• 海拔高度对双心室重塑的影响及肺动脉高压的临床特征：一项探索性心血管磁共振研究

  高原环境与肺高血压患者心脏重塑的关联性研究解读摘要：本研究通过心血管磁共振（CMR）成像技术，对比分析了海拔≥2500米（高原组）与<2500米（低原组）居住的肺高血压（PH）患者双心室功能及结构变化。结果显示高原组患者存在更显著的左心室收缩功能障碍和右心室重塑现象，且GGT（γ-谷氨酰转移酶）水平与双心室功能恶化存在独立相关性。该研究为高原地区PH患者的临床管理提供了新的生物学指标依据。一、研究背景与意义肺高血压作为心血管系统重大疾病，其预后与心室重构密切相关。高原环境特有的低氧暴露对心血管系统的影响已引起关注，但高原居住与PH患者心室重塑的协同作用尚未明确。本研究创新性地将CMR组织追踪技

  来源：Stroke: Vascular and Interventional Neurology

  时间：2025-11-28

• 综述：海洋藻类及其生物活性化合物作为线粒体质量控制的新调节剂：从作用机制到治疗潜力

  海洋藻类及其生物活性物质在调节线粒体质量控制（MQC）方面的研究进展线粒体作为细胞能量代谢的核心，其功能状态的维持依赖于MQC系统的精准调控。这一系统通过协调线粒体生物发生、形态动态、自噬及蛋白平衡等关键过程，确保线粒体数量与质量的动态平衡。近年来，海洋藻类及其提取物因独特的生物活性特征，在改善多种疾病相关的线粒体功能障碍方面展现出显著潜力。以下从作用机制、化学结构特征、疾病干预效果及未来研究方向四个维度展开分析。### 一、MQC调节机制1. **线粒体生物发生调控** - 核呼吸因子1（NRF1）和2（NRF2）协同激活线粒体转录因子A（TFAM），促进mtDNA转录及复制。研究发现，

  来源：Frontiers in Marine Science

  时间：2025-11-28

• 通过恢复来防御熵变：一种基于图神经网络（GNN）的气象、网络物理和社会系统安全与信任框架

  本文聚焦气象学Cyber-Physical-Social Systems（CPSS）中图神经网络（GNN）的对抗防御问题，提出了一种新型防御机制——**熵防御（Entropy Defense）**。该机制通过结合节点特征相似性和局部结构一致性评估，动态修复或裁剪图结构，有效抵御针对传感器网络和社会交互的对抗攻击。以下从研究背景、方法创新、实验验证三个维度进行解读：### 一、研究背景与问题定义在气象监测等复杂CPSS场景中，传感器网络、通信链路与社会关系形成高度异构的图结构。节点可能包含气象传感器（物理层）、通信节点（网络层）或人类专家（社会层），边则代表数据传输、空间关联或社会关系。传统GN

  来源：Frontiers in Physics

  时间：2025-11-28

• 空间敏感梯度加权类激活映射：通过融入空间敏感性实现目标检测器的实例特异性解释

  在人工智能蓬勃发展的今天，深度学习模型，特别是目标检测器，已经在自动驾驶、医疗影像分析等安全关键领域扮演着至关重要的角色。这些模型能够精准地定位并识别图像中的多个物体，其性能令人惊叹。然而，一个巨大的挑战也随之而来：这些通常拥有数百万甚至数十亿参数的“黑箱”模型，其内部决策过程往往难以理解。当模型做出一个检测决定时，我们不禁要问：它究竟是依据图像的哪些部分来判断那里有一个“行人”或一个“停止标志”？如果模型错误地将一只猫识别为鸟，我们能否知道它是不是被背景中的树木特征所误导？回答这些问题，对于确保模型在真实世界中的可靠、安全应用至关重要。可视化解释方法应运而生，旨在通过热力图等形式，直观展示模

  来源：IEEE Access

  时间：2025-11-28

• 基于EEG动态脑功能连接分析及其在情绪识别与疲劳驾驶检测中的验证研究

  在人脑的复杂活动中，不同脑区之间的协同工作一直是神经科学研究的核心。传统观点认为，在相同情境下，大脑的功能连接模式是相对稳定的，个体或环境差异是导致连接变化的主要原因。然而，随着神经科学研究的深入，科学家们发现大脑功能连接其实是动态变化的，即使在同一情境下，连接模式也会随时间不断演变。这种动态特性在功能性磁共振成像(fMRI)研究中已被证实，并应用于脑疾病分类，但fMRI较低的时间分辨率（通常大于10秒）限制了其在实时任务中的应用，比如驾驶员疲劳监测或运动意图识别。而脑电信号(EEG)以其毫秒级的高时间分辨率，为捕捉大脑活动的快速动态变化提供了独特优势。现有EEG信号处理应用通常假设不同脑区在

  来源：IEEE Access

  时间：2025-11-28

• 基于特征引导CNN与可解释性AI的混合深度学习网络入侵检测框架

  随着数字化技术的快速发展，网络安全问题日益突出。传统的入侵检测系统主要依赖预定义的规则或已知攻击特征，难以应对零日漏洞和新型攻击策略。网络攻击正变得更加频繁、复杂和多样化，对信息系统的保密性、完整性和可用性构成严重威胁。在这种背景下，开发智能、自适应的入侵检测系统成为研究热点。机器学习方法如随机森林（RF）和极限梯度提升（XGBoost）因其处理高维数据、防止过拟合和产生高分类精度的能力，在网络安全领域显示出巨大潜力。然而，这些模型在捕捉序列和时间模式方面的能力有限，而深度学习模型如卷积神经网络（CNN）恰好能弥补这一不足。此外，黑盒模型缺乏可解释性也限制了其在安全关键领域的应用。为此，研究人

  来源：IEEE Access

  时间：2025-11-28

• 基于泄漏电流的机载绝缘子污染等级评估：采用二维融合GAF图像与DSC-CBAM-ResNet网络

  摘要：车载绝缘子是电力动车组（EMUs）电力系统的关键部件，准确评估其污染程度（CL）对于防止污染闪络事故和确保设备安全运行具有重要意义。目前的方法依赖于人工经验，这不仅效率低下，而且容易出错。本文提出了一种评估电力动车组车载绝缘子污染程度的新方法，旨在提高检测效率并适应复杂的现场环境。该方法结合了Gramian角场-视觉显著性图-加权最小二乘优化（GAF-VSM-WLSO）框架和深度可分离卷积-卷积块注意力模块-ResNet18（DSC-CBAM-ResNet18）网络。首先，通过上述复合框架将泄漏电流（LC）信号转换为2D彩色融合GAF图像，该图像能够捕捉全局结构和局部细节。然后构建一个复

  来源：IEEE Transactions on Transportation Electrification

  时间：2025-11-28

• 物理信息驱动的Kolmogorov-Arnold网络在电力系统动态建模与参数辨识中的创新应用

  随着可再生能源和逆变型资源大规模接入电网，电力系统动态过程呈现出强非线性与不确定性特征。传统数值方法（如龙格-库塔法）求解描述系统频率动态的微分-代数方程(DAE)时计算成本高昂，难以满足实时分析需求。虽然基于多层感知机(MLP)的物理信息神经网络(PINN)通过融合物理定律降低了数据依赖度，但其在电力系统应用中仍存在精度不足（如转子角预测误差达2.37%）、参数辨识误差大（约50%）等问题，且需分别训练稳定与不稳定工况模型。为突破这些瓶颈，美国田纳西大学Knoxville分校的HANG SHUAI与FANGXING LI团队受最新Kolmogorov-Arnold网络(KAN)启发，在《IE

  来源：IEEE Open Access Journal of Power and Energy

  时间：2025-11-28

• 环形掺铒光纤激光器智能设计的人工智能模型构建及其性能优化研究

  在光通信、光纤传感和激光导航等领域，环形掺铒光纤激光器（Erbium-Doped Fiber Lasers, EDFLs）作为第三代光纤激光器的核心代表，凭借其高效率和窄线宽等优势发挥着重要作用。然而，其性能设计长期面临严峻挑战——环形腔结构、泵浦配置以及吸收/发射截面等5个关键参数之间存在复杂的非线性耦合关系，传统设计方法主要依赖低效的逐参数经验搜索，不仅难以获得全局最优解，还导致设计周期长达数天甚至数周。更棘手的是，现有优化方法多聚焦单参数调整，且普遍采用基于实验数据的正向设计思路，无法实现性能指标与结构参数的双向推导，严重制约了高性能环形光纤激光器的研发效率。为突破这一瓶颈，南昌大学罗岚

  来源：IEEE Photonics Journal

  时间：2025-11-28

• 基于分布式图神经网络的无人机集群弹性时间同步方法研究

  在物流、资源配送和农业等领域，由多架无人机（UAV）组成的空中集群正发挥着越来越重要的作用。这些无人机通过自组网（FANET）进行无线通信，无需依赖地面基站。时间同步是实现数据融合、距离测量和协同控制的关键基础。然而，现有研究大多默认无人机时钟已同步，却很少探讨在实际动态网络中如何实现并维持这种同步。由于无人机的高机动性（速度常超过30 km/h）以及通信链路易受干扰攻击（Jamming Attacks）影响，集群的无线网络拓扑结构会持续变化，甚至出现临时或永久性的通信中断。这些因素使得在动态网络中实现精确时间同步变得异常困难，而缺乏同步可能导致整个集群系统失效。传统控制策略（如基于已知拓扑的

  来源：IEEE Transactions on Network Science and Engineering

  时间：2025-11-28

• 面向边缘检测的忆阻细胞非线性网络动态特性分析与器件变异鲁棒性研究

  在当今人工智能和边缘计算快速发展的时代，传统数字计算系统面临着能效瓶颈和存储墙问题的严峻挑战。细胞非线性网络(CNN)作为一种模拟计算范式，以其大规模并行性和数据局部处理能力在图像处理领域展现出独特优势。然而，随着网络规模扩大，传统CNN硬件实现面临着电路复杂度激增和持续能耗过高的困境。这一技术瓶颈促使研究人员将目光投向新兴的忆阻器件，希望通过融合两种技术的优势开辟新的计算路径。忆阻器，特别是基于价变机制(VCM)的电阻式随机存取存储器(ReRAM)，因其非易失性、可调节电阻特性和CMOS工艺兼容性而备受关注。这些纳米器件能够通过电信号在高低阻态之间切换，并保持状态稳定，为构建紧凑型、低功耗的

  来源：IEEE Transactions on Nanotechnology

  时间：2025-11-28

• 基于可微分网络建模的加速流量工程学习新范式

  在当今云计算时代，广域网（WAN）作为连接全球数据中心的动脉，其流量调度效率直接关系到亿万用户的网络体验。软件定义广域网（SDWAN）通过集中控制实现了流量工程的智能化管理，然而传统基于线性规划（LP）的优化方法面临严峻挑战：即便在中等规模拓扑（70节点）中，求解耗时已超过5秒，而面对2000节点的大型拓扑时，计算时间甚至长达2天——这完全无法满足现代TE系统每5分钟更新决策的实时性要求。为了突破这一瓶颈，研究者曾尝试引入深度强化学习（DRL）技术。但DRL依赖离散事件模拟器（如ns3）或不可微分算法来计算TE指标，导致训练过程极其缓慢（73节点拓扑训练100轮需70小时），且由于无法利用TE

  来源：IEEE Transactions on Network Science and Engineering

  时间：2025-11-28

• WaCPro：打通纳米忆阻器交叉阵列编程“最后一公里”的开源波形利器

  2000字论文解读当“摩尔列车”逼近物理终点，纳米忆阻器（memristor）凭借可编程电导、非易失、低功耗，被寄望成为后摩尔时代的“晶体管接班人”。然而，这颗“新星”在实验室里却常被一只“隐形拦路虎”绊住：如何 reproducible 地把精心设计的电压脉冲准确无误地送进尺寸仅数十纳米的器件？商用任意波形发生器（AWG）虽精度高，却价格高昂、固件封闭，不支持交叉阵列所需的行列同步脉冲；而自写MATLAB/Python脚本灵活却碎片化，换台仪器就要重写，学生换届即“失传”。缺乏统一、开源、硬件就绪的波形工具，已成为忆阻器从“论文”走向“芯片”的瓶颈。为打通这一“最后一公里”，Democrit

  来源：IEEE Open Journal of Nanotechnology

  时间：2025-11-28

• 电压斜坡速率对双极型忆阻器编程特性的影响及其在能耗优化中的权衡分析

  在当今人工智能和神经形态计算飞速发展的时代，忆阻器（Memristor）作为实现突触功能的核心器件，其编程效率与能耗特性直接决定了计算系统的性能上限。然而，一个长期困扰研究人员的难题是：如何在保证编程速度的同时，有效控制器件的能量消耗和功率耗散？这就像试图让一辆赛车在极速奔驰时还能保持低油耗——看似矛盾的需求恰恰是技术突破的关键。传统研究多聚焦于稳态特性，而忽视了电压施加的动态过程对器件开关行为的深刻影响。正是这一空白，激发了IEEE Transactions on Nanotechnology上这项开创性研究。为解决这一挑战，研究团队融合了理论建模与电路仿真两大技术路径。其核心技术动态忆阻二

  来源：IEEE Transactions on Nanotechnology

  时间：2025-11-28

• 受大脑启发的去中心化卫星学习在太空计算网络中的应用

  摘要：卫星网络利用先进的遥感技术能够收集大量空间信息，这对于实时应用（如自然灾害监测）至关重要。然而，传统的地面服务器集中式处理方式由于原始数据传输的瓶颈问题，存在严重的时效性问题。为了解决这一问题，空间计算能力网络（Space-CPN）应运而生，它能够协调卫星的计算能力并实现机载数据处理。然而，由于太阳能电池板的天然限制，卫星电力系统难以满足日益复杂的神经网络计算任务的能源需求。为了解决这个问题，我们提出采用脉冲神经网络（SNN）进行机载数据处理，该方案得到了神经形态计算架构的支持。SNN在计算上的极端稀疏性使其具有高能效。此外，为了有效训练这些机载模型，我们提出了一个去中心化的神经形态学习

  来源：IEEE Journal on Miniaturization for Air and Space Systems

  时间：2025-11-28

• 面向多比特存内计算电路的原位纠错仿真框架与设计探索

  随着深度学习模型复杂度的不断提升，存内计算(CIM)架构因其能效优势成为边缘设备部署的关键技术。然而，模拟计算过程中存在的设备间差异、循环间波动、电压漂移等非理想因素会导致计算误差，尤其极端异常值对模型精度产生毁灭性影响。传统离线校准方法难以应对运行时快速变化，亟需开发原位纠错技术来平衡计算精度与硬件开销。为解决这一问题，台湾阳明交通大学的研究团队在《Integrated Circuits and Systems》上发表了针对多比特CIM电路的原位纠错仿真框架研究。该研究通过构建可配置误差模型的仿真环境，实现了从卷积操作到矩阵乘法的硬件对齐映射，并深入分析了钳位纠错策略在不同误差场景下的优化效

  来源：Integrated Circuits and Systems

  时间：2025-11-28

• 面向忆阻器存算一体系统的资源高效权重量化与映射方法研究

  随着人工智能技术的快速发展，卷积神经网络（CNN）在图像识别、自然语言处理等领域的应用日益广泛。然而，传统冯·诺依曼架构存在内存墙问题，即数据在存储器和处理器间的频繁移动导致高延迟和高功耗。这严重制约了神经网络在资源受限的边缘设备上的部署效率。为解决这一难题，存内计算（CIM）架构应运而生。其中，电阻式随机存取存储器（ReRAM）交叉阵列因其高比特密度、非易失性以及能够高效执行乘积累加（MAC）运算的特性，成为CIM系统的理想载体。在理想的ReRAM交叉阵列中，忆阻器电导值被编程为神经网络权重，通过基尔霍夫电流定律实现模拟域的MAC运算。但随着神经网络规模扩大，交叉阵列的扩展面临IR压降、潜行

  来源：Integrated Circuits and Systems

  时间：2025-11-28

• LArcNet：基于轻量级神经网络与知识蒸馏的串联交流电弧故障实时检测新方法

  在现代家庭和工业用电环境中，电气安全始终是重中之重。其中，电弧故障，特别是串联交流电弧故障，因其隐蔽性和潜在的高温危害（可达5000°C以上），已成为引发电气火灾的主要原因之一。根据相关统计，在美国，超过36%的火灾隐患与电气问题相关，每年发生超过3万起电弧闪光事故，造成严重的人员伤亡和财产损失。因此，国际电工委员会（IEC）、美国国家电气规范（NEC）等权威机构均强制要求在家用电器中安装电弧故障检测装置，例如电弧故障断路器（AFCI）。然而，串联电弧故障的检测面临着巨大挑战：由于其电流特性不如并联电弧故障明显，且易受负载类型（如阻性负载、电机负载、电力电子开关电源负载、气体放电灯负载等）和背

  来源：IEEE Open Journal of Industry Applications

  时间：2025-11-28

• AGSEI：基于长尾分布式隐式图的自适应图结构估计方法

  摘要：得益于其显著的优势，图神经网络（GNN）成为嵌入图结构数据并在各个领域寻找应用的强大工具。在大多数GNN中，一个普遍的假设是底层图结构的可靠性。这一通常隐含的假设可能会无意中通过虚假链接等结构传播误导性信息。为应对这一挑战，已经开发了许多图结构学习（GSL）方法。在这些方法中，一种流行的方法是构建一个简单直观的K最近邻（KNN）图作为样本来推断真实的图结构。然而，遵循单点分布的KNN图很容易误导对真实图结构的估计。主要原因在于，从统计学角度来看，作为样本的KNN图遵循单点分布，而真实的图结构作为一个整体则主要遵循长尾分布。理论上，样本和总体应该具有相同的分布；否则，准确推断真实图结构将变

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-28

• 基于LUTNet储层计算的340微瓦超低功耗TinyML系统在低成本FPGA上的实现

  随着物联网（IoT）设备和可穿戴传感器的普及，边缘机器学习（TinyML）的需求急剧增长。在医疗健康和异常检测等领域，这些嵌入式设备需要满足极其严格的功耗约束——系统总功耗必须低于340μW，才能在标准LR6电池（3000mWh）上实现连续一年以上的运行。然而，传统基于微控制器单元（MCU）和现场可编程门阵列（FPGA）的储层计算（RC）实现方案通常需要数毫瓦到数十毫瓦的功耗，难以满足这一严苛要求。此外，低成本制造也是嵌入式设备中TinyML部署的关键挑战。如何在保证性能的同时，兼顾低制造成本和严格功耗约束，成为当前研究的重点难点。储层计算（RC）作为一种低训练成本、高精度的循环神经网络（RN

  来源：IEEE Embedded Systems Letters

  时间：2025-11-28

知名企业招聘：