-
MIRepNet:一种用于基于脑电图(EEG)的运动想象分类的流程和预训练模型
本文提出MIRepNet,首个专为运动想象(MI)设计的EEG预训练模型。通过神经生理学启发的通道模板和自适应预处理,结合自监督掩码重建与监督分类的预训练策略,有效学习可泛化时空特征,显著提升MI任务解码精度,仅需少于30次/类的校准数据。
来源:Knowledge-Based Systems
时间:2026-04-21
-
一种新的材料发现工作流程,旨在弥合实验数据库与图神经网络之间的差距
将NEMAD实验数据库与ICSD的CIF晶体结构文件对齐,整合完整原子坐标信息,构建支持先进图神经网络(GNN)的材料预测数据库。实验表明,对齐后的数据库使CGCNN模型预测磁性材料 ordering temperatures MAE降低34.7%,magnetic ground states CCR提升至92.3%,显著优于传统随机森林等简单模型。
来源:Journal of Magnetism and Magnetic Materials
时间:2026-04-21
-
综述:迈向下一代脑机接口:在神经接口处对神经化学和代谢动态进行电化学监测
电化学神经接口技术进展:整合化学传感与电记录实现多参数实时监测,分析伏安法、安培法和电位计的优缺点,探讨长期植入中的稳定性、生物兼容性和信号漂移等挑战。
来源:Journal of Electroanalytical Chemistry
时间:2026-04-21
-
综述:从机制到材料:肟的活性与有机磷酸酯解毒的新兴策略
本文综述了从经典的α-亲核试剂化学到多功能材料在有机磷神经毒剂解毒领域的发展。作者以François Terrier和Clifford A. Bunton等人的早期开创性研究为基础,系统梳理了肟类化合物(oxime)的α-效应、结构-活性关系、反应介质(如胶束、超分子组装体)的优化,以及无机/纳米结构催化剂在促进乙酰胆碱酯酶(AChE)再激活和有机磷酸酯(OP)直接水解方面的最新进展,展示了物理有机化学、超分子化学和材料科学的深度交叉与融合。
来源:ChemPhysChem
时间:2026-04-21
-
护士主导足踝运动对糖尿病周围神经病变症状及足部风险指标的影响:一项准实验研究
本研究针对糖尿病周围神经病变(DPN)患者,开展了一项护士主导的足踝灵活性及阻力运动干预的准实验研究。结果显示,干预组神经病变症状严重程度(NTSS-6)及足部风险/自我护理指标均显著改善(p < 0.001),支持该方案作为常规护理的有效补充。
来源:Nursing Research and Practice
时间:2026-04-21
-
从旁观到参与:情境、沟通与关系定位如何塑造获得性脑损伤与恶性脑肿瘤患者亲属的护理参与度——一项观察性研究
为解决护士如何在实际临床情境中引导和促进获得性脑损伤(ABI)或恶性脑肿瘤(MBT)患者亲属参与护理的问题,研究人员开展了一项在丹麦四家医院进行的非参与式现场观察研究。结果表明,亲属参与度存在从“完全缺席”到“积极伙伴关系”的连续谱,其程度受物理/组织情境、沟通实践和关系定位的显著影响。该研究强调了构建结构化、包容性环境以推动亲属从边缘观察者转变为价值伙伴的重要性,为急性与复杂护理场景下的家庭参与实践提供了重要见解。
来源:Nursing Research and Practice
时间:2026-04-21
-
黑磷/铁电CuInP2S6异质结赋能非易失性光子卷积计算
为解决AI计算中的冯·诺依曼瓶颈与功耗问题,研究人员开展了基于BP/CIPS异质结的非易失性光子卷积计算研究。该工作实现了8级非易失权重存储及GHz级运算,在MNIST数据集上准确率达96.34%,为高效光计算提供了新范式。
来源:Laser & Photonics Reviews
时间:2026-04-21
-
考古学中人工智能的理论与实践:迈向一个兼顾领域责任与方法透明度的框架
本文旨在为考古学中基于机器学习(ML)的方法应用提供一个实践导向的理论框架。鉴于考古数据存在训练样本稀缺、样本间高变异性、类别不平衡等固有挑战,且ML模型常被视为“黑箱”,本研究强调在整合领域专业知识的前提下,如何负责任地应用ML技术以实现可扩展、可解释的推断,并使得从考古概念到计算表征的链条更加透明、可检验。
来源:Journal of Archaeological Science
时间:2026-04-21
-
复杂化学空间中长程机器学习势的泛化能力评估与提升策略
为解决MLIPs(机器学习原子间势)在复杂化学空间中泛化能力差、长程相互作用建模不准确的问题,研究人员系统评估了DimeNet++、MACE、Allegro等架构结合CELLI、EFA等长程修正方案在MOFs等体系中的表现。研究发现,长程修正对提升模型在分布外样本上的性能至关重要,并提出了基于SOAP描述符的偏置拆分方法以更严谨地评估泛化能力。该研究为开发高泛化性MLIPs提供了方法论框架。
来源:Digital Discovery
时间:2026-04-21
-
机器学习与保险公司经营失败预测
保险公司破产预测中结构人工神经网络(SANN)的应用及优势分析。通过整合企业特征、宏观经济指标和收益率曲线三类数据,SANN模型在17国2424家保险公司的实证中,AUC较传统模型提升1.83%-9.55%,并验证了类别内非线性关系的重要性。
来源:INTERNATIONAL JOURNAL OF FORECASTING
时间:2026-04-21