• 辐射诱导缺陷的非均匀分布对AlGaN/GaN HEMT电性能的影响

  氯离子辐照AlGaN/GaN HEMTs导致深度非均匀缺陷，引发阈值电压正移、漏极电流饱和及跨导率崩溃。缺陷工程分析表明FeGa-VN（-0.5eV）缺陷主导阈值漂移，而AlGaN层VN缺陷（-0.77eV）在门压临界值后激活电子捕获机制，造成门压依赖的非均匀载流子陷阱效应。

  来源：IEEE Transactions on Nuclear Science

  时间：2026-02-22

• IEEE仪器与测量协会主席信息：加速增长、提升质量与面向未来的举措 中文标题 IEEE仪器与测量协会年度进展报告：出版物增长管理、会议版图扩张及会员服务优化

  本文介绍了IEEE仪器与测量协会（IMS）在主席任期内的关键进展。为应对《IEEE仪器与测量汇刊》（TIM）投稿量激增的压力，协会设计了新的审稿流程以保障质量与时效。同时，新创刊的《IEEE仪器与测量开放期刊》（OJIM）已获首个影响因子。协会还推出了人工智能研讨会（AI4IM），并调整会费结构、增加旅行资助，以提升全球参与度。此外，IMS正推动IEEE 1588等重要标准免费公开，并成立委员会加强数字时代的沟通与推广。

  来源：IEEE Instrumentation & Measurement Magazine

  时间：2026-02-22

• 神经网絡驅動低比特 CUTLASS GEMM 自動調優：大規模數據的高效優化

  本研究針對深度學習中低精度矩陣乘法（GEMM）在 GPU 平台上的優化難題，提出一種基於神經網路的自動調優框架。該研究構建了包含多種 GPU 架構的大規模數據集，並訓練神經網路模型預測最優的 GEMM 模板參數（Tile形狀與Pipeline階段）。實驗驗證該方法能實現高達 95.11% 的預測準確率，在 A100 GPU 上相比默認模板獲得了 GEMM 運算最高 1.99 倍的加速，為低比特神經網路的高效部署提供了有力工具。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 面向无样本类增量学习的综合集成框架CEFCIL：攻克稳定性与可塑性权衡及维数崩溃难题

  本研究针对无样本类增量学习（EFCIL）中存在的灾难性遗忘、稳定性与可塑性难以平衡及初始训练阶段维数崩溃等核心挑战，提出一种全面的集成框架CEFCIL。该框架融合了多样化基网络、基于马氏距离的集成最近类均值分类器、缓存根模型的双知识蒸馏策略以及维数崩溃预防策略，在不同实验条件下均展现出卓越性能，并具备强大的跨领域能力。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• CMANet：一种用于手术阶段在线识别的TCN-RMamba-Attention网络

  提出融合时空特征的三阶段模型CMANet，通过TCN和RMamba提取空间特征，结合差分注意力机制优化预测，有效解决手术阶段识别中的相位抖动和计算效率问题，并在两个基准数据集上验证其有效性。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

• 用于亚太赫兹成像的LC增强型CMOS等离子体探测器

  提出了一种基于标准0.18μm CMOS工艺的LC增强型亚太赫兹检测器，采用差分拓扑结构并集成漏极电感，有效提升高频信号传输和漏极阻抗，降低噪声，实现高响应度（1561 kV/W）和低噪声等效功率（11.6 pW/√Hz），在150 GHz处验证了其亚太赫兹成像性能，信号噪声比达29.2 dB，适用于高分辨率低噪声被动成像。

  来源：IEEE Microwave and Wireless Technology Letters

  时间：2026-02-22

• 面向信号、安全与系统：噪声分析、隐私挑战及电网监测的仪器与测量前沿研究

  本期《IEEE Instrumentation & Measurement Magazine》作为2026年首期常规刊，以全新版面亮相，聚焦于仪器与测量领域的核心挑战与应用。针对测量噪声的深度解析（如《当噪声成为信号》一文重新审视了噪声作为被测量的特性），应对人工智能时代下的隐私、伦理与法律风险（如人脸识别技术的综述），以及网络安全在物理层与设备级的关键需求，研究人员开展了一系列探索。本期内容涵盖从光学传感、射频芯片参数精确测量到电网同步相量测量单元(PMU)算法等广泛主题，旨在推动更准确、更安全的测量方法，以支撑日益复杂的互联系统（如智能电网与惯性导航），为相关工程领域提供了重要的方法论参考与前沿洞见。

  来源：IEEE Instrumentation & Measurement Magazine

  时间：2026-02-22

• Knit框架：知识图谱嵌入与指令调优融合以减轻大语言模型在知识补全中的事实幻觉

  为解决知识图谱的不完备性及大语言模型（LLM）在知识图谱补全任务中存在的事实知识幻觉问题，研究人员提出了一种名为Knit的新型知识图谱集成指令调优框架。该框架通过集成知识图谱信息适配器、知识提示和指令调优策略，增强了LLM识别实体关系的能力，提升了嵌入可解释性并保证了回答一致性。在四个公开数据集上的实验结果表明，Knit在所有知识图谱补全子任务中均实现了显著的性能提升，达到了最先进的水平，有效缓解了知识缺陷和知识过度泛化导致的事实幻觉问题，为高效可靠的LLM知识推理提供了新思路。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 解耦与聚合：利用反射和透明表面的双层光场深度估计

  光场深度估计中双层面反射问题通过自适应成本体积解耦模块与迭代自引导聚合模块解决，合成数据集验证了双层场景下网络对背景层与反射层的分离效果及深度估计精度提升。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

• 用于提升360°视频可访问性的音视频大型语言模型（Audio-Visual LLM）

  360°视频通过非语言音频增强沉浸感，但听障人群声效可及性不足。本文提出AVLLM-360框架，利用大语言模型跨模态训练实现全景视频内容理解与声效描述生成，并提供混合媒体界面支持个性化定制。实验表明该框架能有效提升听障用户观影体验，在24类360°视频中验证了多模态理解与生成能力。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

• 大语言模型辅助的参数化CAD机械设计框架：针对规则几何体的自动化实现与效率提升

  针对传统人工CAD建模效率低、基于AI生成式CAD方法依赖大规模训练数据且难以保证尺寸精度的问题，本文研究了一种融合大语言模型(LLM)与CAD API参数化模板的自动化机械设计框架。该方法利用LLM将自然语言设计意图转化为可执行指令并支持参数交互优化。案例研究表明，相比手动建模，该方法可将滚珠轴承单实例设计执行时间缩短约94–95%，并生成可直接用于下游CAE与制造流程的原生CAD输出。

  来源：IEEE Access

  时间：2026-02-22

• 一种高度紧凑的双层8×8 E-平面波导巴特勒矩阵

  基于三层金属板堆叠的8×8平面波导Butler矩阵采用双层布局和仅两处交叉连接，通过电容 stub、皱褶和电感步进实现相位一致性，利用E平面分块加工技术，原型尺寸为13.9λ×4.5λ×2.7λ，体积较传统结构缩减89%，在K波段（17.7-20.2GHz）平均插入损耗23.4dB，适用于卫星系统多端口功放。

  来源：IEEE Microwave and Wireless Technology Letters

  时间：2026-02-22

• 基于自脉冲激活的二维材料结构的SOT-MTJ：一种适用于锂离子电池架构的可扩展且节能的写入电路

  自旋轨道扭矩磁隧道结（SOT-MTJ）器件因在低功耗计算中的潜力备受关注，但传统写入电路依赖外部自旋霍尔效应（SHE）脉冲，导致能耗高和设计复杂。本文提出一种新型自SHE脉冲生成技术，消除外部脉冲需求并简化电路，同时采用二维材料SOT-MTJ提升电荷-自旋转换效率。该写入电路集成在1位算术逻辑单元（ALU）中，扩展至4位验证可扩展性。45nm CMOS仿真显示面积效率提升16.05%，能耗降低20.72%，全加器能耗效率更优25.2%。蒙特卡洛模拟验证了氧化层和自由层厚度变化下的鲁棒性。通过消除外部SHE脉冲需求并利用二维SOT-MTJ技术，为低功耗高速可扩展逻辑存储器架构提供了重要突破。

  来源：IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems

  时间：2026-02-22

• 大型语言模型中知识整合与可控生成的协同探索

  本刊推荐一项发表于《IEEE Transactions on Big Data》的创新研究，题为“Prompting is not Enough: Exploring Knowledge Integration and Controllable Generation on Large Language Models”。为解决现有基于大语言模型的开放域问答方法面临的知识整合不充分与答案格式难以控制两大挑战，研究团队提出了全新的GenKI框架。该框架创新性地将传统的“检索-生成”两阶段范式扩展为“检索-知识整合-可控生成”三阶段，通过微调将检索到的知识内化至模型参数，并结合后处理模型与基于文本一致性的集成方法，实现了知识的高效存储与生成输出的精准格式化。实验在TriviaQA、MSMARCO和CMRC-2018等多个数据集上验证了其优越性能，为增强大语言模型在知识密集型任务中的可靠性提供了新思路。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 基于Transformer和纵向多模态数据的阿尔茨海默病早期诊断与预后深度生存预测模型研究

  本研究利用纵向多模态数据构建了一个基于Transformer架构的生存预测模型LSM-AD，旨在解决阿尔茨海默病(AD)早期诊断与进展预测的难题。结果表明，整合更长病程历史和MRI生物标志物数据可显著提升预测性能（AUROC最高提升15%），并揭示了认知评估在跨期预测中的核心作用，为AD的临床监测和个性化干预提供了重要工具。

  来源：IEEE Transactions on Big Data

  时间：2026-02-22

• 新型传输线特性在Π型短截线电路中的应用

  传输线恒等式在微波电路设计中的应用研究。提出一种新型等效电路替代传统Π型结构中的1:−1变压器，通过两段短路 stubs 和传输线实现全频段等效，并成功应用于微带滤波器设计验证。

  来源：IEEE Microwave and Wireless Technology Letters

  时间：2026-02-22

• 基于冯·诺依曼熵强次可加性的三方优化关联度量可加性系统研究

  本文研究信息论中由冯·诺依曼（von Neumann）熵组合优化定义的关键函数（如纠缠纯化Ep∞）。针对其正则化计算困难，本文扩展了先前针对两体（bipartite）情况的方法，系统识别了三方（tripartite）量子态的关联度量凸多面锥。仅利用冯·诺依曼熵的强次可加性（SSA），作者证明了三个已知三方优化关联度量（Sv(A|B)、Sv(A|C)、Sv(B|C)）具有更强的均匀可加性，为其正则化计算提供了便利。

  来源：IEEE Transactions on Information Theory

  时间：2026-02-22

• 基于先验分布引导的高斯混合变分自编码器（PDGM-VAE）用于图像生成

  变分自编码器（VAE）通过引入潜在空间和变分推断实现图像生成，但传统高斯分布假设与真实数据分布存在偏差，影响建模效果。本文提出PDGM-VAE，采用高斯混合先验学习器（GMPL）捕捉数据复杂特征，并构建Semantic-Aware Module with Embedded Prior Distribution（SAMEPD）整合标签信息优化分布参数，通过近似后验分布到先验分布提升建模与重建能力，在五个公开数据集上FID指标显著优于传统VAE方法。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

• CGSI：一种基于上下文引导和无人机状态信息的多模态框架，用于实现通用化的跨视图地理定位

  无人机与卫星跨视角地理定位研究提出CGSI框架，通过融合多海拔视觉特征构建上下文引导的多模态令牌编码器解决域差距问题，并采用无人机群图注意力机制消除状态混淆，在大学-1652和SUES数据集上达到SOTA性能，验证了该方法跨区域泛化优势。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

• 利用视觉语言模型来选择由扩散模型生成的可靠超分辨率样本

  本文提出基于视觉语言模型（VLMs）的扩散超分辨率（SR）可靠样本选择框架，通过语义推理评估生成图像的语义正确性、视觉质量和伪影，集成顶部候选者生成单一可靠输出。创新性提出混合可信度评分（TWS），融合CLIP语义相似度、SSIM结构完整性及多级小波伪影敏感度，验证其与人类偏好强相关且优于传统PSNR/LPIPS指标，有效解决SR不确定性问题。

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-02-22

知名企业招聘：