• AACRNet：面向遥感图像变化检测的模糊感知优化网络及其在复杂场景下的语义一致性增强研究

  Section snippetsDL-based CD methods当前变化检测（CD）方法主要分为基于语义分割和基于孪生网络（Siamese Network）的两类架构。基于语义分割的方法将CD任务视为对双时相图像中变化区域的分割，通常通过将双时相图像合并为统一输入，并借助分割网络（如U-Net）进行处理。Daudt等人[19]首次提出了基于全卷积孪生卷积网络的架构，能够从图像对中提取更具抽象性和鲁棒性的层次特征。Network architecture如图2所示，提出的AACRNet包含三个核心阶段：特征提取、变化定位和掩模优化。编码器采用预训练的ResNet18双分支结构，从双时相图像

  来源：Digital Signal Processing

  时间：2025-09-14

• 机器人辅助书写训练对神经发育障碍儿童书写能力与自尊提升的干预研究

  在特殊教育领域，神经发育障碍（Neurodevelopmental Disorders, NDD）儿童面临着重大的学习挑战，其中书写困难（dysgraphia）尤为突出。这类儿童不仅书写质量远低于同龄人，还常常因反复失败而产生焦虑、逃避行为，形成"越写越差、越差越不想写"的恶性循环，严重影响其学业表现和自尊发展。传统的书写康复训练往往依赖一对一的人工指导，不仅对专业治疗师资源要求高，而且难以保持儿童长期参与的积极性。近年来，社交辅助机器人（Socially Assistive Robotics）展现出解决这一问题的潜力。通过结合严肃游戏（serious games）和学习-教学（learnin

  来源：Computers in Human Behavior Reports

  时间：2025-09-14

• 基于脑电与群体感应混合优化模型的帕金森病神经动力学特征筛选研究

  亮点本研究显著推进了基于脑电图（EEG）的帕金森病（PD）检测领域发展，提出了一种深度融合深度学习与新颖多阶段特征选择策略的框架。单一策略的特征选择方法通常只关注特征的某个维度，可能无法充分利用多维特征的丰富性，从而限制所有特征对检测任务的重要性。相关研究特征选择对于提升PD检测系统性能至关重要，特别是在处理高维数据时。仿生优化技术已被证明是解决这一问题的有效工具，能够以较低计算开销找到最显著的特征。一项比较研究[34]探讨了此类自然启发元启发式算法在PD检测优化中的应用及其与开发优化检测系统的相关性。方法本研究使用两个知名公开数据集：新墨西哥大学（UNM）[50]数据集和圣迭戈（SD）[51

  来源：Computer Vision and Image Understanding

  时间：2025-09-14

• ATG101-ATG13蛋白复合物界面突变的系统性功能解析及其在自噬调控与神经退行性疾病中的意义

  HighlightATG101-ATG13复合物（图2A）在自噬中的关键作用通过对其界面区域可能发生的突变进行稳定性分析得到验证。PDBsum分析预测了ATG101-ATG13复合物（PDB Id: 5C50）中的结合界面，如图2B所示。结果显示复合物中存在58个界面残基，每条链各29个。此外，分析还识别出23个氢键、4个盐桥和大量非键接触，这些相互作用共同维持了复合物的结构完整性与功能。Results为阐明ATG101-ATG13复合物在自噬中的关键作用，我们对其界面区域的潜在突变进行了稳定性分析。PDBsum分析预测了该复合物（PDB ID: 5C50）中的结合界面（图2B），共识别出58

  来源：Computational and Theoretical Chemistry

  时间：2025-09-14

• 原子尺度揭秘MoS2忆阻器中缺陷诱导的电阻机制及其在神经形态计算中的意义

  Section snippetsCalculation methods所有结构优化与能量计算均基于密度泛函理论（DFT），采用维也纳第一性原理模拟软件包（VASP）完成。离子-电子相互作用通过投影缀加波（PAW）赝势处理，交换-关联相互作用在广义梯度近似（GGA）框架下使用Perdew-Burke-Ernzerhof（PBE）泛函处理。所有结构优化均应用DFT-D3校正。Results and discussion在探究缺陷是否构成非易失性导电通道形成的前提时，我们首先研究了MoS2中缺陷的类型，包括单硫空位（Vs）、双硫空位（Vs2）、钼空位（VMo）以及缺失一个钼原子及其周围三个硫原子的空

  来源：Applied Surface Science

  时间：2025-09-14

• 基于人工神经网络（ANN）的形状记忆合金弹热冷却热-力耦合模型开发与应用

  Section snippetsNumerical experiments and data generation用于训练人工神经网络（ANN）模型的数据集可来源于实验测量或计算模拟。本节采用经典的Lagoudas本构模型进行数据生成，代表一系列数值实验。为建立ANN模型，需收集涵盖不同环境温度下多种加载路径的应力-应变和内热源-应变关系的综合数据集。ANN-based model and its finite element implementation本节首先讨论ANN中超参数对预测精度的影响，随后提出一个包含四个隐藏层的ANN结构，并利用第2节生成的数据集对其进行训练。之后，提供该模型的

  来源：Mechanics of Materials

  时间：2025-09-14

• 基于结构保持LDG离散化的Fisher-Kolmogorov方程在神经退行性疾病建模中的应用与TFBM驱动的随机分数阶平均原理研究

  Highlight本研究探讨了TFBM驱动的随机分数阶微分方程在双时间尺度马尔可夫切换下的动力学行为，成功克服了TFBM随机积分的奇异性问题，建立了系统的有界性和连续性估计。在Lipschitz条件下，我们进一步发展了平均原理，为复杂动力系统的理论分析和数值模拟提供了新的数学工具。这些理论进展显著简化了复杂系统的分析，提高了问题解决的可行性和准确性。此外，双时间尺度马尔可夫切换模型在预测和管理具有记忆性和长期依赖性的复杂系统方面展现出强大的分析能力，证明了其在处理高动态系统中的巨大应用价值。Section snippetsPreliminaries and assumptions本节介绍了与T

  来源：Mathematics and Computers in Simulation

  时间：2025-09-14

• 基于深度学习模型的SDN-IoT新型入侵检测数据集比较评估及其在InSDN、BoT-IoT与ToN-IoT上的性能分析

  随着软件定义网络（Software-Defined Networking, SDN）和物联网（Internet of Things, IoT）技术的快速融合，现代网络架构在灵活性、可扩展性和集中管理方面取得了显著进展。然而，这种融合也带来了新的安全挑战。SDN通过分离控制平面与数据平面实现动态可编程的网络配置，而物联网则连接了数百亿异构设备并产生海量数据流量，二者的结合使得网络环境更加复杂和脆弱。传统的入侵检测系统（Intrusion Detection System, IDS）往往难以应对SDN-IoT动态异构环境的特殊需求，尤其是在攻击多样性和实时性要求方面存在明显不足。尽管深度学习（De

  来源：Measurement: Digitalization

  时间：2025-09-14

• 基于机器学习的针刺复合材料低损伤结构设计与性能优化研究

  Highlight针刺工艺与复合材料内部结构以针刺预制体作为增强骨架，通过液相浸渍酚醛树脂制备的针刺复合材料（由天鸟高新技术公司生产）采用多层T700碳纤维布与短切纤维网交替铺层结构。每单元层包含一层碳纤维布和一层纤维网，通过针刺工艺使纤维产生三维定向排布。针刺区域根据纤维形态可分为纤维弯曲区（FBA）和纤维断裂区（FBA），其分布密度与针刺排列方式直接相关。构建针刺排列与结构的关系基于RVC模型的结构图像作为信息载体，利用卷积神经网络（CNN）强大的图像识别能力建立针刺排列参数与纤维结构的映射关系。通过蒙特卡洛类（MCl）方法生成多组RVC结构变体，采用统计理论筛选纤维断裂区域最少的最优结构

  来源：Materials Today Communications 

  时间：2025-09-14

• 基于混合神经网络加速反演框架的二维编织SiCf/SiCm组分弹性参数数据驱动识别研究

  Needling processes and interior structures of composites以针刺预制体为增强骨架，通过液相浸渍酚醛树脂制备针刺复合材料。基于实际生产工艺，针刺预制体由多层T700碳纤维布与短切纤维网交替铺叠构成。每个单元层包含一层碳纤维布和一层纤维网，针刺工艺通过特定针板排列将纤维引入厚度方向，形成三维网络结构，但会导致纤维弯曲区与断裂区的产生。Construction of the relationship between needle arrangements and structures代表体积单元（RVC）模型可反映不同针板排列下针刺区域的分布与纤

  来源：Materials Today Communications 

  时间：2025-09-14

• 综述：智能多功能感知存储器件：响应性材料在推进非易失性存储器中的作用

  引言数据centric应用（如人工智能（AI）和大数据）的飞速扩张，对传统冯·诺依曼架构的处理能力提出了严峻挑战。该架构将感知、处理和存储功能分离，导致了高能耗、显著延迟和昂贵的硬件成本。集成感知、计算和存储功能于一体的单一器件，符合“超越摩尔”（More-than-Moore, MtM）范式，倡导设备的功能多样化。内存感知和计算利用现有存储器技术作为基础，整合传感单元和处理功能（包括模拟信号的实时操纵），通过并行架构对海量数据集执行并发操作，从而为复杂数据处理任务提供强大、节能且可扩展的解决方案。新兴的非易失性存储器（NVM）允许集成感知、处理和数据保留能力，该领域的发展主要由材料研究的进步

  来源：Materials Science in Semiconductor Processing

  时间：2025-09-14

• 综述：低维光电忆阻器：从量子限制到神经形态视觉

  AbstractSr2Ti1-xMnxO4（0≤x≤0.1）固溶体采用金属甲酸盐前驱体技术合成。锰掺杂将带隙有效收窄至2.5eV（Sr2Ti0.9Mn0.1O4）。伏安法和电子顺磁共振（EPR）光谱证实锰以Mn4+（主）和Mn2+（次）混合价态存在，通过Mn2+/4+氧化还原对参与激子电荷分离，促进表面超氧自由基（•O2–）和羟基自由基（•OH）生成。所有样品在紫外/可见光下对苯二酚和亚砷酸钠（NaAsO3）均呈现高光氧化活性，且随锰浓度增加而增强。Sr2Ti0.9Mn0.1O4在紫外光下的动力学性能超越商用Degussa P25催化剂四倍以上。Introduction工业废水污染治理亟需新型

  来源：Materials Science and Engineering: R: Reports

  时间：2025-09-14

• 超低功耗双模态突触晶体管：赋能高效神经形态视觉系统的新突破

  设计灵感图1a展示了生物视觉信号传导过程：视网膜神经网络将光学信息传递至视神经，进而由大脑进行高级处理与识别。突触作为介导神经元互动的核心单元，在视觉信息处理中具有关键作用。值得注意的是，视网膜突触与中枢突触分别承担感知与处理功能，二者协同实现高效视觉计算。 结论本文成功开发出对光、电刺激均具有响应能力的超低功耗光电子突触晶体管（OST）。核心创新在于采用质子导电材料与慢极化材料构成的复合绝缘层结构，该设计在维持半导体-介电界面双电层（EDL）效应的同时显著抑制漏电流，从而实现了器件的超低功耗运行。此外，p型/n型聚合物共混半导体通道有效提升了激子解离效率并构建连续载流子传输路径，使器件在近

  来源：Journal of Colloid and Interface Science

  时间：2025-09-14

• 奖赏环路形态与转录组特征揭示轻躁狂的神经机制：多中心研究

  Highlight参与者共742名大学生（456名男性；年龄16-30岁，平均值±标准差=19.94±1.71）来自四个不同站点，所有参与者均具备有效T1加权磁共振成像数据及完整问卷评分。均无神经或精神疾病史。所有参与者签署书面知情同意书，未成年者额外获得家长同意。研究方案经天津师范大学研究伦理委员会批准。demographics全样本中（n=742），轻躁狂总分范围75-217（平均值±标准差=146.61±22.65），其子维度得分分别为：社交活力（[35–113], 69.63±12.53）、情绪波动性（[22–77], 50.93±9.08）和兴奋性（[11–43], 25.06±6.

  来源：Journal of Affective Disorders

  时间：2025-09-14

• Gamma频段qEEG作为抑郁症特质生物标志物的稳定性研究及其临床意义

  Highlight临床结果临床和人口统计学变量结果详见表1。研究共纳入152名参与者：59名复发性重度抑郁症（MDD）患者、26名非复发性MDD患者以及67名健康对照（HC）。三组在年龄上无显著差异（p = .256）。基线期（T0）和治疗中期（T1）的抑郁严重程度（通过HDRS-17评估）和焦虑严重程度（通过HARS评估）在MDD组间无统计学差异。讨论综合分析表明，与健康对照相比，Gamma活动减弱是复发性及非复发性MDD的一致特征，且随时间保持稳定——不受基线症状严重度、药物负荷、共病焦虑及其他人口学因素影响。最显著的特质模式出现在后顶叶（P3、P4、Pz）、枕叶（O1、O2）以及中央中线

  来源：Journal of Affective Disorders

  时间：2025-09-14

• 促炎饮食与生活方式模式对认知功能的影响：来自Moli-sani研究的横断面证据

  Highlight研究设计与参与者Moli-sani研究始于2005年，在意大利莫利塞地区开展，是一项大规模前瞻性队列研究，旨在探索与心血管疾病、癌症和慢性退行性疾病相关的遗传与环境因素。研究从市政登记处招募了24,325名35岁及以上的成年参与者（Di Castelnuovo等，2012）。排除标准包括招募期间妊娠、严重精神疾病或语言障碍等影响认知评估的情况。结果表1展示了研究参与者（N=2474）的人口统计学和临床特征。根据MoCA评分将参与者分为三组：MoCA≤18分（N=176，占7.1%）、19≤MoCA≤25分（N=1259，占50.9%）以及MoCA≥26分（N=1039，占42

  来源：Journal of Affective Disorders

  时间：2025-09-14

• 创伤后应激障碍与神经环路结构的遗传关联：全基因组荟萃分析揭示新机制

  Highlight通过多队列荟萃分析（样本量=306,400），我们发现PTSD与神经环路相关脑区（如扣带皮层、前额叶皮层）存在遗传力富集，并鉴定出31个新型共享遗传位点（conjFDR<0.05）。这些位点参与DNA损伤修复和神经退行性疾病通路，同时揭示前极区表面积与PTSD存在潜在因果关系。GWAS数据与荟萃分析PTSD的GWAS摘要数据来自三大研究：(1) 结合51个队列（包括PGC和UK Biobank）的荟萃分析，共182,199样本；(2) 百万退伍军人计划（MVP, 36,301病例 vs 178,107对照）；(3) FinnGen（2,282病例 vs 337,577对照）。

  来源：Journal of Affective Disorders

  时间：2025-09-14

• 基于单帧输入与物理后处理的时空洪水预测新框架及其在深度学习模型中的应用与验证

  引言：近年来洪水灾害已成为全球最具破坏性的自然灾害之一，尤其是溃坝和堤防溃决洪水因其突发性和高危害性对预测技术提出严峻挑战。传统基于二维浅水方程（2D shallow water equations）的流体动力学模型（如MIKE 21、Delft3D）虽能精确模拟洪水演进，但计算资源消耗大、耗时长，难以满足应急响应需求。现有深度学习预测方法多依赖历史洪水序列（historical trend prediction），存在物理机理阐释不足、边界条件适应性差等问题。本研究旨在开发一种基于物理机理的单帧预测框架，结合后处理技术提升长时序预测的准确性与稳定性。数据与方法：1.预测框架设计：提出单帧预测

  来源：Water Resources Research

  时间：2025-09-14

• 基于氧化碲忆阻器的人工光电突触与逻辑门在仿生视觉应用中的突破

  在传统冯·诺依曼架构中，"存储与计算分离"的特性造成了难以逾越的"内存墙"瓶颈，导致高能耗和低数据传输效率。将感知、存储与计算相结合的类脑功能集成到统一硬件系统中，已成为突破冯·诺依曼限制的重要策略。本研究基于氧化碲(TeOx)忆阻器构建了集成光电神经形态系统，用于人工视觉应用。该忆阻器展现出优异的阻变切换（RS）特性，在光与电刺激下实现突触可塑性和OR、AND逻辑门功能。通过不同波长光脉冲调制，成功模拟了联合学习及大脑"褪黑素分泌与抑制"过程。器件展示的短期可塑性（STP）和长期可塑性（LTP）能够模拟视觉神经网络从噪声中识别和记忆图像的功能。进一步将突触可塑性功能与卷积神经网络（CNN）结

  来源：Advanced Functional Materials

  时间：2025-09-14

• 多元因素对三元乙丙橡胶复合材料辐照老化影响的实验与机器学习研究

  这项开创性研究深入解析了三元乙丙橡胶(EPDM)在高温辐照环境中的"生死博弈"——当材料遭遇电离辐射时，分子链断裂与交联反应如同拔河般相互角力。令人惊讶的是，含有抗辐照添加剂的复合材料展现出"遇强则强"的特性：在高剂量辐照下反而保持更高的压缩永久变形保留率(CSR)，这种反常现象通过交联密度测试揭开了谜底。研究团队巧妙地将机器学习引入材料科学，训练出的神经网络模型就像个"数字预言家"(R20.92)，能精准预测不同辐照剂量与温度组合对材料性能的影响。通过SHAP分析这个"贡献值计算器"，量化了各种添加剂对抗辐照性能的加持效果。在众多候选材料中，石墨这位"抗辐照冠军"脱颖而出，其独特的层状结构如

  来源：Journal of Applied Polymer Science

  时间：2025-09-14

知名企业招聘：