。我们通过将必要的元数据信息与写入内存的数据块一起静态存储，从而在系统恢复过程中能够确定所

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

• 支持自主学习并降低辍学率：学士学位护理项目中大三衔接课程的成果

  ```section> 摘要 通俗语言总结 背景： 在健康与疾病（HI）和药理学（PH）领域，高辍学率促使一所护理学士学位项目的教育工作者开发了一个课程中的暑期衔接项目。 目的： 本研究的目的是确定这个衔接项目在培养学生的自我调节学习（SRL）策略以及降低辍学率方面的有效性。 方法： 该项目面向即将升入大三的护理专业学生，通过短期讲座教授SRL策略。 结果： 2022年至2024年间，共有44%的符合条件的学生参与了该项目。与未参与项目的学生相比，参与衔接项目的学生的辍学率更低：在健康与疾病领域（8.99% vs 16.5%，z = 2.18，P = 0

  来源：Nurse Educator

  时间：2025-11-25

• 利用基于顺序任务的编程模型在超级计算机上实现高性能

  摘要：随着加速器成为超级计算机上的标准计算资源，以及随之而来的架构复杂性增加，对高级并行编程范式的需求重新浮现。基于顺序任务的编程模型已被证明能够在单个多核节点上高效应对这一挑战（该节点可能还配备了加速器），这促使OpenMP 4.0标准对其进行了支持。在本文中，我们展示了这种编程范式也可以用于在由多个此类节点组成的现代超级计算机上实现高性能，而且用户代码所需的修改非常有限。为了证明这一点，我们扩展了StarPU运行时系统，增加了一个先进的节点间数据管理层，该层能够自动处理通信任务。我们通过在这个新的运行时系统层上实现的基于任务的Cholesky算法来说明这一点。结果表明，该算法能够实现非常高

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

• 赋能未来的护士：将情商融入护理教育

  ```section> 摘要 通俗语言总结 背景： 主动学习策略（ALS）注重情商（EI）的培养，有助于提升护理人员的人际交往能力和情感素养。这些能力对于培养抗压能力和形成专业护理身份至关重要。 问题： 尽管情商的重要性已被广泛认可，但传统的护理教育往往更侧重于技术技能和临床知识，而对情感能力和人际交往能力的培养关注不足。 方法： 本文探讨了将反思、情感导向的模拟练习和基于沟通的训练方法融入护理学士学位（BSN）课程中的做法。通过结合戈尔曼的情商模型和科尔布的经验学习周期，这种新的教学方法有助于培养本科护理学生的情商。 成果： 这些学习方法能够帮助学

  来源：Nurse Educator

  时间：2025-11-25

• 幕后故事：教学设计师对护理课程开发的影响

  摘要通俗语言总结 背景： 随着护理教育向在线、混合式和基于模拟的教学方式转变，课程设计变得越来越复杂。 问题： 尽管教师是内容专家，但他们往往缺乏教学设计（ID）和数字教学法的培训，导致学习体验不一致且缺乏吸引力。 方法： 本文探讨了如何将教学设计支持融入每门课程中，以实现与护理教师的协作式课程开发。教学设计师可以提供教学法专业知识和技术能力。一篇来自护理学院的案例研究，结合文献回顾和最佳实践，展示了教学设计与教师合作如何提高课程质量。

  来源：Nurse Educator

  时间：2025-11-25

• COOPER-SCHED：一种用于移动边缘计算的协作调度框架，可保证预期截止日期

  摘要：尽管移动边缘计算（MEC）有望提升用户的移动体验，但构建一个能够充分利用MEC功能的调度框架仍然具有挑战性。当涉及到服务质量（QoS）时，问题变得更加复杂。在这项工作中，我们专注于在MEC中实现QoS保障的调度，其中云lets是一种部署在无线接入点（AP）上的小型云中心，用于为附近的移动设备提供服务。有多个移动设备（MDs），每个设备都与一个需要卸载到AP并在云lets中执行的任务相关联。每个任务都包含一块输入数据、一个执行工作负载以及一个QoS要求，即任务预计完成的时间截止点。我们的目标是找到一个高效的调度方案，该方案涉及无线接入网络（RAN）的分配以及任务在多个异构服务器上的映射，以

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

知名企业招聘：