• 跨情境煤气灯操控的体验机制：受害者人格特质的风险与保护作用

  本研究针对现有煤气灯操控（Gaslighting）测量工具的局限性，开发了跨情境的《煤气灯操控行为体验问卷》（GBEQ），并通过两项横断面研究（N=222, N=513）验证其信效度。研究发现煤气灯操控在浪漫关系中最常见且可持续数年，会导致幸福感下降、自尊降低、焦虑等心理后果。神经质（Neuroticism）、恐惧动机（Fear）和女性性别是风险因素，而自尊（self-esteem）是保护因素。该研究为识别易感人群和制定干预措施提供了重要依据。

  来源：Personality and Individual Differences

  时间：2026-01-01

• 基于深度神经网络的设计空间非线性降维方法在船体形状优化中的应用

  船舶水动力性能优化中，基于深度神经网络的非线性高效降维方法可减少设计变量数量，降低计算成本。通过构建降维与重建网络，在保持优化效果前提下将28维设计空间降至6维，使CFD样本量减少80%。以VLCC和DTMB 5415为案例验证，该方法在阻力优化中表现与线性降维相当，但显著提升效率。

  来源：Ocean Engineering

  时间：2026-01-01

• 基于CFD-前馈神经网络混合框架的氢燃料燃气轮机纵向热声不稳定性早期预测研究

  本研究针对氢燃料燃气轮机燃烧室中纵向热声不稳定性（TAI）的早期预测难题，提出了一种计算流体动力学（CFD）与前馈神经网络（FNN）相结合的混合框架。研究人员通过高保真二维CFD模拟获取了六个监测点（X1–X6）的压力和热释放率（HRR）数据，并计算局部瑞利指数（LRI）以识别不稳定区域。研究发现探针X2为强不稳定性区域（LRI ≈ 107Pa·W），而X1、X4和X6表现出稳定行为。基于X3早期数据训练的FNN模型实现了高精度预测（R² = 0.9998，RMSE = 924），预测速度比CFD快约676倍（~334次预测/秒）。该研究为氢燃烧系统提供了一种实时、物理信息化的诊断工具，支持下一代氢涡轮机的智能燃烧室设计和闭环控制。

  来源：Next Energy

  时间：2026-01-01

• 基于卷积神经网络的三角形混合等离子体波导传输特性的精确预测

  基于10^4量级有限元数据构建的卷积神经网络模型，可快速预测三角形混合等离子体波导的传输特性，包括传播长度、有效模面积等参数，预测精度达R²=0.989，较传统COMSOL仿真提速605倍，显著降低光学器件设计成本。

  来源：Micro and Nanostructures

  时间：2026-01-01

• 利用人工神经网络和Box-Behnken化学计量学方法优化辣椒残渣活性炭对有毒染料的吸附性能：吸附机制、成本评估及再生研究

  本研究以橄榄渣活化炭（CRAC）为吸附剂，采用单因素法与人工神经网络优化吸附工艺，最佳条件为MB浓度100 mg/L、CRAC投加量0.5 g/L、接触时间35 min，吸附容量达207.11 mg/g，并验证了伪二阶动力学模型、Freundlich等温线和热力学可行性。分隔符：

  来源：Journal of Water Process Engineering

  时间：2026-01-01

• 青少年重性抑郁障碍诊断性神经影像生物标志物的多变量机器学习识别研究

  本研究针对青少年抑郁症临床诊断缺乏客观生物标志物的难题，通过整合静息态功能磁共振成像（rs-fMRI）与多变量机器学习技术，构建分类模型识别与疾病相关的脑功能连接组特征。研究发现了46个具有精细解剖分辨率的连接特征构成的复合生物标志物面板，涉及默认模式网络（DMN）、中央执行网络（CEN）等多个脑网络，为青少年抑郁症的精准诊断和个体化神经调控治疗提供了新靶点。

  来源：Journal of Affective Disorders

  时间：2026-01-01

• 综述：泰米尔纳德邦酒精管控的公共卫生与政治挑战

  本综述深入剖析了泰米尔纳德邦酒精管控中公共卫生目标与经济依赖（TASMAC垄断）及政治承诺间的深刻矛盾，揭示了酒精使用障碍（AUD）导致的肝病、暴力等沉重社会健康负担，并呼吁建立以伦理为导向、优先考虑健康（借鉴WHO的SAFER框架）的综合性治理策略。

  来源：Discover Public Health

  时间：2026-01-01

• 基于深度迁移学习与特征机器学习的优化混合框架在车辆盗窃检测中的比较研究

  本文针对车辆盗窃检测中存在的环境复杂、数据稀缺等挑战，提出了一种结合多模型人体检测与混合边缘梯度特征（HFEM）的优化混合框架。研究通过整合多种预训练深度学习模型（如SSD300-VGG16、Faster R-CNN-ResNet50等）与特征提取方法（HOG/EDH/EOH），结合XGBoost分类器，在自建数据集上实现了98.6%的检测准确率，为智能安防系统提供了新思路。

  来源：ARTIFICIAL INTELLIGENCE REVIEW

  时间：2026-01-01

知名企业招聘：