• 综述：用于痴呆症早期激越检测的数字生物标志物：新兴可穿戴和智能技术用于个性化护理的范围综述

  本综述系统探讨可穿戴传感器与智能技术如何通过数字生物标志物实现痴呆症患者激越症状的早期识别与个性化管理。文章指出多模态传感（如心率变异性、皮肤电活动）结合个性化机器学习模型可显著提升激越检测的准确性，并强调以用户为中心的设计对技术落地至关重要。未来需开展大规模纵向验证，并将该技术拓展至自闭症谱系障碍等存在沟通障碍的群体。

  来源：Frontiers in Neurology

  时间：2026-02-11

• 综述：穴位注射相关疗法治疗中风后顽固性呃逆的比较疗效和安全性：一项网状Meta分析

  本综述通过网状Meta分析系统评价了穴位注射相关疗法治疗中风后顽固性呃逆的疗效。结果表明，穴位注射相关疗法（尤其是针灸联合耳针、穴位注射联合西药等组合疗法）疗效显著优于单一疗法，其作用机制可能与调节GABA、多巴胺等神经递质及ST36、PC6等关键穴位有关。尽管现有证据质量普遍较低，但结果为临床联合应用中医外治法与现代药学提供了有价值的方向。

  来源：Frontiers in Neurology

  时间：2026-02-11

• 在外周单核细胞耗竭的情况下，小鼠创伤性脑损伤模型中小胶质细胞的长期基因表达会发生变化

  单核细胞清除后脑微胶质转录表型改变改善创伤性脑损伤小鼠神经功能，提示免疫调节治疗潜力。

  来源：Shock

  时间：2026-02-11

• 两个独立老年人群体中精细记忆辨别能力与tau蛋白负荷之间的关系

  1. 该研究通过A4和EXERT试验的基线数据，探讨MST任务表现与tau病理、 amyloid沉积及海马体积的关系，发现MST能有效筛查早期tau病理，尤其在amyloid阳性人群中，且其敏感性优于传统逻辑记忆测试。

  来源：Neuropsychologia

  时间：2026-02-11

• 稀疏性和内存限制与训练序列相互作用，从而影响关联映射的学习过程

  认知地图通过整合或分离经验中的关联结构支持推理与规划，其形成受学习序列、记忆容量及神经编码策略影响。blocked学习在低容量时促进整合，而interleaved学习在高容量时增强整合，神经稀疏性进一步调节整合/分离倾向。

  来源：Neuropsychologia

  时间：2026-02-11

• 关于二氧化硫在深共晶溶剂中吸收的新见解

  准确预测二氧化硫在深熔盐中的吸收能力，本研究构建了包含1382个实验数据和924个计算数据点的综合数据库，评估了15种机器学习算法。结果表明支持向量回归（SVR）和卷积神经网络（CNN）表现最优，R²分别达0.9904和0.9872，关键影响因素为压力和s8结构描述符。研究证实机器学习可有效建模复杂DES系统的气体吸收行为，为高效溶剂设计提供新方法。

  来源：Microchemical Journal

  时间：2026-02-11

• 针对编译时计算资源优化的目标语言模型：一种基于掩码图自编码器的新型方法

  本研究提出DeepCodeGraph（DCG），一种基于图神经网络的自监督预训练方法，用于优化异构设备映射、线程块大小预测和算法分类。通过构建包含超10万张图的ProGraML数据集，结合masked graph autoencoding框架，DCG在三个下游任务中均达到SOTA性能，平均准确率达87%、53%和99%。

  来源：Data & Knowledge Engineering

  时间：2026-02-11

• 铁电AlScN/Si异质结构的自供电神经形态光响应

  AlScN/Si异质结构通过铁电极化与内置电场的协同作用实现自供电光响应，正向极化下光电流具有持久特性，可模拟生物突触的短期和长期可塑性，为神经形态光电子系统提供新途径。

  来源：Current Applied Physics

  时间：2026-02-11

• A-CLA：一种新型的自适应细胞学习自动机方法，用于揭示复杂网络中的社区结构

  社区检测算法研究：提出自适应细胞学习自动机（A-CLA），结合双反馈机制和节点自适应学习率，在复杂网络中有效检测社区结构，评估模块化、NMI、F1等指标，在模块化强的数据集表现优异但计算时间高于快速算法。

  来源：Computer Networks

  时间：2026-02-11

• 一种基于物理知识的神经网络替代模型，用于实时功率分配网络（PDN）和动态电压下降预测，在2.5维芯片集成中应用

  电源网络分析在异构2.5-D芯片系统中面临传统方法计算慢和纯数据驱动网络缺乏物理一致性的问题，本文提出嵌入电路约束的物理信息神经网络（PINN）框架，通过分层建模、PDE残差和优化策略提升精度与效率，实验显示精度达亚毫伏级且计算量减少80%，推理速度比商业工具快300倍。

  来源：IEEE Transactions on Very Large Scale Integration (VLSI) Systems

  时间：2026-02-11

• 机器人辅助的压电卵泡穿刺术与胞浆内精子注射技术

  卵子渗透与胞内注射的机器人系统研究：提出集成深度神经网络分层分割与模型预测控制技术，有效降低细胞损伤（存活率82.8%），实现±5像素精度的精子定位，渗透变形控制在±2.34μm。

  来源：IEEE Transactions on Reliability

  时间：2026-02-11

• 胰腺神经内分泌肿瘤射频消融后的影像学特征：早期经验

  胰腺神经内分泌肿瘤射频消融后影像学特征及治疗反应分析显示：17例18个<3cm非功能panNET经EUS-RFA治疗，平均肿瘤尺寸从1.4±0.5cm降至0.3±0.5cm（P<0.0001），SUVmax从17.3±11.2降至3.1±6.0（P<0.001）。83.3%肿瘤术前呈高强化，术后仅27.8%保留强化，66.7%达完全缓解（肿瘤消失或形成无强化腔），27.8%部分缓解。1例无应答者经二次消融后SUVmax显著下降，1例出现术后胰腺炎。平均随访650天，影像特征与病理响应高度相关。

  来源：Journal of Computer Assisted Tomography

  时间：2026-02-11

• 一个统一的深度学习框架用于研究固化动力学：在准确性和泛化能力方面超越了现象学模型

  环氧树脂固化动力学建模中，提出基于深度神经网络的统一模型，通过DSC数据融合非等温和等温过程，实现R²=0.9998的高精度预测，并验证其在有限元仿真中的优越性，突破了传统普鲁特-汤姆金斯和Kamal模型在跨热历史泛化中的局限。

  来源：Thermochimica Acta

  时间：2026-02-11

• 一种结合LSTM和MPHI2的混合方法，用于长跨度预应力混凝土桥梁的时变可靠性分析

  本研究针对长跨度预应力混凝土桥的高维非线性时变可靠性分析难题，提出融合LSTM神经网络与MPHI2方法的代理驱动框架。通过构建高精度三维有限元模型模拟徐变、收缩、开裂和预应力损失耦合效应，训练LSTM模型高效近似非线性时变响应，结合MPHI2方法实现可靠度计算，验证表明其预测的失效概率与蒙特卡洛模拟误差小于6%，且显著降低计算成本，为桥梁长期性能评估提供有效工具。

  来源：Structures

  时间：2026-02-11

• 一种多层建筑物理参数识别方法，该方法结合了刚度-响应协同采集技术与分阶段的粒子群智能优化（PINN）算法

  结构参数识别|刚度响应协同获取|分阶段物理信息神经网络|鲁棒性验证|噪声抑制|参数辨识误差|结构健康监测|数值实验|多场景适应性|建模不确定性

  来源：Structures

  时间：2026-02-11

• 通过简单的1T1R结构配置来改善基于HfO₂的RRAM的模拟开关特性

  模拟开关、电阻随机存取存储器、人工神经网络、自加速离子迁移、多级特性

  来源：Solid-State Electronics

  时间：2026-02-11

• 利用位置信息来理解人类活动和习惯的家庭机器人

  该研究提出一种整合位置估计、人类活动识别（HAR）和计划识别的智能系统。通过融合ResNet50-Places365场景分类模型与基于物体距离的自创位置估计器，结合AL-GCN模型将骨骼数据与位置信息进行图卷积神经网络融合，并构建可更新的知识库实现计划预测。实验表明位置估计准确率达92.83%，AL-GCN模型在跨主体评估中达94.33%，计划识别通过习惯学习显著提升准确率。系统已部署于自制家庭机器人进行实景验证。

  来源：Robotics and Autonomous Systems

  时间：2026-02-11

• 温度驱动的多模态/单驱动软指

  基于深度学习的软抓取系统研究及实验分析|软机器人|自适应控制|卷积神经网络|非破坏性抓取|Obj10数据集

  来源：Robotics and Autonomous Systems

  时间：2026-02-11

• 通过图神经网络将多头注意力机制与无细胞大规模MIMO信号检测器相结合的方法

  CF-mMIMO系统中提出基于图神经网络（GNN）、二维多头注意力机制（2D MHA）和期望传播（EP）的联合检测算法GNN-MHA-EP，有效消除多用户干扰并提升检测性能，同时保持低计算复杂度。

  来源：Physical Communication

  时间：2026-02-11

• 从相似性拉普拉斯能量视角出发，研究复杂网络中关键节点的识别方法

  本文提出基于相似性拉普拉斯矩阵的中心性度量方法Similarity Laplacian Centrality（SLC），通过局部路径指数构建相似性矩阵，结合节点删除对谱图能量的扰动分析，有效捕捉二、三阶路径结构信息，在计算效率与全局结构分析间取得平衡，实验验证其在大规模网络中的优越性能。

  来源：Physica A: Statistical Mechanics and its Applications

  时间：2026-02-11

知名企业招聘：