• 基于电子诱导解离技术的酰基肉碱深度结构解析新策略：在SRM 1950标准血浆中的应用与突破

  在代谢组学研究领域，酰基肉碱（acylcarnitines）作为脂肪酸代谢的关键中间体，长期以来被视为诊断代谢紊乱的重要生物标志物。这些由脂肪酸与肉碱结合形成的酯类化合物，承担着将酰基团转运至线粒体进行β-氧化（beta-oxidation）的重要使命，是细胞能量生产的核心环节。然而，科学界面临着一个长期存在的技术瓶颈：传统的碰撞诱导解离（CID）技术虽然在酰基肉碱检测中应用广泛，但其产生的碎片离子主要来自肉碱头基，对脂肪酸链的结构信息提供有限，使得研究人员难以区分结构相似的异构体，也无法精确定位功能基团如双键和羟基的位置。这一技术局限直接影响了酰基肉碱作为生物标志物的应用价值。在临床诊断中，

  来源：ANALYTICAL AND BIOANALYTICAL CHEMISTRY

  时间：2025-11-21

• 基于置信度加权集成的人机协同决策新范式：在图像分类与神经科学预测任务中的验证

  随着人工智能技术的飞速发展，大语言模型（LLM）等AI系统在多个领域展现出超越人类的表现，甚至在预测神经科学研究结果这类知识密集型任务中也能取得更好成绩。这引发了一个关键思考：当机器在特定任务上达到超人类水平时，人类判断在关键决策过程中是否还有存在价值？会不会被完全取代？传统观点可能认为，性能较差的参与者会拖累团队表现，但最新研究表明，情况可能恰恰相反。在《Patterns》杂志发表的一项创新研究中，由Felipe Yánez领衔的研究团队给出了令人振奋的答案。他们发现，人类与机器可以形成互补性团队，即使人类个体表现不如AI，整合后的团队性能仍能超越最好的机器系统。这一发现打破了"优胜劣汰"的

  来源：Patterns

  时间：2025-11-21

• 能量效率驱动预测性重映射与 allocentric 编码——主动视觉循环神经网络模型的涌现机制

  当我们每秒钟进行三次眼动时，为什么世界在我们眼中依然保持稳定？这个看似简单的问题背后隐藏着视觉科学中的“硬绑定问题”（hard binding problem）：尽管视网膜输入随着每次扫视（saccade）发生剧烈变化，我们却能体验到连续稳定的视觉场景。传统理论认为，大脑通过“预测性重映射”（predictive remapping）机制，利用运动指令的副本（efference copy）预测眼动后的视觉输入，从而弥合感知缝隙。然而，这种复杂计算能力的起源始终成谜——究竟是基因编码的精密电路，还是源于更基础的物理原则？发表于《Patterns》的最新研究给出了一个令人惊喜的答案：能量效率这一简

  来源：Patterns

  时间：2025-11-21

• 全球SYMPLICITY注册研究性别分层分析揭示女性难治性高血压表型：高龄、高收缩压与心脏死亡风险关联

  高血压是全球心血管疾病死亡的主要风险因素，而女性在相同血压水平下心血管风险往往高于男性。尤其对于难治性高血压（rHTN）患者，即即使服用三种或以上降压药物仍无法控制血压的人群，性别特异性表型的研究尚不充分。女性患者可能存在独特的生理和病理特征，如更高的动脉僵硬度、更易出现焦虑抑郁等心理问题，但这些差异在临床管理中常被忽视。此外，肾动脉去交感神经术（RDN）作为难治性高血压的介入治疗手段，其疗效和长期结局是否存在性别差异，此前缺乏大规模真实世界数据支持。为明确性别对rHTN患者表型及RDN疗效的影响，研究团队基于全球SYMPLICITY注册研究DEFINE队列（N=3332），筛选2502例符合

  来源：Hypertension Research

  时间：2025-11-21

• 睡眠中非周期性神经活动的时域解析：宽频带与膝点模型揭示神经动态新机制

  当我们进入梦乡，我们的大脑并未停止工作，而是进入了一种高度有序的节律状态。传统上，睡眠研究主要关注大脑电信号中的周期性振荡活动，例如睡眠纺锤波和慢波活动，并以此为基础将睡眠划分为不同的阶段。然而，神经电信号实际上是由周期性的振荡成分和非周期性的背景信号混合而成。这种非周期性信号呈现出典型的1/fx特征，即功率随频率增加而衰减，其衰减速率可由非周期性指数（x）来量化，该指数对应于双对数坐标中功率谱的斜率。近年来越来越多的证据表明，这种非周期性活动在不同睡眠阶段之间存在显著差异，为理解睡眠期间的大脑活动提供了新的视角。尽管非周期性活动的研究潜力巨大，但该领域仍面临方法学上的挑战。先前的研究通常使用

  来源：Communications Psychology

  时间：2025-11-21

• Aβ42淀粉样蛋白纤维体外组装群体的结构重建揭示与人类大脑来源淀粉样蛋白多态性高度相似的稀有物种

  在阿尔茨海默病(AD)患者的大脑中，存在一种被称为淀粉样斑块的细胞外沉积物，这些斑块主要由淀粉样蛋白纤维组成。这些纤维来源于淀粉样前体蛋白(APP)的切割产物，其中含有42个氨基酸的淀粉样β蛋白(Aβ42)被认为是最容易聚集且具有神经毒性的片段。如同所有的淀粉样蛋白纤维一样，Aβ42淀粉样蛋白纤维具有核心的交叉β分子结构，由垂直于纤维长轴堆叠的β链组成，形成原丝，进一步关联形成具有疏水核心的扭曲纤维。尽管来自相同氨基酸序列，淀粉样蛋白纤维却展现出令人惊讶的结构多样性，这种现象被称为结构多态性。有趣的是，无论是在体外实验中还是在从患者大脑中提取的淀粉样蛋白纤维中，都观察到了不同的结构多态性。特别

  来源：Communications Chemistry

  时间：2025-11-21

• 心脏手术后48个月长期轻度及重度神经认知障碍的评估

  在现代社会，随着人口老龄化的加剧，术后神经认知障碍（Postoperative Neurocognitive Disorders, PONCD）正逐渐成为一种影响个人健康和公共医疗资源的重要问题。PONCD是指在手术后出现的认知功能下降，通常与术前基线水平相比，其表现为注意力、执行功能、记忆、语言流畅性及空间感知等方面的损害。这种认知障碍不仅影响患者的生活质量，还可能增加其发展为痴呆的风险，甚至对长期生存产生负面影响。特别是在心脏手术后，PONCD的出现频率较高，且其表现形式复杂，给临床评估和管理带来了挑战。心脏手术是一种常见的外科手术，主要针对冠状动脉疾病（Coronary Artery D

  来源：INTERNATIONAL JOURNAL OF GERIATRIC PSYCHIATRY

  时间：2025-11-21

• 基于自主水面测量数据的大西洋东部和地中海的空气-海洋二氧化碳交换

  在人类活动对全球碳排放的持续增加背景下，大气中的二氧化碳浓度已显著上升，这一变化对海洋环境产生了深远影响。近年来，随着全球气候变化的加剧，海洋吸收二氧化碳的能力逐渐受到挑战，而海洋酸化成为关注的焦点。为深入了解海洋与大气之间的碳交换机制，特别是东部大西洋和地中海地区的二氧化碳通量变化，一项名为ATL2MED的科研任务于2019年10月至2020年7月展开。该任务旨在通过高分辨率的自主观测手段，揭示海洋表层二氧化碳分压（pCO₂sw）的时空变化，并评估神经网络预测模型（CANYON-MED）在不同海洋区域的应用效果。ATL2MED采用了Saildrone无人水面航行器（USV）进行数据采集，同时

  来源：Frontiers in Marine Science

  时间：2025-11-21

• 应对全球神经外科 workforce 与医疗可及性 disparities 的多维策略分析

  在全球健康领域，神经外科 care 的可及性正面临严峻挑战。令人震惊的是，全球超过三分之二的人口无法获得高质量的神经外科服务，这一负担尤其沉重地压在中低收入国家（Low- and Middle-Income Countries, LMICs）的肩上。神经系统疾病每年导致近900万人死亡，而估计每年有2260万新发病例需要神经外科 attention。这场危机的核心在于神经外科医师 workforce 的严重短缺，特别是在非洲和东南亚地区，许多国家的神经外科医师密度远低于2030年设定的每10万人口0.5名医师的最低目标。如果当前趋势持续，超过一半的LMICs将无法达到这一基准。除了 workf

  来源：Chinese Neurosurgical Journal

  时间：2025-11-21

• GraphTeacher：通过图神经网络对编码器进行迁移微调

  影响声明：传统的编码器微调方法需要标注数据。然而，由于缺乏完整的实验室数据，许多行业在微调语言模型时面临困难...显示更多摘要：我们提出了GraphTeacher，该方法通过利用图神经网络（GNNs）来微调Transformer编码器，从而在无法获得完整标注的训练数据时有效地训练模型。当存在不同比例的标注训练数据时，我们研究了流行的Transformer模型，如DistilBERT、RoBERTa和BERT。所提出的方法利用语料库的底层图结构，使Transformer编码器能够在微调过程中融入GNNs。通过利用未标注数据中识别的潜在模式和相关性，我们的方法旨在提高模型对标注较少的数据场景的适应

  来源：IEEE Transactions on Artificial Intelligence

  时间：2025-11-21

• 适用于多元超表面的渐进间隔映射方法集成框架，用于快速设计

  摘要：本研究提出了一种渐进区间映射方法（IMM）集成框架，用于快速设计多种超表面结构。通过利用深度神经网络，该渐进设计框架能够高效地预测S参数和几何结构，其中输入数据采用区间折叠线的形式。与传统方法不同，所提出的方法将IMM与填充策略相结合，简化了数据处理过程并提高了预测精度。为了验证其有效性，设计了三种类型的频率选择表面（FSS），其中一种已在微波实验室中制造并进行了实验测量。仿真和测量结果证实了该框架的优越性能，凸显了其在智能电磁器件设计方面的潜力。最后，我们对这项工作进行了简要讨论，包括其局限性和发展前景。

  来源：IEEE Transactions on Antennas and Propagation

  时间：2025-11-21

• 迈向身份无关的面部动作单元检测：将解耦的3D几何结构与纹理特征相结合

  摘要：面部动作单元（Face Action Units, AU）检测面临的一个挑战是不同个体之间面部特征的差异性。这种差异性导致现有AU检测方法在处理未见过的面部身份时表现不佳。主要原因在于，这些方法获取的AU表示与训练数据中的面部身份紧密相关。因此，检测模型倾向于学习与特定身份相关的特征，而这些特征并非仅与AU有关。为了解决这一耦合问题，我们提出了一种受3D可变形模型（3D Morphable Model）启发的面部几何解耦方法。我们的方法包括一个纹理学习（Texture Learning, TL）模块，用于提取与AU相关的纹理特征；一个几何学习（Geometry Learning, GL）

  来源：IEEE Transactions on Affective Computing

  时间：2025-11-21

• 一种用于空间应用中深度神经网络推理的通用软件框架

  摘要：近期在硬件和软件技术方面的进步使得在资源有限的硬件环境中实现资源需求较高的深度学习算法成为可能。这为在越来越小的航天器上应用深度学习提供了机会。本文介绍了我们的神经网络执行框架（Neural Network Execution Framework），该框架旨在提供一个跨平台且可重用的平台，用于部署和执行针对航空航天应用的训练好的神经网络。无论这些神经网络最初是在何种深度学习框架中开发的，该框架都能在多种飞行软件框架、操作系统和硬件配置下执行其推理过程。我们首先以一个具体的实现为例，该实现用于执行我们从太阳动力学观测站（Solar Dynamics Observatory）获取的图像数据所

  来源：IEEE Aerospace and Electronic Systems Magazine

  时间：2025-11-21

• Spacecraft-NeRF：基于神经辐射场的隐式表示方法实现的高保真航天器重建

  摘要：获取航天器的外观和几何信息是开展在轨服务的关键环节之一。然而，在缺乏先验信息的情况下，大多数现有方法仍然需要从主动传感器收集原始数据，然后通过一系列复杂的重建过程进行处理。因此，对于高保真度的航天器重建和渲染来说，简单且易于实现的方法仍然具有挑战性。近期，基于神经辐射场的隐式表示技术在多种重建任务中表现出色。在这项工作中，我们重点关注在轨服务中的基本需求：1）二维视图合成；2）三维模型重建，并提出了一种高保真度重建方法——Spacecraft-NeRF。该方法利用segment anything模型生成的掩码图像来屏蔽室外场景中的复杂背景内容，通过

  来源：IEEE Transactions on Aerospace and Electronic Systems

  时间：2025-11-21

• 基于神经网络的联合缓解方法：处理IQ不平衡与PA非线性问题（支持多种状态）

  摘要：在无线通信领域，减轻同相（I）和正交（Q）不平衡以及功率放大器（PA）的非线性是一个非常重要的问题。在本文中，我们提出了一种新的神经网络（NN）模型，该模型可用于具有多种信号状态的发射机中非理想IQ调制器和PA的联合数字预失真（DPD）处理。该模型基于多任务学习（MTL）方法。在该模型中，主NN的隐藏层被所有信号状态共享，而输出层的权重和偏置由另一个NN动态生成。实验结果表明，所提出的模型能够有效地对IQ-PA系统进行联合DPD处理，并且在多种信号状态下实现了比现有方法更好的整体性能。引言在无线通信中，同相（I）和正交（Q）不平衡以及功率放大器（PA）的非线性是两种严重的硬件缺陷。减轻这

  来源：IEEE Wireless Communications Letters

  时间：2025-11-21

• 优化无细胞大规模MIMO系统中的能源效率：一种基于分布式深度神经网络的方法

  摘要：本文探讨了无蜂窝大规模多输入多输出（MIMO）系统中的下行链路功率分配问题。聚焦于能效（EE）优化，我们提出了一种由深度神经网络（DNN）驱动的分布式功率分配框架。该方法采用无监督学习策略，仅依赖于局部的大规模衰落信道统计信息来高效运行。此外，所提出的方法能够适应接入点（AP）数量不同的场景。数值结果凸显了该方法相对于各种基准方案的优势。引言无蜂窝大规模多输入多输出（MIMO）被认为是第六代（6G）无线通信系统的关键组成部分，它通过利用众多分布式接入点（AP）的协作传输，为用户设备（UE）提供统一的服务质量（QoS）[1]、[2]、[3]。随着移动流量的迅速增长和新用例的出现，无线通信网

  来源：IEEE Wireless Communications Letters

  时间：2025-11-21

• 在干扰对齐（ICI）条件下，利用神经网络辅助的M-PSK检测技术应用于802.11P车对车（V2V）正交频分复用（OFDM）系统

  摘要：本文研究了在为宽带车对车（V2V）通信环境设计的正交频分复用（OFDM）系统中，神经网络在正交相移键控（QPSK）信号检测中的应用。在这种情况下，由双色散信道引起的载波间干扰（ICI）会导致子载波的正交性丧失，从而严重损害检测性能。传统的线性和非线性ICI抑制技术在比特错误率（BER）性能和计算复杂度之间存在根本性的权衡，这限制了它们在高度动态的V2V环境中的有效性。本文提出了一种低复杂度的神经网络用于在ICI存在下的M-PSK检测。该方法包括一个预处理步骤，将干扰抑制转化为分类任务。结果表明，该方法的性能优于传统的非线性算法，同时其复杂度接近线性最小二乘检测。引言新兴的智能交通系统（I

  来源：IEEE Wireless Communications Letters

  时间：2025-11-21

• IALNet：一种用于大规模MIMO信道状态信息（CSI）反馈的集成注意力轻量级神经网络

  摘要：近期基于深度学习的信道状态信息（CSI）反馈方法取得了显著进展。然而，许多现有方法通过设计更复杂的深度学习模块来提高CSI的压缩效率和重建精度，但这会增加计算复杂性。在本文中，我们提出了一种新型的轻量级神经网络IALNet用于CSI反馈问题。在所提出的IALNet中，我们设计了一个集成注意力模块（IAM）来提升网络性能。具体而言，通过将CSI矩阵的垂直和水平方向的相关信息嵌入到信道注意力中，IALNet能够捕捉CSI矩阵的分布特征，同时关注垂直和水平方向上的重要区域，从而增强特征表示能力。广泛的实验结果表明，我们的IALNet在室内外场景中均优于之前的最佳技术（SOTA）网络，提供了一种

  来源：IEEE Wireless Communications Letters

  时间：2025-11-21

• HetSub：一种用于神经形态系统的异构多片上系统（Multi-NoC），配备可重构的长距离通信链路

  摘要：片上网络（NoC）由于其出色的多核通信性能，在神经形态系统中得到了广泛应用。然而，高能耗对NoC来说是一个严峻的挑战，随着技术节点的进步，静态功耗成为了一个主要问题。在神经形态计算中，这一问题更为突出，因为神经形态计算可以从数据的稀疏性中获益。然而，当前的神经形态硬件中的NoC架构在静态功耗优化方面做得还不够。虽然可以将传统的多核处理器解决方案（结合了功率门控（PG）和多个NoC（Multi-NoC））应用于神经形态硬件，但仍存在一些限制，例如串行化延迟和低网络利用率。在本文中，我们提出了一种轻量级的异构Multi-NoC架构，该架构利用神经形态计算的局部性来提高网络利用率，避免串行化延

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2025-11-21

• 数据：通过神经架构搜索实现的具有内存效率的可变形变压器加速器

  摘要：由于其在特征提取方面的卓越能力，Transformer在人工智能（AI）领域得到了广泛应用。其变体——可变形Transformer，在自动驾驶和机器人技术中备受青睐，因为它采用了可变形注意力机制来增强特征提取效果。然而，由于可变形Transformer存在内存访问顺序混乱和数据依赖性问题，其在移动设备上的应用受到了很大限制。为了解决这些问题，本文提出了一种可变形注意力Transformer加速器（DATA），通过算法和硬件的协同优化来提升处理速度。具体而言，我们提出了一种基于内存感知的神经架构搜索（NAS）方法，通过构建连续的搜索空间自动获得高效的内存特征图切片方案。基于该切片方案，我们

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2025-11-21

知名企业招聘：