• 基于手机应用程序的化疗诱导周围神经病变及不稳定性的筛查：一项初步可行性研究

  ```摘要通俗语言总结 背景：平衡能力不稳定和化疗引起的周围神经病变（CIPN）是癌症治疗的重要副作用，建议通过筛查来识别这些症状。本初步研究旨在探讨基于手机的应用程序在远程筛查神经病变症状和跌倒方面的可行性。方法：采用重复测量研究设计，利用移动生态瞬时评估（mEMA）调查结果，在治疗的前3个月内监测CIPN症状和跌倒情况。如果在达到特定阈值的情况下，会在3个月时或更早的时间进行面对面的初次评估和后续评估。使用描述性统计方法和数据可视化来分析结果。结果：在12名参与者中，83.3%的人在研究的前3周内完成了3次或更多次的mEMA调查

  来源：Rehabilitation Oncology

  时间：2025-10-11

• 基于1T′-MoTe2/MoSe2范德华肖特基结的自驱动偏振光电探测器及其成像应用研究

  近年来，高性能偏振光电探测系统在成像和遥感等领域的需求日益增长，因其能够提供比传统探测器更丰富的偏振信息。然而，传统偏振探测器通常体积庞大且依赖外部偏振片，导致设计复杂、体积重量增加，严重制约了其实际应用和商业化进程。二维层状材料的出现为高性能偏振探测带来了新机遇。黑磷（BP）、碲（Te）、二硫化铼（ReS2）、砷化锗（GeAs）等材料因其低对称性晶体结构而表现出偏振依赖的电荷传输和光学响应。但单一二维各向异性材料往往存在暗电流大、偏振比（PR）低（通常低于3）等问题，限制了其实际应用。因此，构建具有高灵敏度、快速响应和高偏振比的偏振光电探测器成为研究热点。范德华异质结技术通过堆叠各向异性二维

  来源：Chip

  时间：2025-10-11

• 低维硅基神经形态计算：从纳米材料到脑启发芯片的集成创新

  在人工智能和物联网时代，传统计算架构正面临严峻挑战。冯·诺依曼架构将数据处理单元与存储单元物理分离，导致数据搬运成为性能瓶颈，能耗居高不下。这种"内存墙"问题严重制约了大数据处理和智能计算的发展。与此同时，人脑以其高度并行的神经网络结构，实现了惊人的能效比——每突触操作仅消耗皮焦耳级别的能量。这种生物智能的卓越表现，激发了科学家对神经形态计算系统的探索热情。近年来，微纳电子研究界积极研究基于低维材料的神经形态系统，旨在开发超越摩尔定律的新型计算架构。在众多候选材料中，硅材料因其在半导体技术中长达一个世纪的积淀和全球市场的主导地位而备受关注。然而，低维硅结构在神经形态计算中的贡献尚未得到充分重视

  来源：Chip

  时间：2025-10-11

• 电刺激可控GaN纳米线突触器件：面向神经形态计算的新途径

  随着大数据和人工智能技术的迅猛发展，基于冯·诺依曼架构的传统计算机面临着处理速度慢、能耗高的双重挑战。这一困境的根源在于处理器与存储器的物理分离，导致数据在两者之间频繁搬运产生巨大能耗。受人类大脑高效并行处理机制的启发，神经形态计算应运而生，它通过模拟生物大脑的信息处理方式，有望突破传统架构的局限。在这一新兴领域中，模拟生物突触功能的电刺激突触器件成为构建硬件神经网络的核心单元。目前，虽然氧化物、二维材料、功能有机分子等多种材料已被用于开发忆阻器或人工突触，但氮化镓(GaN)因其优异的导热性、耐高温、抗辐射、耐酸碱等特性，特别适合在极端环境下工作。然而，基于GaN纳米线的突触器件制备面临重大挑

  来源：Chip

  时间：2025-10-11

• 认知与数字路径解码金融行为：印度职业女性的混合SEM-ANN研究

  在数字技术席卷全球金融体系的浪潮中，印度凭借统一支付接口(UPI)等创新走在了前列，其数字支付占比已高达75%。然而，这场数字革命并未惠及所有人，女性群体在金融参与度上依然面临显著障碍。尽管金融工具触手可及，许多印度职业女性仍对自主金融决策犹豫不决，其背后是金融素养(Financial Literacy, FL)的缺失、对风险的过度担忧以及对数字平台的不信任。这些问题在德里首都圈(NCR)这样互联网普及率高达80%、女性就业率两年间增长59%的发达地区依然突出，凸显了单纯提供数字接入不足以实现真正的金融包容，探究影响女性金融行为的深层认知与数字机制迫在眉睫。在此背景下，研究团队在《Borsa

  来源：Borsa Istanbul Review

  时间：2025-10-11

• 基于循环神经算子的粘弹性复合材料历史相关力学行为多尺度建模研究

  Section snippetsProblem formulation本节简要介绍了用于生成代表性体积单元（RVE）数据集的有限变形粘弹性理论（finite deformation viscoelasticity theory），并描述了本研究中使用的RVE单元的几何与材料属性。RNO-based multiscale approach为降低直接数值模拟（DNS）或并发多尺度方法带来的巨大计算成本，本研究采用离线策略，从RVE尺度入手。在该尺度进行详细的有限元计算，并利用仿真结果作为数据，通过计算有效量和属性来训练RNO代理模型。值得注意的是，由于我们关注的是复合材料的历史相关材料行为...R

  来源：COMPOSITE STRUCTURES

  时间：2025-10-11

• 印度上市公司破产预测的人工智能-机器学习方法创新研究

  在印度这样一个充满活力的新兴经济体中，企业的生死存亡牵动着无数投资者的心。然而，信息不对称就像一层迷雾，让投资者难以看清企业的真实健康状况，面临着“逆向选择”的风险。当一家公司从技术性破产走向实质性违约，最终进入清算程序时，投资者的财富往往已遭受重创。传统的信用评级机构在预警企业违约风险时，有时显得行动迟缓，尤其是在印度市场，公司可能在相当长的时间内维持着与实际情况不符的良好信用评级。这促使投资者和监管机构寻求更及时、更准确的风险预警工具。传统的破产预测模型，如多元判别分析（MDA）和逻辑回归（LR），虽然被广泛应用，但它们建立在严格的统计假设之上，对数据的正态分布、异常值和多重共线性非常敏感

  来源：Borsa Istanbul Review

  时间：2025-10-11

• 儿童败血症患者的血小板计数变化轨迹与生存情况：2015–2023年中国某中心的回顾性研究

  本研究探讨了在儿童重症监护病房（PICU）出院后的三年内，重症幸存儿童在神经发育方面的后续影响。通过使用一种多维度的评估工具——PICU Outcomes Portfolio（POP）调查问卷，研究者评估了儿童健康状况对家庭经济状况和父母就业的影响。研究发现，单独使用某一项神经发育评估指标可能无法全面反映儿童和家庭面临的复杂挑战，而POP调查问卷能够识别出更多处于风险中的儿童。这一结果强调了在评估儿童重症康复过程时，采用多维度综合评估的重要性，以更好地理解儿童和家庭所经历的长期影响，并为后续的干预措施提供依据。### 研究背景与目的在儿童重症监护病房中，许多幸存者在出院后可能会面临一系列长期的

  来源：Pediatric Critical Care Medicine

  时间：2025-10-11

• 基于网格几何深度学习的大规模多组件机械结构快速响应预测框架

  在工程设计与仿真领域，计算机辅助工程软件基于有限元法（FEM）已成为评估结构性能不可或缺的工具。特别是在汽车行业，为了满足安全性与轻量化的双重目标，工程师需要反复对车辆结构进行碰撞仿真分析。然而，现实往往充满挑战：复杂的物理过程，如车辆耐撞性分析，涉及几何、材料和接触的高度非线性行为，以及由数十万至数百万个网格单元构成的大规模模型。这导致每次仿真计算耗时巨大，严重阻碍了需要大量迭代优化的结构设计效率。面对这一困境，开发既能保持精度又能显著降低计算成本的替代模型（Surrogate Model）显得尤为重要。近年来，利用机器学习（ML）或深度学习（DL）方法建立仿真代理模型备受关注。传统方法如前

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2025-10-11

• 基于皮电活动（EDA）的运动强度与季节变化对户外锻炼者热舒适度的个性化评估研究

  Highlight季节变化与运动强度对热舒适度的交互影响在此得到系统性揭示。冬季中等强度运动可显著改善热舒适感，而夏季高强度运动则会加剧生理不适，这一发现为动态热环境调控提供了关键依据。The impact of seasonal changes on thermal comfort既往研究表明，季节变化是影响人体热舒适度的关键因素之一。我们的研究结果发现，冬季对热舒适度的影响尤为显著。在冬季户外活动时，参与者的热生理反应更为敏感。基于冬季采集的数据，核心体温在低温环境中表现出更明显的波动，这与文献[63]的结论一致。Conclusion本研究通过整合主观感知、生理响应与环境参数，探讨了运动过

  来源：Journal of Building Engineering

  时间：2025-10-11

• 综述：基于双曲空间的卫星复杂网络表征与优化

  双曲几何模型：从理论基石到网络科学新范式双曲几何（Hyperbolic Geometry）由俄罗斯数学家罗巴切夫斯基首次提出，其核心特征在于不满足欧几里得平行公设。在双曲空间中，过直线外一点可作无数条平行线，三角形内角和小于180°，且空间体积呈指数增长——这一特性使其比欧几里得空间更具扩张性。双曲空间拥有多种等价模型，包括双曲面模型（Hyperboloid Model）、克莱因模型（Klein Model）和庞加莱圆盘模型（Poincaré Disk Model），它们通过特定度量公式相互转换，为网络嵌入提供了数学基础。大规模复杂网络表征学习方法的演进传统欧几里得空间中的网络表征方法主要依赖

  来源：Digital Communications and Networks

  时间：2025-10-11

• 基于机器学习的交通政策评估：巴黎城市交通模拟的快速预测模型 中文标题

  随着城市化进程加速，交通拥堵和环境污染问题日益严峻，城市管理者亟需通过政策干预优化交通系统。然而，传统的交通政策评估依赖于复杂的Agent-based模型（如MATSim），需运行大量计算密集型模拟，单次政策场景评估耗时长达数十分钟甚至数小时，严重限制了政策迭代效率和实时决策能力。为突破这一瓶颈，研究团队提出了一种基于机器学习的交通政策效果预测模型。该研究以巴黎城市交通网络为案例，构建了覆盖3.5万条道路段、12万人口（1%采样率）的大规模仿真环境，针对“区域道路容量削减50%”政策场景生成8308组有效模拟数据。研究采用的核心技术方法包括：1.基于MATSim的Agent-based交通模拟

  来源：TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES

  时间：2025-10-11

• 多任务优化调查：迈向跨领域和异步多任务处理

  多任务优化（Multi-task Optimization, MTO）是一种旨在通过有效的知识迁移，提升多个任务同时获取最优解效率的优化方法。随着优化问题复杂性的增加和实际应用场景的多样化，MTO在近年来得到了广泛的关注和发展。MTO不仅适用于单一任务的优化，还被广泛用于解决多任务、跨领域以及异步任务等复杂场景。通过MTO，研究者能够利用不同任务之间的关联性，减少计算资源的浪费，提高求解效率。本文将从任务类型、应用场景以及未来研究方向三个方面对MTO进行系统性分析和总结。首先，MTO可以根据任务的类型被划分为多个子类，包括单目标多任务优化（Single-Objective Multi-Task

  来源：Swarm and Evolutionary Computation

  时间：2025-10-11

• 基于替代辅助的生态位分化差分进化算法在卷积神经网络中超参数优化中的应用

  在深度学习领域，卷积神经网络（Convolutional Neural Networks, CNNs）因其强大的特征提取能力和广泛的应用场景，已成为研究的热点。然而，CNNs的性能不仅依赖于其结构设计，还受到超参数配置的显著影响。超参数优化作为CNNs优化过程中的关键环节，旨在通过调整诸如卷积核数量、激活函数类型、网络深度等关键参数，进一步提升模型的泛化能力和实际应用效果。尽管如此，超参数优化问题本身却面临诸多挑战，包括高维度、多模态、计算成本高昂以及变量混合性等，这些特性对优化算法提出了更高的要求。当前，针对CNNs的优化方法主要分为两大类：一种是网络结构搜索（architecture se

  来源：Swarm and Evolutionary Computation

  时间：2025-10-11

• 一种基于损伤演化基因组数据库的、用于三维编织复合材料的数据驱动多尺度模型SCA-DNN

  本文探讨了一种基于材料损伤演化基因库的数据驱动多尺度模型SCA-DNN，用于3D编织复合材料（3DWCs）在小应变和准静态载荷下的中微观损伤分析。传统数据驱动的多尺度模型在处理高维微观物理场时面临神经网络（NNs）的映射难题，导致其无法有效揭示微观损伤演化行为。为此，研究团队提出了一种新的模型SCA-DNN，结合了自洽聚类分析（SCA）方法和深度神经网络（DNN）模型，以提升模型在中微观损伤分析中的准确性和效率。3DWCs因其卓越的抗腐蚀性和出色的面外力学性能，广泛应用于航空航天等工业领域。这种材料具有多尺度结构特征，包括宏观、中观和微观三个层次。在宏观尺度上，3DWCs可以被制造成具有大量编

  来源：COMPOSITES PART A-APPLIED SCIENCE AND MANUFACTURING

  时间：2025-10-11

• 综述：从创新到应用：质谱成像在空间分辨单细胞组学领域的开创性进展

  近年来，随着生命科学的快速发展，空间生物学研究逐渐成为探索生物系统复杂性的关键领域。其中，质谱成像（Mass Spectrometry Imaging, MSI）作为一种能够提供生物分子在组织切片中空间分布信息的技术，正在迅速拓展其应用范围。MSI技术通过非靶向或靶向的方式，能够在不破坏细胞结构的前提下，对组织样本中的代谢物、脂质和蛋白质等分子进行高分辨率的可视化定位。这种能力使得研究人员能够深入理解细胞异质性、代谢重编程以及疾病微环境的变化，从而为癌症和神经退行性疾病的诊断与治疗提供新的视角。在单细胞层面，MSI技术的进展尤为引人注目。单细胞MSI（Single-Cell MSI）能够实现对

  来源：CHINESE CHEMICAL LETTERS

  时间：2025-10-11

• 在变速条件下，基于稳健的GSR阵列辅助的快速智能诊断方法用于多谐波故障特征的检测

  在现代工业应用中，旋转机械设备通常在复杂且恶劣的条件下运行，轴承故障成为导致设备停机的主要原因。这些故障不仅会造成高昂的维护成本，还可能带来严重的安全隐患。因此，开发一种高效、准确的故障诊断方法对于确保系统可靠性、预防灾难性故障具有重要意义。然而，传统方法在处理变量速条件下的振动信号时面临诸多挑战，因为这些信号往往具有高度的非平稳性和显著的噪声污染，使得故障特征提取和识别变得困难。针对这一问题，本文提出了一种快速的智能诊断方法，该方法融合了广义随机共振（Generalized Stochastic Resonance, GSR）阵列、马尔可夫转移场（Markov Transition Fiel

  来源：MECHANICAL SYSTEMS AND SIGNAL PROCESSING

  时间：2025-10-11

• 激光切割中工艺参数的混合机制与数据驱动优化方法

  激光切割作为一种高精度、高效率的材料加工技术，其质量直接受到工艺参数的影响。这些参数决定了材料在高温下的熔化、汽化或化学反应过程，从而影响切割效果。因此，选择和优化工艺参数对于获得高质量的激光切割结果至关重要。近年来，机器学习技术在工艺参数优化方面展现出良好的效果，尤其是在建立连接工艺参数与质量指标的替代模型方面。然而，现有的模型往往忽略了激光切割过程中生成的关键温度场信息，而这对于理解切割过程的机理具有重要意义。为了解决这一问题，本文提出了一种结合物理机制与数据驱动的优化方法。首先，建立了一个激光切割实验平台，采用五因素三水平的全因子设计方法进行数据采集。这种设计能够全面覆盖不同工艺参数组合

  来源：COMPUTERS IN INDUSTRY

  时间：2025-10-11

• 一名依赖血液透析且患有多种疾病的患者的颅内结核瘤，其表现类似于恶性肿瘤：诊断挑战与分子病理学确认

  摘要 通俗语言总结 中枢神经系统结核瘤在临床上较为罕见（占颅内占位性病变的1%–2%），当缺乏结核中毒症状时，这类病变极易被误诊为恶性肿瘤。本文报道了一例39岁女性的病例，她表现为全身性强直-阵挛性发作。影像学检查提示额叶存在恶性侵袭性病变，并伴有颅底破坏。该患者具有多种高风险因素，包括血液透析、糖尿病以及冠状动脉支架植入后的抗凝治疗，最终通过分子病理学检查确诊为颅内结核瘤。该病例强调了肺外结核的隐匿性以及在多种疾病共存情况下的诊断挑战，为类似复杂病例的诊断提供了参考。 通俗语言总结中枢神经系统结核瘤较为罕见，尤其在缺乏

  来源：Journal of Craniofacial Surgery

  时间：2025-10-11

• 儿童脑震荡的健康社会决定因素：一项范围综述

  摘要 通俗语言总结 自1986年《头部创伤康复杂志》（Journal of Head Trauma Rehabilitation）创刊以来，人们在理解严重脑损伤及其导致的意识障碍（DoC）的恢复机制方面取得了显著进展。所有生物医学领域的研究都提高了诊断的准确性，并促进了治疗方法（包括药物和非药物疗法）的发展。本文重点介绍了自20年前上次更新以来这些领域的进展。与康复领域的许多其他领域相比，意识障碍方面的研究成果在临床实践中的应用尤为广泛。科学家、临床医生和专业组织之间的国际合作建立了关键的合作关系，有助于将研究成果转化为实际应用。特别是由跨学

  来源：The Journal of Head Trauma Rehabilitation

  时间：2025-10-11

知名企业招聘：