• 靶向CDH2与TUBA1A：单细胞分析与药物筛选揭示神经母细胞瘤骨髓转移新机制

  本研究针对神经母细胞瘤骨髓转移机制不明的临床难题，通过单细胞转录组分析与孟德尔随机化方法，首次鉴定CDH2和TUBA1A为关键转移促进基因。功能实验证实两者通过调控细胞周期和信号通路影响肿瘤进展，并发现DMNQ可通过抑制这两个靶点显著抑制神经母细胞瘤生长，为临床治疗提供了新的潜在策略。

  来源：Clinical Immunology

  时间：2026-01-04

• 基于多时间尺度策略的膜盘联轴器双轴系统不对中动力学建模与实验研究

  本文针对膜盘联轴器连接的双转子系统，研究了由角向和径向不对中引起的复杂激励机理及其对传动系统动力学特性的影响。研究人员结合物理建模与数据驱动方法，开发了一种高效的多时间尺度求解算法，揭示了不对中诱发的次临界共振现象，并通过实验验证了模型的准确性。该研究为旋转机械故障诊断提供了重要的理论依据和有效的分析工具。

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-01-04

• 利用大型语言模型进行先进铜合金设计的双引擎驱动策略

  合金设计双引擎驱动框架研究：融合LLMs与PINNs提升物理可解释性，以Cu-Ni-Sn-In合金为例验证模型预测准确率（92%）及性能（抗拉强度1610MPa，导电率16.73%IACS），超越传统Cu-15Ni-8Sn合金。

  来源：ACTA MATERIALIA

  时间：2026-01-04

• 多保真物理引导神经网络在宽范围本构建模中的创新应用与Incoloy907动态响应表征

  本文提出多保真物理引导异方差贝叶斯神经网络（MPHBNN）框架与改进型Johnson-Cook（JC）模型，通过融合多源数据（低/高保真）与物理约束（应变率硬化、非负塑性功），实现Incoloy907在高温高应变率下的力学响应精准预测。MPHBNN利用Kronecker分解近似曲率（K-FAC）进行自适应不确定性量化，改进JC模型引入热力学一致性软化修正与应变率-温度耦合项，显著提升非线性表征能力。泰勒冲击试验验证表明，MPHBNN较传统神经网络平均绝对误差（MAE）降低68.1%，改进JC模型较传统公式MAE降低94.3%，为航空发动机关键部件动态行为分析提供高精度解决方案。

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-01-04

• 综述：图强化学习在电网中的应用：一项全面调查

  本综述系统梳理了图强化学习（GRL）在电力系统中的前沿应用，重点探讨了图神经网络（GNN）与强化学习（RL）相结合如何提升电网的表征学习与决策能力。文章深入分析了GRL在输电网（拓扑控制）和配电网（电压控制）等核心场景中的方法论（如GCN、GAT、GraphSAGE等架构与PPO、SAC、DQN等RL算法），并指出其虽在仿真中展现出应对不确定性和噪声数据的潜力，但目前仍处于概念验证阶段。综述最后强调了实现真实世界应用所面临的开放性挑战与未来方向。

  来源：Energy and AI

  时间：2026-01-04

• 基于EKF与深度学习融合的风电场有效风速容错估计研究

  本文提出了一种结合扩展卡尔曼滤波（EKF）与参数化Jensen尾流模型的风电场有效风速（EWS）估计新框架，并创新性地引入CNN-LSTM深度学习网络进行信息融合。研究表明，该混合方法在无故障条件下精度与EKF相当，但在传感器故障等异常情况下，其估计鲁棒性显著优于单一方法，误差降低约40%，为风电场可靠运行提供了关键技术支撑。

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-01-04

• FedEGL：边缘辅助的联邦图学习

  提出 FedEGL 边缘服务器辅助联邦图学习方法，通过边缘服务器交换中间层近似节点特征实现跨客户端特征对齐和动态加权聚合，结合自适应差分隐私保护节点隐私，在减少通信延迟的同时提升模型精度至集中式学习水平，分类准确率最高提升8%。

  来源：Information Fusion

  时间：2026-01-04

• 基于Transformer神经网络的质子交换膜燃料电池性能退化多步预测方法，该方法整合了多种特征信息

  质子交换膜燃料电池（PEMFC）寿命预测研究提出基于Transformer神经网络的融合方法，通过单特征/单步验证其跨采样间隔优势，结合CEEMDAN-K-means-VMD分解优化多特征输入，发现温度与流率对电池性能影响最大，并通过多步预测验证Transformer的迁移学习能力显著优于LSTM、GRU等模型。

  来源：International Journal of Hydrogen Energy

  时间：2026-01-04

• 迈向基于实时传感器的人类活动识别：一个重新参数化的多维特征通信融合框架

  传感器人体活动识别研究提出ORepMFCF框架，通过ORV模块解耦多分支结构提升推理速度，TDICS模块增强时间相关特征通信，CAFF模块优化多维特征融合，实现WISDM、UniMib-SHAR等数据集98.60%-96.26%的高精度，并在Raspberry Pi和手机上验证其轻量化与实时性。

  来源：Future Generation Computer Systems

  时间：2026-01-04

• 基于多模态融合的正则化时空加权图卷积网络在轻度认知障碍检测中的应用

  提出MCRSW-GCN模型，通过滑动窗口分割fMRI数据，结合多通道正则化回归捕捉高阶动态功能连接，跨窗口时空加权网络整合解剖先验与数据驱动权重，嵌入T1结构MRI优化脑网络拓扑，构建双通道图注意力网络融合多模态信息，显著提升MCI诊断准确率。

  来源：Expert Systems with Applications

  时间：2026-01-04

• 广义加性模型与神经网络在应用中的比较：一项系统评价

  本文通过系统综述分析143篇论文中的430个数据集，比较广义加性模型（GAMs）与神经网络（NNs）的预测性能。研究发现两者在常用指标（RMSE、R²、AUC）上无显著优劣，但NNs在大数据及多预测变量场景中表现更优，而GAMs在数据量小且注重可解释性时更具竞争力。文献中存在数据特征和NN复杂度报告不完整的问题，建议未来研究加强透明度。

  来源：Expert Systems with Applications

  时间：2026-01-04

• MCPT-CAF-BiGRU：一种结合多尺度卷积神经网络（CNN）、ProbSparse-Masked Transformer模型以及交叉注意力（cross-attention）融合机制和双向长短期记忆网络（BiGRU）的模型，用于小时级风速预测

  风能预测面临非平稳、多尺度、空间异质性挑战，提出MCPT-CAF-BiGRU混合模型，集成多尺度卷积、概率稀疏Transformer、双向GRU及跨注意力融合机制，有效捕捉局部扰动与全局依赖，在四组不同高度风场数据集上优于11种基准模型。

  来源：Expert Systems with Applications

  时间：2026-01-04

• 综述：电化学阻抗谱在神经电极表征中的应用

  本综述系统梳理了电化学阻抗谱（EIS）在神经刺激领域过去25年的应用与发展，重点阐述了其在监测电极-组织界面变化、评估电极材料性能（如SIROF、Pt、PEDOT:PSS）以及指导安全电荷注入限值（μC/cm2）方面的核心价值。文章强调了从单一频率（如1 kHz）测量转向宽频带谱分析结合误差结构评估和物理化学模型拟合的重要性，并展望了EIS与机器学习结合在闭环神经调控中的前景。

  来源：Current Opinion in Electrochemistry

  时间：2026-01-04

• 基于可解释人工智能的CNN与Transformer眼动分类验证性因子分析

  本文提出新型超参数优化深度学习模型Gimage，通过构建平衡数据集Reformed-UE（每类500张图像）解决眼动方向分类中的类别失衡问题。研究采用梯度加权类激活映射（Grad-CAM）等可解释AI技术验证模型特征定位能力，在UnityEyes和MRL数据集上实现93.75%验证准确率，显著超越MobileNetV2、Swin Transformer等6种对比模型4-5个百分点。

  来源：Computer Vision and Image Understanding

  时间：2026-01-04

• 精神病学中的人工智能：通过文献计量分析探讨当前和新兴趋势、临床应用以及研究空白

  人工智能在精神病学中的应用研究趋势与主题分析，通过文献计量方法分析1980-2025年Web of Science数据库中2328篇论文，发现2014-2017年神经生物学标志物为主，2018-2020年早期精神病和fMRI突出，2021年后神经退行性疾病和连接概念上升，2024-2025年心理健康、数字健康和可解释性成为焦点。

  来源：Asian Journal of Psychiatry

  时间：2026-01-04

• 智能感官技术与风味组学联用揭示柑橘精油香气情绪调节机制

  本研究针对柑橘精油情绪调节机制尚未完全阐明的问题，通过整合主观情绪量表、智能感官检测技术（ECG/EDA/EEG）和风味组学分析，系统评估了四种柑橘精油的情绪效应。研究发现柑橘精油能显著增强副交感神经活性（LF/HF比值降低），诱发α/δ脑波激活及大脑半球不对称性改变，并鉴定出D-柠檬烯、芳樟醇、α-松油醇和香叶醛为关键情绪调节挥发物。该研究为柑橘香气在功能性食品中的应用提供了神经生理学依据。

  来源：Food Quality and Safety

  时间：2026-01-04

• 基于多残差神经网络与证据推理规则的驱动电机轴承微故障诊断新方法研究

  本文提出了一种基于多残差神经网络（multi-ResNets）与证据推理规则（ER Rule）的驱动电机轴承微故障诊断模型。该模型通过基准工况泛化机制选取多个典型负载工况作为诊断锚点，并集成子模型可信度评估机制，有效解决了变工况下微故障特征提取难、诊断可靠性低的技术挑战。实验表明，相比传统机器学习方法，该模型在变工况微故障诊断中具有更高准确率和结果可靠性。

  来源：Entropy

  时间：2026-01-04

• 人工神经网络集成模型与广义加性模型在数据稀缺地区的频率分析中的应用——以设计洪水估算为例

  小流域设计洪水估算中区域频率分析（RFA）模型优化与变量敏感性研究，采用集成人工神经网络（EANN）和广义加性模型（GAM），结合典则相关分析（CCA）提升非线性关系建模能力，并通过Morris敏感性分析识别关键变量，验证了GAM-CCA模型在精度和效率上的优势，并指出流域面积对洪水估算影响最大，坡度影响最小。

  来源：Journal of Hydrology

  时间：2026-01-04

• 综述：将物理学原理融入神经网络的多种方法：一项全面综述

  物理信息嵌入神经网络策略综述及其在水利应用中的关联分析，探讨预训练、损失函数和架构设计三类物理整合方法，揭示不同方法对参数反演、数据同化、过程耦合及高分辨率场重建等水文问题的适用性，提出面向多尺度耦合、计算成本和数据物理融合的挑战与未来研究方向。

  来源：Journal of Hydrology

  时间：2026-01-04

• 基于风能、光伏和蓄电池的电动汽车充电站的最佳容量配置与调度：采用先进的优化深度学习技术，考虑分时电价和需求响应因素，并进行性能基准测试

  电动汽车充电站优化：基于风光储系统的Granger因果性图神经网络与狼鸟优化算法研究，通过融合时间电价和需求响应机制，在降低0.286元/kWh运营成本的同时实现99.2%的调度效率，较传统GA、PSO、MOPSO等方法更具计算效率和全局优化能力。

  来源：Journal of Energy Storage

  时间：2026-01-04

知名企业招聘：