• 综述：凝缩蛋白复合体：从染色质组织到疾病关联

  本综述聚焦凝缩蛋白（condensin）的结构功能与调控机制，系统阐述其通过ATP依赖的环挤出（loop extrusion）驱动有丝分裂染色体凝缩，并揭示其功能失调与癌症、神经发育障碍的关联。文章创新性地整合了最新单分子成像与Hi-C数据，为理解基因组三维结构调控提供了前沿视角。

  来源：Nucleus

  时间：2026-02-13

• 基于共轭多孔聚合物复合物的模拟忆阻器用于人工突触

  本文提出了一种新型人工突触，其核心是采用硼掺杂碳点修饰的共轭多孔聚合物复合材料构建的模拟型有机忆阻器。文章系统阐述了聚合物中炔基与烷基链的构效关系，揭示了材料内部局域光致氧化还原与孔道模板效应的协同作用，使器件呈现出模拟型阻变行为。该忆阻器不仅展现出优异的突触可塑性和联想记忆学习潜力，可用于神经形态计算，还可作为柔性人工神经接口芯片的核心单元，实现与神经系统的动态信息传递。这项工作为开发集成神经形态计算与脑机接口功能的有机人工突触提供了新策略。

  来源：Exploration

  时间：2026-02-13

• 综述：基于计算机视觉与深度学习的牛行为识别方法综述

  这篇综述系统梳理了基于计算机视觉（CV）与深度学习（DL）的牛行为识别技术进展，涵盖数据集、模型架构（如CNN、LSTM、3D-CNN及Transformer）及其在精准畜牧业（PLF）中对健康监测、福利评估及智能管理的关键应用。文章指出了当前方法在复杂环境泛化性、标准化基准缺乏及实际部署等方面面临的挑战，并提出了多模态融合、轻量化边缘模型及可解释学习框架等未来方向。

  来源：Smart Agricultural Technology

  时间：2026-02-13

• 电活性可降解神经导管：基于无机纳米颗粒修饰的海藻酸盐-明胶聚合物基质

  本研究系统探讨了氧化锌（ZnO）、富勒烯C60和聚苯胺（PANI）纳米颗粒（NPs）对海藻酸盐-明胶（Alg/Gel）复合神经导管性能的影响。研究证实，这些无机NPs的掺入可显著提升导管的电导率（EC）、机械强度、亲水性、孔隙率和维生素B12的渗透性，并展现出良好的生物相容性，为修复超过5毫米的外周神经缺损提供了多功能、可生物降解且具电活性的新型材料平台。其中，C60/Alg/Gel/PANI复合材料在机械稳定性和促进神经再生方面表现最为优异。

  来源：Natural Sciences

  时间：2026-02-13

• 苍白球指数的纵向变化及其与尿液中锰含量及CaNa₂EDTA螯合作用的相关性

  锰神经毒性评估及螯合治疗效果研究显示，经CaNa₂EDTA治疗后，27名锰暴露焊工苍白球指数（PI）右左两侧均显著下降（ΔPI=-0.83至-1.12），且ΔPI与尿锰水平呈负相关（r=-0.59至-0.45），与基线PI正相关（r=0.51至0.74）。该研究证实PI可作为锰脑积聚的动态影像生物标志物，其变化与系统生物标志物改善同步，为锰中毒治疗监测提供了新方法。

  来源：NeuroToxicology

  时间：2026-02-13

• 单细胞转录组学揭示了七氟醚麻醉后长期神经发育毒性的机制

  新生儿七氟烷暴露导致成年小鼠认知和精细运动障碍，转录组分析显示细胞形态相关通路异常，免疫荧光证实树突复杂性降低及MAP2蛋白表达下调，提示转录后调控机制参与神经发育毒性。

  来源：NeuroToxicology

  时间：2026-02-13

• 苯甲酸钠对小鼠因甲苯引起的奖赏增强、行为紊乱以及突触可塑性损伤的保护作用

  甲苯通过抑制NMDAR导致神经行为异常和突触功能障碍，钠苯甲酸作为DAAO抑制剂可增强NMDAR功能，改善甲苯中毒引起的ICSS阈值降低、运动失调、记忆缺陷及海马突触可塑性受损。

  来源：NeuroToxicology

  时间：2026-02-13

• 巴西亚马逊新农业开发区域的学童接触潜在有毒金属/类金属的情况及其对认知功能的影响

  亚马逊雨林边境区6个农业社区69名6-12岁儿童血铅（中位数1.9μg/dL）、血汞（中位数2.11μg/L）及硒水平检测显示，血铅对瑞文测验口语域得分呈非线性负相关（β=-2.71），血汞对瑞文百分位得分有显著负相关（β=-5.05）。认知损害与铅暴露（食物链传递）及汞暴露（鱼类摄入）相关，提示农业扩张带来的多重重金属暴露对儿童认知发展的影响。

  来源：NeuroToxicology

  时间：2026-02-13

• CGE-GAN：基于对比引导的进化生成对抗网络，具有动态自适应权重共享机制

  本文提出对比引导的进化GAN（CGE-GAN），结合混合损失函数、动态权重共享和知识蒸馏，有效解决GAN训练不稳定、模式坍塌及架构搜索低效问题，在CIFAR-10和STL-10上实现高IS和低FID，显著提升生成质量与效率。

  来源：Neural Networks

  时间：2026-02-13

• 学习公平表示方法以微调预训练的语言模型

  针对预训练语言模型（PLM）中存在的性别、种族等社会偏见问题，本文提出基于因果推断的CFPLM框架。通过复合损失函数整合公平性惩罚、对抗损失和熵正则化，在构建公平表征空间的同时保持模型性能。实验表明CFPLM在BERT、RoBERTa等模型中显著降低偏见，且在GLUE基准测试中公平性提升不损害语言理解能力。

  来源：Neural Networks

  时间：2026-02-13

• 采样数据控制下分数阶网络系统的矩阵加权一致性研究：理论突破与应用前景

  这篇研究（论文）创新性地将矩阵加权网络（Matrix-Weighted Network） 与分数阶系统（Fractional-Order Systems, FONSs） 相结合，首次通过采样数据控制（Sampled-Data Control） 策略，研究了具有正定或半正定矩阵耦合的分数阶多智能体系统的一致性问题。研究提出了适用于无向和有向网络的一致性充要条件，揭示了其与矩阵加权拉普拉斯矩阵（Matrix-Weighted Laplacian）的零空间（Null Space） 的深层联系，超越了传统标量加权网络的局限性。这项工作为刻画多维度交互（Multi-dimensional Interactions） 的复杂系统动力学提供了更精确的框架，有望应用于无人车队、传感器网络、机器人集群等实际场景。

  来源：Neural Networks

  时间：2026-02-13

• MS-STFNN：一种用于基于fMRI的抑郁症诊断的多尺度时空融合神经网络

  抑郁症客观诊断方法研究：基于fMRI的多尺度时空融合神经网络模型，结合动态功能连接与原始序列数据，有效捕捉脑网络多粒度空间特征与多分辨率时间动态，实现抑郁症亚型分类，实验表明其优于基线模型且各组件均有显著贡献。

  来源：Neural Networks

  时间：2026-02-13

• 自适应加权欧拉-拉格朗日物理信息神经网络：最优控制中多任务学习框架的突破性应用

  本文提出自适应加权欧拉-拉格朗日物理信息神经网络（AW-EL-PINNs），创新性融合欧拉-拉格朗日定理与深度学习架构，将最优控制问题转化为两点边值问题（TPBVPs）。该框架通过动态损失权重机制解决传统PINNs（Physics-Informed Neural Networks）的损失失衡缺陷，在五组数值实验中显著提升解算精度，为物理工程领域的策略优化提供新范式。

  来源：Neural Networks

  时间：2026-02-13

• RIT-HetGE：一种基于残基相互作用类型识别的异构图嵌入模型，用于预测蛋白质的热稳定性

  准确预测蛋白质热稳定性对理解其功能、指导工程设计和推进生物医学应用至关重要。本文提出RIT-HetGE模型，通过异构图嵌入区分氢键、疏水作用等不同残基相互作用类型，结合内相互作用类型感知卷积和跨类型注意力机制，有效整合局部和全局特征，并基于Rademacher复杂度证明模型泛化性。实验表明RIT-HetGE在多个数据集上优于基线方法，且各组件具有可解释性，揭示关键残基及相互作用类型对稳定性的贡献机制。

  来源：Neural Networks

  时间：2026-02-13

• 无参图神经网络SDGNN：基于结构多样性的鲁棒消息传递框架

  这篇综述的核心思想是，为了解决图神经网络(GNN)在现实异构图数据中因邻居结构同质化聚合导致的表示退化问题，研究者提出了一种无训练参数的结构多样性消息传递图神经网络(SDGNN)框架，该框架通过结构多样性驱动的组内统计与组间选择，有效建模邻域异质性并稳定特征语义，在低监督、类不均衡等挑战性场景下展现卓越性能。

  来源：Neural Networks

  时间：2026-02-13

• 通过双重注意力融合与协同优化实现的多视图图谱聚类

  多视图图聚类通过双注意力融合与协同优化提升共识表示与语义一致性，解决异构视图结构互补与全局一致性问题。

  来源：Neural Networks

  时间：2026-02-13

• 状态导向线性调制（SLiM）：一种引导大型语言模型输出的新方法

  本文针对大型语言模型（LLM）输出控制不足、难以灵活适配情感及风格等用户需求的问题，提出了一种创新的“状态导向线性调制（SLiM）”技术。该方法通过引入状态向量动态调制LLM的内部激活值，实现了无需基础模型微调即可对情感、风格、主题等多类状态进行精确控制。研究表明，SLiM能有效引导模型输出，尤其在处理主观输入时效果显著，为提升人机交互的细腻度和可控性提供了新思路，相关成果发表于《Neural Networks》。

  来源：Neural Networks

  时间：2026-02-13

• “选择与融合：一种适用于稀疏且不确定性机制的有效多图谱脑网络分析方法”

  多图谱脑网络分析通过注意力增强模块筛选关键脑区并融合不确定性信息，显著提升疾病诊断精度。

  来源：Neural Networks

  时间：2026-02-13

• L2G-Net：通过簇令牌实现局部到全局的特征增强，用于3D空间识别

  点云场景识别中，针对传统CNN方法存在的几何细节丢失和计算复杂度高问题，提出L2G-Net网络架构。通过Point Feature Enhancement（PFE）模块增强局部几何特征，Cluster Tokens Mamba（CTM）模块利用Mamba状态空间模型高效建模聚类特征，并设计Cluster Tokens Cross Attention（CTCA）模块实现局部与全局特征的跨注意力交互。实验表明该方法在多个公开数据集上显著优于现有SOTA方法。

  来源：Neural Networks

  时间：2026-02-13

• 一种抗噪声且能适应数据分布的多变量时间序列异常检测框架

  多变量时间序列异常检测中，现有方法受噪声干扰和分布偏移限制。本文提出NORDA框架，通过多阶差分抑制噪声，混合可逆归一化模块适应非稳态分布，结合Transformer编码器提升跨通道依赖建模能力。实验表明，NORDA在7个基准数据集上显著优于16种基线方法，平均F1-score提升20.14%，且具有计算高效性。

  来源：Neural Networks

  时间：2026-02-13

知名企业招聘：