• 基于能量最优控制的首阶忆阻器低功耗编程策略研究

  这篇综述提出了一种用于编程单状态变量忆阻器（Memristor）的通用低功耗控制方法。该方法通过变量变换简化了优化问题，并应用于电压阈值自适应模型（VTEAM），推导出在不同时间和电压约束下最优的电压激励方案，旨在为高能效的电阻式随机存取存储器（ReRAM）编程设计提供理论指导。

  来源：Advanced Electronic Materials

  时间：2026-02-17

• 剥离二硫化钼逐级阻变器件：用于类脑神经形态计算的人工突触构建模块

  本文介绍了基于剥离式二硫化钼（MoS2）的垂直结构忆阻器，该器件无需额外的“形成”步骤即可实现基于肖特基势垒调制的逐级阻变行为。研究揭示了其电阻转换机制源于电荷在电极/MoS2界面处的捕获与释放，并通过空间电荷限制电流（SCLC）模型验证了该机制。器件成功演示了关键突触功能，如增强（Potentiation）、抑制（Depression）和脉冲幅度依赖可塑性（SADP），展现了其作为神经形态系统核心部件的潜力。这项研究为推动高集成、高重现性及低功耗的类脑计算硬件发展提供了有力支持。

  来源：Advanced Electronic Materials

  时间：2026-02-17

• 干涉自旋波物理储层计算：八探测器实现高维与信息处理容量协同提升

  本研究展示了利用自旋波干涉效应构建的多终端物理储层计算（PRC）设备，通过系统增加探测器数量（从1个到8个）显著提升了计算性能。在Mackey-Glass方程的10步混沌时间序列预测任务中，八探测器设备取得了顶尖的预测精度（均方根误差（RMSE）为1.63 × 10−2），达到了目前报道的物理储层计算中的顶尖水平，甚至优于多种基于仿真的机器学习模型。信息处理容量（IPC）分析揭示了该系统卓越的线性处理能力，并证实多终端化是提升物理储层计算高维特性的有效技术路径，为其迈向更复杂的实际应用（如语音与图像识别）奠定了坚实基础。

  来源：Advanced Electronic Materials

  时间：2026-02-17

• 基于数据增强的、用于受限期望回归的神经网络

  数据增强期望回归神经网络算法处理异质截断数据

  来源：Neurocomputing

  时间：2026-02-17

• 通过合成异常值来提高归一化流中的异常检测能力

  离群点检测 | 归一化流模型 | 合成离群点 | 软plus优化 | OOD检测偏差校正

  来源：Neurocomputing

  时间：2026-02-17

• 时间中的“皱纹”：多尺度修补与超分辨率技术在高效时间序列预测中的应用

  开放词汇语义分割通过文本提示驱动多模态语义对齐实现像素级分类，但视觉退化（如运动模糊、遮挡）导致性能显著下降，且未seen类别的建模存在语义鸿沟。本文提出SPSRL框架，结合空间先验和语义关系学习：VSKF模块通过正交分解分离多模态特征为双视图向量，融合几何先验与视觉特征提升鲁棒性；SRU模块基于最优传输理论更新跨模态语义亲和矩阵，增强未seen类别泛化能力。实验在多个数据集上验证，mIoU提升2.6%-3.0%。

  来源：Neurocomputing

  时间：2026-02-17

• XID：一种用于评估域变更和重新识别情况下身份一致性的协议

  针对现有跨域身份重识别评估协议在身份重叠性和外观多样性方面的不足，提出引入身份迁移和显著外观变化的XID评估协议，构建跨域测试集并设计调节无色特征和模拟未见过域的动态学习框架，有效提升模型在异构环境下的泛化能力。

  来源：Neurocomputing

  时间：2026-02-17

• 综述：神经密码学：神经网络与密码系统之间的协同与冲突

  神经密码学是密码学与神经网络的交叉领域，从协同增强与对抗威胁双重视角系统梳理了神经网络在加密系统设计、密钥生成与攻击分析中的应用。研究涵盖安全通信、图像加密和恶意流量检测等场景，指出现有综述存在技术深度不足、架构局限和应用割裂等问题，提出构建统一分类框架与跨学科融合方向。

  来源：Neurocomputing

  时间：2026-02-17

• 利用大型语言模型（LLMs）进行多阶段跨模态对齐，以预测天然气网络中的能源消耗

  天然气管道能耗预测面临强非线性、高延迟和负载波动等挑战。本文提出基于预训练大语言模型的多阶段跨模态对齐微调方法MS-CALF，通过分阶段训练解决文本与时间序列的分布差异，并引入特征正则化和模态一致性损失提升预测精度。实验表明，在七条实际管道数据集上，MS-CALF的均方绝对百分比误差较次优模型降低7.56%，且多步预测性能优于其他方法。

  来源：Neurocomputing

  时间：2026-02-17

• 门控x-TFC：用于具有锐梯度偏微分方程（PDEs）的正向和逆向问题的软域分解方法

  Gated X-TFC通过可学习的软分割门动态调整RBF核宽度，解决奇异摄动边值问题的计算效率与精度矛盾，在1D对流扩散基准测试中实现误差降一个数量级，计算效率提升66%，并扩展至多子域和高维问题。

  来源：Neurocomputing

  时间：2026-02-17

• 综述：以光制光：对光传输过程中物理对抗攻击的综述

  本文提出光传输管道物理对抗攻击的统一分析框架，系统评估了光传输通道与图像感知设备两类攻击向量的九项关键属性，构建了可迁移性分级评估体系，并揭示了物理对抗样本在跨模型架构中的局限性，最后探讨了当前挑战与未来研究方向。

  来源：Neurocomputing

  时间：2026-02-17

• 融合反应扩散与未知参数的分数阶时滞模糊忆阻神经网络的全局渐近同步研究

  本文创新性地研究了具有反应扩散项（Reaction-diffusion terms）和未知参数的分数阶时滞模糊忆阻神经网络（FDFMNNs with UPRD）的全局渐近同步（GAS）问题。研究将激活函数扩展至不连续情形，并提出延迟状态反馈与自适应两种新型控制器。通过Lyapunov方法及Gronwall-Bellman不等式，推导出易于验证的同步判据，并通过数值仿真验证了理论结果的有效性。这项工作在时空中同时捕捉网络动力学，是对传统仅考虑时间因素方法的重要拓展。

  来源：Neurocomputing

  时间：2026-02-17

• 啦啦队运动中的颅面创伤：全国趋势及青少年运动员的受伤模式（2014–2023年）

  啦啦队运动青少年颅面损伤流行病学分析及趋势研究。基于2014-2023年NEISS数据库，共85,102例急诊就诊病例，女性占比98.2%，15-19岁群体占56%。主要损伤类型为内部损伤（30.3%）和脑震荡（25.9%），骨折住院率达5.5%。2020年因疫情影响病例骤降，2021年后呈回升趋势。需加强安全规范制定及特定损伤机制研究。

  来源：Journal of Craniofacial Surgery

  时间：2026-02-17

• 用于数字孪生优化的强盗式神经架构搜索：一种科学机器学习方法

  数字孪生实时优化依赖高效精准的深度学习代理模型，需通过神经架构搜索（NAS）和超参数优化（HPO）提升性能。传统基于纯探索的多臂老虎机方法不适用于SciML模型，因其具有确定性物理训练数据特征。提出的BanditNAS算法通过非随机多臂老虎机平衡探索与利用，解决高容量模型收敛晚、验证损失停滞需切换优化器、确定性训练数据三大难题。理论证明其 regret bounds 优于自适应对手，实验表明BanditNAS在需要多阶段调优的DeepONets（L-BFGS切换）场景提升率高达95%，高容量PINNs场景提升50%，在噪声较低的中等规模搜索空间（K≤100）表现优于HyperBand，但在大空间高噪声下稍逊。统计检验显示BanditNAS在两个场景中显著优于基线（p<0.001）。该研究为SciML模型优化提供了理论扎实、场景适应的算法框架。

  来源：ACM Transactions on Autonomous and Adaptive Systems

  时间：2026-02-17

• ADPINet：一种基于注意力机制的离散物理信息网络，用于求解几何偏微分方程

  针对几何偏微分方程（GPDEs）在动态表面上的求解难题，提出注意力驱动的离散物理信息神经网络（ADPINet）。该方法通过时空双离散框架直接处理三角形网格表面的GPDEs，无需重网格即可高效预测表面演化，结合离散微分几何理论实现物理约束嵌入，并利用注意力机制提取全局特征。实验表明ADPINet在保持几何属性、计算效率及泛化能力方面显著优于传统方法。

  来源：Computer-Aided Design

  时间：2026-02-17

• 基于物理知识的神经网络用于预测喹啉加氢脱氮反应的动力学

  本文构建了包含输入编码和融合网络的物理信息神经网络（PINN）框架，用于研究Quinnoline催化氢处理动力学模型。通过将温度、压力和反应物流速作为输入参数，显著提升了PINN的预测能力与泛化性能。训练后的模型在验证数据集上表现出良好的预测精度，并成功反演了40个未知动力学参数。采用迁移学习策略进一步优化了模型对未知反应条件的适应能力，验证了PINN在解决复杂动力学反演问题中的优越性。

  来源：Fuel

  时间：2026-02-17

• 数据驱动的环境管理决策支持：基于混合GNN-PINN模型的地下土壤温度预测

  准确预测深层土壤温度对农业和环境监测至关重要。本研究提出融合物理信息神经网络（PINNs）与图神经网络（GNNs）的混合模型，利用PINNs嵌入一维热传导方程约束，确保物理一致性；同时通过GNNs捕捉气象站间的空间关联，提升跨区域泛化能力。在土耳其15个气象站的五年数据验证中，混合模型（GNN-PINN）在50-100cm深层土壤温度预测中RMSE降低18.7%，R²提升至0.92，且推理速度较传统MLP提升40%，兼具物理可解释性与空间适应性优势。

  来源：Expert Systems with Applications

  时间：2026-02-17

• 通过眼动追踪和认知评估来衡量宣传视频的效果：一种基于费马模糊决策分析的方法

  基于眼动追踪与认知评估的混合决策模型构建及汽车广告实证研究。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-02-17

• 一种基于物理原理的神经网络架构，用于非线性滞后效应的介电弹性体执行器建模

  压电弹性体驱动器非线性建模；提出物理指导神经网络框架，将Fractional-order Backlash-like微分方程约束到神经网络结构，实现参数与权重的精准映射，并引入GRU模块补偿动态误差，显著提升建模精度与实时性。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-02-17

• 基于物理的可解释混合建模方法，结合改进的BPNN（反向传播神经网络）和迁移学习技术，用于预测和优化激光熔覆过程中的熔池形态

  熔池形态预测与优化：提出融合物理模型（Rosenthal-Gaussian热源模型）与改进BPNN（引入GSABO优化策略）的可解释混合建模方法，结合SHAP分析实现参数影响量化，通过转移学习提升跨材料和设备的泛化能力，并基于NSGA-II构建多目标参数逆优化框架，实验验证其预测精度（较传统方法提升18.7%）、可解释性和跨场景适用性显著优于纯数据驱动模型。

  来源：Optics & Laser Technology

  时间：2026-02-17

知名企业招聘：