• 视觉输入统计特征与行为相关性共同决定了高级视觉皮层的组织结构

  视觉系统的研究一直是神经科学和认知科学领域的重要课题。近年来，随着神经影像技术的发展，特别是功能性磁共振成像（fMRI）的应用，科学家们能够更深入地探索大脑视觉皮层的结构和功能。在这一背景下，Ritchie及其同事提出了一种新的视角，认为高级视觉皮层的功能组织应从行为相关性的角度进行理解，而不是局限于传统的类别选择性理论。这一观点引发了广泛的讨论，并促使研究者重新思考视觉系统如何在不同任务和环境条件下进行适应和调整。在这一框架下，本文作者进一步指出，视觉输入的统计特性也是影响视觉皮层组织结构的重要因素。视觉皮层不仅受到行为相关性的驱动，还受到自然视觉输入中各种特征分布的影响。这些统计特性包括低

  来源：Cognitive Neuroscience

  时间：2025-11-25

• 线粒体DNA拷贝数在神经发育障碍中的作用：一项双向双样本孟德尔随机化研究

  近年来，神经发育障碍（NDDs）的分子机制研究逐渐聚焦于线粒体功能异常的潜在关联。线粒体作为细胞能量代谢的核心，其DNA复制数量与神经发育的平衡可能存在深层联系。一项创新性研究通过双向孟德尔随机化（MR）方法，首次系统验证了线粒体DNA拷贝数与典型发育障碍（如自闭症谱系障碍）的因果关系，同时排除了注意力缺陷多动障碍（ADHD）和书写痉挛（TS）的关联。研究采用多源数据整合策略，构建了包含英国生物银行38.3万样本和基因组流行病学联盟46.6万样本的混合数据库。这种双样本设计有效规避了单一数据集的遗传偏倚，同时通过AutoMitoC技术精确量化mtDNA拷贝数，突破了传统方法在动态检测中的局限。

  来源：Psychology Research and Behavior Management

  时间：2025-11-25

• 物理信息是如何被用来理解心理世界的

  摘要在认知科学领域，研究者将“心智理论”（根据他人的心理状态来理解他们的行为，即“朴素心理学”）和“物理推理”（根据物理事件的本质机制和动力学来理解这些事件，即“朴素物理学”）视为两种独立的过程。在本文中，我们阐述了心理推理依赖于物理推理的两种方式：首先，人们将具有生命的个体的身体视为物体，将他们的行为视为物理事件；其次，人们利用物理知识来推断他人的心理状态，包括他们的意愿、感受、认知内容、努力程度以及所面临的危险。我们回顾了发展心理学和认知神经科学的相关研究，这些研究为这两种系统之间的相互作用提供了证据，并介绍了关于心智理论的贝叶斯计算模型，这些模型阐述了它们如何协同工作的正式假设。我们认为

  来源：Nature Reviews Psychology

  时间：2025-11-25

• 综述：将植物防御反应整合到管理线虫威胁中以实现农业可持续性：综述

  植物寄生线虫（Plant-Parasitic Nematodes, PPNs）是全球农业中最严重的生物危害之一，它们对主要粮食作物和经济作物造成巨大损害，导致产量损失和粮食安全问题。传统上，农民主要依赖化学杀线虫剂来控制线虫数量，但这些化学物质不仅对环境和人类健康构成威胁，还可能引发土壤微生物群落失衡和地下水污染。此外，许多合成杀线虫剂在多个国家受到监管限制，使得农民难以找到有效的替代方案。因此，寻找可持续、生态友好的管理策略变得尤为重要。植物寄生线虫通过不同的寄生方式对植物造成伤害，包括外寄生（ectoparasites）和内寄生（endoparasites）。外寄生线虫如 *Xiphine

  来源：Journal of Neuroradiology

  时间：2025-11-25

• 血清S100β与神经元特异性烯醇化酶（NSE）与墨西哥儿童肥胖参数的相关性研究

  随着全球儿童肥胖率持续攀升，肥胖相关的健康问题已远超代谢疾病范畴，逐渐波及中枢神经系统。研究表明，成年肥胖者常伴随认知功能下降，且血清中脑源性蛋白如S100钙结合蛋白β（S100β）和神经元特异性烯醇化酶（NSE）水平异常，提示血脑屏障（Blood-Brain Barrier, BBB）功能紊乱或神经炎症可能参与其中。然而，这一关联在儿童群体中是否成立尚不明确。墨西哥儿童因遗传和生活方式因素，肥胖及相关代谢疾病风险较高，亟需探索早期肥胖对神经发育的潜在影响。为解答这一问题，研究人员在《International Journal of Obesity》发表论文，聚焦墨西哥6-11岁儿童群体，通过

  来源：International Journal of Obesity

  时间：2025-11-25

• 肌萎缩侧索硬化症（ALS）患者大脑中，TDP-43病理变化导致鞘磷脂和ABCA8的表达上调

  这项研究聚焦于渐冻症（ALS）中脑组织的脂质变化，特别是鞘磷脂（sphingomyelin）的水平及其与TAR DNA结合蛋白43（TDP-43）病理之间的关系。ALS是一种快速进展的神经退行性疾病，主要影响运动神经元，导致肌肉无力、语言障碍、吞咽困难和呼吸功能受损。尽管已有大量关于ALS的遗传和病理机制的研究，但其确切病因仍未完全明确。近年来，越来越多的证据表明，中枢神经系统中的脂质失调可能在ALS的发病机制中起着关键作用，尤其是鞘磷脂的异常可能与TDP-43的病理变化密切相关。鞘磷脂是脑组织中高度富集的一种鞘脂类物质，属于具有鞘氨醇骨架的脂质家族，其中还包括神经酰胺、葡萄糖脑苷和鞘氨醇等。

  来源：Brain Pathology

  时间：2025-11-25

• 基于优化的聚合风能和太阳能容量估算及馈线功率预测方法

  摘要：到2050年，实现清洁的深度电气化将需要将无数分布式能源资源（DERs）连接到电力分配系统中。目前电力公司的做法要求提供完整的DER信息以用于运营应用，例如短期馈线功率预测（FPP），但在未来面对大量DERs的情况下，这种做法将不再可行。与现有的关于DER承载能力估算的研究不同（这些研究侧重于确定系统在不进行电网增强的情况下可以整合的最大DER容量），本研究旨在应对未来估算连接DERs的总容量（EAC）的挑战。此外，它还旨在预测中压（MV）级别的馈线功率。所提出的方法结合了先进的优化技术和深度神经网络（DNN）模型。首先介绍了一种优化方法，其中第一阶段包括训练基本的太阳能和风能DNN模型

  来源：IEEE Transactions on Power Delivery

  时间：2025-11-25

• 通过结合CT图像分析的2.5D卷积神经网络模型实现恶性椎体压缩性骨折的早期识别

  摘要 通俗语言总结 研究设计 本研究采用了回顾性数据分析方法，并结合了模型开发和验证。 研究目的 本研究介绍了一种2.5D卷积神经网络（CNN）模型，该模型利用CT成像技术来辅助早期检测恶性椎体压缩性骨折（MVCF），从而可能减少对侵入性活检的依赖。 背景数据概述 椎体组织病理活检被认为是区分骨质疏松性椎体压缩性骨折（OVCF）和恶性椎体压缩性骨折（MVCF）的金标准。然而，由于

  来源：Spine

  时间：2025-11-25

• 通过双输入神经网络多样性技术提升4.2公里多模传输的性能

  摘要：在短距离应用中，基于多模光纤（MMF）的光通信系统由于其低成本和与现有基础设施的兼容性而成为一种重要的解决方案。然而，MMF系统的性能受到模式依赖损耗（MDL）和模式色散（MD）的显著限制，尤其是在高速传输场景下。多样性接收技术通过结合多个信号路径来有效提高整个系统的性能。我们的工作展示了一种基于神经网络（NN）的多样性接收方案，该方案从根本上解决了传统方法（如选择组合（SC）、等增益组合（EGC）和最大比组合（MRC）在MMF系统中的局限性。对于30-GBaud PAM-4和20-GBaud PAM-8信号传输的实验结果表明，所提出的方案和NN方法能够显著提升系统性能。在4.2公里的M

  来源：IEEE Photonics Technology Letters

  时间：2025-11-25

• 基于铕的节能二维钙钛矿ReRAM，用于光可调神经形态计算

  摘要：新兴的神经形态计算系统需要能耗低、功能多样的非易失性存储器（NVM），这些存储器应具备电控和光控能力。我们报道了在Ag/(PEA)3EuBr6/FTO器件中实现的光敏可调电阻开关（RS）技术，其中使用了基于Eu的二维卤化物钙钛矿作为开关层（SL）。电学特性表明，该器件在无外加场的情况下即可实现低电压的双极开关效应（暗态时为±0.48 V），而在365纳米光照下这一电压进一步降低至±0.42 V。光照显著提升了器件的存储窗口宽度，从约3.0 × 10^3秒增加到约4.8 × 10^3秒；数据保持能力稳定在约26,000秒，循环寿命达到约40,000次，同时存储性能提升了约1.47倍。在光偏

  来源：IEEE Photonics Technology Letters

  时间：2025-11-25

• 利用GRU神经网络在电光混沌系统中实现混沌同步与解密

  摘要：神经网络可以用于混沌光通信系统接收端的混沌同步和解密。简单的训练方法和高效的网络结构值得在这一领域进一步探索。我们提出了一种适用于电光相位反馈（EOPF）混沌通信系统的新训练方法。该方法采用门控循环单元神经网络（GRU-NN），仅使用由加密数据和明文数据构建的数据集进行训练。实验验证表明，经过训练的模型能够实现高质量的混沌同步并支持解密。这种方法在训练过程中只需要通信双方部分共享明文数据，为混沌光通信中的远程训练场景提供了有价值的参考。

  来源：IEEE Photonics Technology Letters

  时间：2025-11-25

• 基于物理信息的神经网络的室内非视距光无线通信

  摘要：室内光无线通信（OWC）能够提供高速且安全的传输，但在视距（LOS）条件下容易受到阻挡。非视距（NLOS）OWC通过利用漫反射光路径来克服这一问题，但随之带来了复杂的信道环境，包括严重的多径效应、信号衰减、设备非线性以及符号间干扰（ISI），尤其是在高数据速率时。这些因素会显著降低通信性能，并限制传统均衡器的效果。本文提出了一种基于物理信息神经网络（PINN）的均衡器，旨在应对NLOS室内OWC所面临的挑战。与传统均衡器相比，该PINN均衡器在不同数据速率和硅光电倍增管（SiPM）偏置电流条件下，将比特错误率（BER）提高了24.6%至70.87%。与基于常规循环神经网络（RNN）的均衡

  来源：IEEE Photonics Technology Letters

  时间：2025-11-25

• 跨现实（Cross Reality）系统的演进与未来：从感知融合到数字孪生

  十六年前，当IEEE Pervasive Computing首次推出关于“跨现实环境”的特刊时，它描绘了一个将无处不在的传感器/执行器网络与沉浸式虚拟世界融合的愿景，试图构建一个连接物理与虚拟现实的、无缝的电子“神经系统”。这一概念深受科幻经典（如Verner Vinge的《真名实姓》）的启发，旨在扩展人类感知与互动，超越传统的“此时此地”，重新定义“存在”的意义。然而，在2009年，跨现实系统大多依赖于实验室等受限环境中专门部署的传感器网络，并与定制的增强现实系统及如Second Life等初生的共享虚拟世界环境相连。时光荏苒，自2009年那期特刊问世以来，普适计算经历了指数级增长。如今，网

  来源：IEEE Pervasive Computing

  时间：2025-11-25

• LN3DIFF++：可扩展的潜在神经场扩散技术，用于快速生成三维模型

  摘要：神经渲染领域取得了显著进展，这得益于生成模型和可微分渲染技术的进步。虽然2D扩散技术已经取得了显著成果，但开发统一的3D扩散流程仍然是一个未解决的挑战。本文提出了一种新的框架LN3DIFF++，旨在填补这一空白，实现快速、高质量且多用途的条件式3D生成。我们的方法利用了具有3D感知能力的架构和变分自编码器（VAE）将输入图像编码到结构化、紧凑的3D潜在空间中。然后，基于Transformer的解码器将潜在表示解码为高容量的3D神经场。通过在具有3D感知能力的潜在空间上训练扩散模型，我们的方法在ShapeNet和FFHQ数据集上的特定类别3D生成任务中表现优异，并且在Objaverse数据

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 基于语言引导的图表示学习在视频摘要中的应用

  摘要：随着社交媒体上视频内容的快速增长，视频摘要生成已成为多媒体处理中的关键任务。然而，现有方法在捕捉视频内容的全局依赖关系以及满足多模态用户定制需求方面面临挑战。此外，视频帧之间的时间邻近性并不总是与语义邻近性相对应。为了解决这些问题，我们提出了一种新型的语言引导图表示学习网络（Language-guided Graph Representation Learning Network，简称LGRLN）用于视频摘要生成。具体来说，我们设计了一种视频图生成器，该生成器将视频帧转换为结构化图，以保留时间顺序和上下文依赖关系。通过构建正向图、反向图和无向图，视频图生成器有效地保持了视频内容的顺序性和

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 最优控制理论神经优化器：从反向传播到动态规划

  摘要：深度神经网络（DNNs）的优化推动了现代人工智能的进步。由于DNNs具有长时间的非线性传播过程，因此根据目标确定其最优参数自然属于最优控制编程的范畴。将DNNs视为动态系统的这种理解，在从数值方程到物理学的原理性分析中起到了关键作用。与这些理论研究并行的是，本文侧重于算法层面。我们发现一个有趣的算法相似性：DNNs中用于计算梯度的反向传播（Backpropagation）算法与动态系统的最优性条件之间存在相似之处，后者通过另一种称为动态规划（dynamic programming）的逆向过程来表达。通过建立这种联系——即反向传播具有变分结构，并求解一阶展开的近似动态规划问题——可以开发出

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 学习任务：多输出深度神经网络中用于梯度冲突缓解的优选推理路径

  摘要：多输出深度神经网络（Multi-output Deep Neural Networks，简称MONs）包含多个用于不同任务的输出分支，这些任务通常会共享部分网络滤波器，从而导致网络内部不同任务之间的推理路径相互交织。由于优化目标存在差异，训练过程中各任务的梯度会在共享路径上相互干扰，从而降低整个模型的性能。为了解决这个问题，我们提出了一种名为DR-MGF（Dynamic Routes and Meta-weighted Gradient Fusion）的新颖梯度冲突缓解算法。与现有的冲突缓解方法不同，DR-MGF通过学习任务优先的推理路径来实现MONs中的梯度冲突缓解。该方法的提出基于我

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• BiKT：通过双向知识传递释放图神经网络（GNNs）的潜力

  摘要：基于消息传递范式，已有大量研究提出了多种多样且令人印象深刻的特征传播机制，以提高图神经网络（GNNs）的性能。然而，对于消息传递框架中的另一个关键操作——特征转换，关注度相对较低。在本文中，我们首先通过实证研究了几种典型GNN中特征转换操作的性能。出乎意料的是，我们发现GNN并未完全发挥出特征转换操作的全部潜力。基于这一观察，我们提出了双向知识传输（BiKT）技术，这是一种无需修改原始架构即可释放特征转换操作潜力的即插即用方法。将特征转换操作视为一个与原始GNN共享参数的衍生表示学习模型，该模型可以直接进行预测，提供与拓扑结构无关的知识反馈，从而进一步指导GNN及其内部特征转换的学习过程

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• GLPilot：利用可学习嵌入实现的高效分布式图神经网络（GNN）训练

  摘要：图神经网络（GNNs）通过可学习的顶点嵌入，使得模型即使在顶点特征稀疏、有噪声或缺失的情况下，也能推断出丰富且与任务相关的表示。在大规模的多GPU训练中，动态更新的嵌入（其大小通常比模型参数大几个数量级）会严重降低训练效率。具体来说，加载远程嵌入以及同步它们的梯度占每次迭代时间的90%以上。传统的缓存和并行处理方法是为静态嵌入或模型参数单独设计的，对于缓解这种与嵌入相关的传输“数据墙”问题效果不佳。为了解决这个问题，我们首先详细分析了训练过程中的顶点访问模式，发现虽然频繁被访问的顶点占据了大部分嵌入加载延迟，但它们的更新次数却很少，因此这些顶点的嵌入非常适合被重复使用（即“陈旧数据”的再

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

• 基于多指标和机器学习的妊娠早期先兆子痫综合预测模型：一项回顾性单中心研究

  子痫前期（Pre-eclampsia, PE）作为妊娠期严重并发症，其早期预测对改善母婴结局具有重要意义。本研究通过整合多维度生物标志物与机器学习技术，构建了首个基于孕早期指标的PE预测模型，为临床提供新工具。以下从研究背景、方法、核心发现及临床价值等方面进行详细解读。### 一、研究背景与意义PE发病率占所有妊娠的2%-8%，是孕晚期高血压和器官损伤的主要诱因。传统筛查依赖孕中期血压和尿蛋白检测，但早期干预窗口期有限。近年研究显示，胎盘血管生成异常、系统性炎症反应及凝血功能紊乱在孕早期已出现特征性改变。例如，胎盘生长因子（PlGF）水平在孕早期即可反映胎盘灌注状态，而 neutrophil-

  来源：Medicine

  时间：2025-11-25

知名企业招聘：