• TabNSA：一种用于高效处理表格数据的原生稀疏注意力机制

  TabNSA通过融合分层稀疏注意力机制与TabMixer架构，有效建模异构特征并降低计算复杂度，实验表明其优于现有模型且结合LLM可提升少样本学习效果。

  来源：Neurocomputing

  时间：2026-02-07

• Hi-CBM：通过分层概念瓶颈建模来减轻信息泄露

  概念瓶颈模型通过将输入特征映射到人类可理解的抽象概念来提升可解释性和可干预性，但存在信息泄漏问题导致模型失效。本文提出Hi-CBM框架，采用分层概念池化机制过滤无关信号，并设计二进制干预矩阵约束概念与标签的关联，有效消除信息泄漏。实验表明该模型在保持高预测精度的同时显著提升可解释性和可干预性。

  来源：Neurocomputing

  时间：2026-02-07

• 硼替佐米诱导神经病变中皮肤神经TrkA表达上调与神经血管互作异常的相关性研究

  本研究揭示硼替佐米诱导的周围神经病变（BIPN）患者皮肤神经纤维中TrkA蛋白表达显著升高，并伴随表皮内神经纤维密度（IENFD）降低和真皮血管化增强。通过多模态检测技术，发现TrkA积累与治疗周期相关，且疼痛亚组呈现独特的神经-血管相互作用模式，为NGF/TrkA信号通路在BIPN中的作用机制提供了新视角。

  来源：Brain Pathology

  时间：2026-02-07

• 利用扩散偶实验和基于物理的神经网络反演技术，对三元Ni–Al–Ti和五元Ni–Co–Fe–Al–Ti高熵合金中示踪剂扩散率在成分空间内的分布进行了全面映射

  通过实验与物理信息神经网络（PINN）结合，系统性地估计了Ni-Al-Ti三元和Ni-Co-Fe-Al-Ti五元固溶体中各元素的扩散系数，创新性地采用单扩散谱线与伪二元方法交叉验证，并利用PINN优化方法实现扩散系数的连续函数建模，解决了多组分系统中扩散参数估计的难题。

  来源：Acta Materialia

  时间：2026-02-07

• 基于学习的、具有稳定性认证的航天器近距离操作最优制导框架

  本文提出了一种结合控制李雅普诺夫函数与监督学习的框架，用于为航天器交会机动生成具有稳定性认证的时间最优和燃料最优制导指令。作者构建了一种新型神经候选李雅普诺夫函数以确保正定性，并推导出相应的控制策略。该框架通过一个简单的损失函数联合监督李雅普诺夫函数和控制策略，利用基于多项式映射方法获得的最优状态-控制对进行训练。数值仿真验证了该方法在稳定性和最优性方面的有效性，并可扩展至非线性仿射控制系统。

  来源：Acta Astronautica

  时间：2026-02-07

• 使用响应一致的监督学习网络进行区间模型校准

  利用响应一致的监督多层感知机（MLP）神经网络进行区间模型标定，结合可微区间不确定性传播技术，直接从动态响应特征区间识别结构参数区间，解决了传统参数域监督方法的不确定性建模难题。研究通过玩具飞机和钢 plate结构的有限元素分析案例验证，证明了该方法在工程参数标定中的有效性和效率。

  来源：Mechanical Systems and Signal Processing

  时间：2026-02-07

• 综述：关于改进型神经网络算法在智能电网中用于电池能量状态估计的综述

  高效准确的电池状态估计（SOE）对智能电网储能系统至关重要，但锂离子电池的非线性特性及动态工况带来挑战。本文系统分析FNN、RNN（含LSTM、GRU）、CNN及GNN等神经网络算法在SOE中的应用，探讨数据预处理、性能评估（MSE/MAE/RMSE）及场景适配策略，提出混合建模、在线自适应和边缘计算集成等未来方向，填补算法分类视角与工程实践结合的研究空白。

  来源：RENEWABLE & SUSTAINABLE ENERGY REVIEWS

  时间：2026-02-07

• 通过物理信息驱动的神经网络，从部分充电数据中实现实时、基于物理原理的电池健康状况监测

  电池健康监测中，快速评估与深度诊断存在矛盾。本研究提出参数化物理信息神经网络P-PINNSPM，基于单粒子模型整合关键老化参数，30秒内完成电池内部状态预测，速度比有限体积法快47倍，SOH估计精度提升60.61%。该模型支持未知健康状态推断和多样化充放电条件下的稳健估计，展示了物理信息神经网络在实时电池管理系统的潜力。

  来源：eTransportation

  时间：2026-02-07

• 通过超声波传感和时延神经网络精确测量锂离子电池的电解液体积

  提出基于超声传感与时间延迟神经网络（TDNN）的非破坏性锂离子电池电解液体积检测方法，通过物理仿真模型验证声波在湿/干区域传播机制，结合物理先验知识实现±2%高精度预测，适用于电池制造质量检测和健康状态实时监测。

  来源：eTransportation

  时间：2026-02-07

• 利用未标记数据中的物理知识来提高电池寿命预测的准确性

  电池寿命预测方法研究，提出基于物理知识引导的卷积神经网络模型，利用单次恒流充放电曲线数据联合预测剩余使用寿命和拐点周期，仅需10%真实标签即可将误差控制在21周期内，较传统方法误差降低超50%。

  来源：Nano Energy

  时间：2026-02-07

• 越南人参UDP-鼠李糖基转移酶PviUGT74鉴定及其在伪人参皂苷F11生物合成中的功能解析

  本研究针对越南人参变种中伪人参皂苷F11生物合成最后一步糖基化机制不明的科学问题，通过全基因组筛选和体外酶活验证，首次鉴定出特异性催化PRT5C6-O-鼠李糖基化的关键酶PviUGT74。该酶在近中性pH和温和温度条件下表现最优活性，且对UDP-鼠李糖具有严格特异性。分子对接与定点突变实验揭示H21-D120催化二元体等7个关键残基的功能作用，同源基因功能保守性及基因复制起源分析为UGT家族进化提供新见解。该发现完善了ocotillol型皂苷生物合成途径，为通过合成生物学策略可持续生产稀有皂苷奠定了理论基础。

  来源：Industrial Crops and Products

  时间：2026-02-07

• 基于深度学习辅助的热力学建模，用于研究页岩油与二氧化碳（CO₂）系统的相变行为

  纳米孔隙中油-二氧化碳多相行为快速计算模型研究。该模型融合物理信息神经网络与修正的Peng-Robinson方程，通过预处理的复合数据集构建双模块预测体系：模块A实现多组分混合物数据标准化处理，模块B采用分支残差网络预测饱和压力，模块C利用PINN迭代算法优化相平衡计算。实验表明该模型迭代次数减少两个数量级，计算时间缩短97%，在纳米孔隙尺寸缩小至20nm时效率优势更显著。研究揭示CO2含量对轻质油饱和压力存在温度敏感性差异，纳米限域效应显著改变孔隙尺寸、相平衡比和界面张力，为页岩油-碳封存协同开发提供高效计算工具。

  来源：Fuel

  时间：2026-02-07

• 混合人工智能模型在多站点车辆路径规划中的分割配送与多行程优化研究

  本研究针对城市最后一公里物流中多站点、分割配送、多行程的复杂优化问题，提出了一种结合列表调度启发式算法与Transformer网络、深度强化学习(DRL)、增强拓扑神经进化(NEAT)和元学习(MAML)的混合人工智能框架。通过真实案例和标准基准测试验证，LST-Former模型在路径精度、资源利用和动态需求适应性方面表现最优，为实时物流决策提供了硬件兼容的创新解决方案。

  来源：Engineering Science and Technology, an International Journal

  时间：2026-02-07

• 认知考古学新视角：眼动追踪揭示现代人类识别石器工具的能力边界及其对 Homo 属认知演化的启示

  本研究针对现代人类是否具备无需专业知识即可区分人工石器与自然破碎石块的能力这一关键问题，通过眼动追踪技术，对比了经过短期培训与未培训的参与者识别石器工具的差异。研究发现，培训显著提升了参与者对已知石器（如砍砸器、手斧）的识别准确率，但未能改善对未知石器（如Cleaver）的分类能力，表明石器识别依赖特定知识且难以迁移。该研究为理解人类祖先技术知识的积累与认知演化提供了重要实证，凸显了专业知识在工具识别中的核心作用。

  来源：Current Research in Behavioral Sciences

  时间：2026-02-07

• 自我认同“三巨头”结构及其构成要素的稳定性特征：一项基于定量脑电图（qEEG）的个体内重复测量可靠性研究

  自我意识稳定性测试研究显示，脑自指网络三个模块的功能完整性具有中等到高度的重测信度，整体功能配置稳定性达99%。该研究通过双时间点测试验证了自我、我、我三个维度的特质性特征，发现其稳定性不受年龄、测试间隔或身心状况影响。

  来源：Consciousness and Cognition

  时间：2026-02-07

• 综述：评估遭受创伤的儿童和青少年

  儿童在16岁前经历至少一种创伤事件，影响脑功能、情绪处理、社交技能及身心健康。创伤筛查由一线工作者实施，旨在识别创伤暴露；创伤知情评估则由心理健康专家进行，全面探讨创伤对儿童功能的影响。诊断需考虑DSM-5标准与儿童发育特点的匹配性，以及社区、家庭和社会背景。儿童创伤反应受年龄、创伤类型及持续时间影响，症状可能跨诊断类别，需结合神经生物学机制（如HPA轴、儿茶酚胺系统）进行综合评估。

  来源：Child and Adolescent Psychiatric Clinics of North America

  时间：2026-02-07

• 基于CNN-LDA时序-频谱迁移学习的肌电假手控制用户训练负担减轻研究

  本研究针对肌电假手控制中因表面肌电信号非平稳性导致的用户训练负担重问题，提出了基于多流卷积神经网络（CNN）的时序-频谱跨被试迁移学习框架。通过排除空间信息迁移，专注于提取与手势相关的时序-频谱特征，在经桡动脉截肢者多收缩力数据集上实现了92.73%的训练精度和74.53%的泛化精度，显著优于基线模型。该研究为降低肌电控制系统对训练数据的依赖提供了新思路，对推动智能假肢的临床应用具有重要意义。

  来源：Biomimetic Intelligence and Robotics

  时间：2026-02-07

• 基于模型的神经形态视觉触觉传感器滑移估计与力感知新方法

  本文针对机器人精准抓取中物体滑移早期检测的难题，提出了一种基于模型的神经形态视觉触觉传感器新方法。研究人员通过物理和数学建模，结合事件相机和仿生凸起标记设计，实现了对抓取物体滑移位移和按压力的定性与定量估计。实验验证了传感器的一阶系统行为，并利用LSTM时空分类器和模糊逻辑分类器，成功以超过99%的准确率识别机器人动作及按压力程度。该研究为机器人稳定抓取提供了高效的模型化反馈控制策略，具有重要的应用价值。

  来源：Robotica

  时间：2026-02-07

• 在智能光伏集成电网中，采用节能型混合图神经预测控制与量子自适应滑模调节技术提升低电压穿越（LVRT）性能

  光伏逆变器低电压穿越优化框架研究：提出量子神经混合控制架构，集成量子自适应滑模与图神经网络预测引擎，实现动态电气图建模下的快速电压 sag 预测（0.6-2.1ms前）与多尺度谐波特obs抑制，仿真验证显示电压 sag 韧性指数提升34.8%，恢复时间9.4ms，谐波 distortion 2.1%，能耗降低23.5%。

  来源：Sustainable Computing: Informatics and Systems

  时间：2026-02-07

• 综述：多模态传感计算设备：迈向具身智能的新范式

  本文系统综述多模态感知-计算器件（MSCDs）的研究进展，探讨其通过生物启发式架构整合感知与计算，提升信息处理效率，降低能耗。研究对比单模态与多模态感知机制，分析多源数据融合与解耦策略，阐述MSCDs的结构设计与跨模态耦合机制，并总结其在智能机器人、可穿戴设备等领域的应用。未来需突破器件与系统级集成挑战，实现自适应学习能力。

  来源：Materials Today

  时间：2026-02-07

知名企业招聘：