• 人工智能检测 NGC 6946 中的 HI 空洞：来自 moment-0 图的新候选体

  星系盘中 HI 空洞的自动检测一直是河外射电天文学中的长期挑战，并且由于当前和未来大面积 HI 巡天产生的庞大数据量而变得日益紧迫。基于目视检查的传统方法主观性强、难以重复，并且从根本上无法与 MeerKAT 和 Square Kilometer Array

  来源：Mathematics

  时间：2026-10-11

• 无限离散分布随机采样下反应–扩散神经网络（RDNNs）的几乎必然指数同步与截断-尾部验证LMI设计

  研究人员将反应–扩散神经网络（reaction–diffusion neural networks, RDNNs）的随机采样数据同步从有限支撑采样分布推广到无限离散分布，其采样区间取自可数无限集合 {q_i}_i=1<s

  来源：Mathematics

  时间：2026-10-11

• 考虑粒子尺寸的混合纳米流体热导率实验与多层感知机神经网络（MLPNN）建模

  传统切削液不足以缓解加工过程中出现的高温和刀具磨损等问题。因此，近年来使用纳米粒子改性冷却油的重要性日益增加。在本研究中，研究人员使用不同纳米粒子（hBN、ZnO、MWCNT、TiO₂、Al₂O<sub>3</sub

  来源：Crystals

  时间：2026-10-11

• 物理引导残差学习用于编码超表面全角度域散射预测

  摘要专业翻译 编码超表面（coding metasurfaces）通过离散编码状态为操控电磁散射提供了一种有效途径。然而，对于大量编码构型，通过全波电磁仿真获取角度域散射响应在计算上仍然代价高昂。为解决这一问题，本研究提出一种物理引导残差学习（Physics-

  来源：Applied Sciences

  时间：2026-10-11

• 大电导钙激活钾（BK）通道调节小鼠对 CO2/pH 的呼吸、代谢和行为反应

  摘要 大电导Ca2+激活型K+（BK）通道调节各生理系统的兴奋性，BK通道病会导致神经发育迟缓、认知障碍和脑结构畸形。已有研

  来源：The Journal of Physiology

  时间：2026-10-11

• 感受野重映射与跨扫视空间更新

  自发现以来，扫视期感受野 (RF) 重映射——即扫视反应前后感受野的位移——激发了许多研究，探索其起源、特性及功能意义。我们回顾了导致一种环路模型的最新进展，该模型将重映射的时空特性与跨扫视视觉稳定性的功能需求联系起来。该模型利用中心/周边连接，将刺激在视网膜上的位置存储为群

  来源：Current Opinion in Neurobiology

  时间：2026-10-11

• 预驱动和后门控忆阻霍普菲尔德网络：动力学、FPGA实现与图像加密

  驱动-门控忆阻突触将更新驱动功能与门控功能分离。紧凑的MHNN揭示了突触调节如何重塑神经动力学。比较结果显示更丰富的多瓣混沌与多稳态现象。FPGA结果验证了混沌神经系统的硬件可实现性。图像加密展示了所生成混沌序列的实用性。 **引言** 构建结合丰富非线性动力学与可解释突

  来源：Neural Networks

  时间：2026-10-11

• SegVLM：基于视觉语言模型的可变形注意力视觉增强指代图像分割

  摘要图像分割是计算机视觉中的一个基本任务，涉及将图像划分为具有语义意义的区域。指代图像分割扩展了这一任务，通过自然语言表达来定位特定对象，需要有效整合视觉和语言信息。在这项工作中，我们提出了 SegVLM，这是一种视觉语言模型，结合了架构增强以提高分割准确性和跨模态对齐。该模

  来源：Neural Networks

  时间：2026-10-11

• 2型糖尿病中维生素D缺乏相关的血脂异常及维生素D2补充后的变化

  摘要维生素D缺乏（VDD）在2型糖尿病（T2DM）患者中较为常见，并与血脂异常有关，但与维生素D水平低下相关的具体脂类尚未明确界定。为此，我们试图刻画T2DM中与VDD相关的脂质组学改变，并描述VD2补充后的变化。具体而言，我们对219名T2DM成人进行了非靶向血清脂质组学分

  来源：The Journal of Steroid Biochemistry and Molecular Biology

  时间：2026-10-11

• 通过利用并行可编程反向互补交叉阵列电路的忆阻器神经网络增强跨模态联想记忆

  •我们介绍了一种创新电路，利用反向互补忆阻器交叉阵列的并行处理优势，显著提升了跨模态联想记忆系统的速度和可扩展性。 •通过 PSPICE 对所提电路进行验证，显示出极高的稳定性和可靠性，即使在使用失真或噪声灰度图像时也能实现优异的回忆准确率。 •所提电路促进了音频和视觉模态之

  来源：Neural Networks

  时间：2026-10-11

知名企业招聘：