-
随机序列引导的交联用于按需可注射的HA‑DNA水凝胶支持神经祖细胞
通过DNA杂交交联的透明质酸(HA)水凝胶(HA‑DNA水凝胶)提供了一个可编程且细胞相容的平台,用于再生医学。然而,由于系链链之间的非特异性杂交引发的不良过早网络形成,其实际应用一直受到限制。在此,研究人员介绍了一种按需可注射的HA‑DNA水凝胶,该水凝胶通
来源:Nanoscale
时间:2026-03-31
-
16纳米鳍式场效应晶体管技术中脉冲神经元的参数化分析
传统计算硬件在临界热密度下的饱和现象促使范式向节能的脑启发计算转变。本研究探索了基于互补金属氧化物半导体(CMOS)的三种不同脉冲神经元拓扑结构的设计:泄漏整合发放(LIF)、莫里斯-莱卡(ML)和轴突-希尔(AH),这些拓扑均采用16纳米鳍式场效应晶体管(F
来源:Advanced Intelligent Discovery
时间:2026-03-31
-
面向可解释动态知识图谱学习的产业链风险监控
全球供应链日益复杂和相互关联,使得主动系统性风险识别成为关键挑战。现有方法难以弥合高频多模态行为数据与结构化领域知识之间的语义鸿沟,尤其是在风险标签稀缺的无监督场景下。为解决此问题,研究人员提出UCGF,一个用于弹性供应链风险识别的无监督跨图融合框架。UCGF
-
神经网络在CT图像自动检测木材特征中的性能
计算机断层扫描(CT)能够非破坏性地洞察原木内部结构,然而CT图像的完全自动化解译仍受限于标注不一致、边界模糊以及基于二维(2D)切片分析中空间上下文不足等问题。这些挑战制约了深度学习在木材质量评估中的工业部署。本研究将人工智能(AI)与深度学习应用于木材原木
-
“体育活动让人们真正过自己的生活,而不仅仅是住在医院”——一项评估医院工作人员在促进获得性脑损伤患者体育活动中所遇障碍与促进因素的定性研究
摘要:尽管体育活动是住院康复的重要组成部分,但获得性脑损伤(ABI)患者比普通人群更少进行体育活动,久坐时间更长。由于医院工作人员在入院期间支持活动中扮演核心角色,本研究探讨了他们在该情境下促进体育活动时所经历的障碍和促进因素。采用个体半结构化访谈和焦点小组进
来源:Neuropsychological Rehabilitation
时间:2026-03-31
-
GraphCycle-CLTM:一种基于循环一致性的图对比框架,用于神经主题建模
语义偏移与编码器-解码器不匹配问题,提出图循环对比主题模型,整合图引导对比采样、循环一致重建与主题感知图传播,提升主题语义一致性及生成稳定性。
来源:Knowledge-Based Systems
时间:2026-03-31
-
基于流体-结构相互作用原理的、具有积分守恒物理特性的神经网络训练,用于模拟弹性血管中的血流现象
三维弹性血管流体-结构耦合模拟中,基于自适应SiLU激活函数和交替优化策略的E-ICPINNs框架通过双子网络解耦流体动力学与结构力学,在任意拉格朗日-欧拉格式下嵌入Navier-Stokes方程和血管壁力学约束,将FSI问题转化为多目标优化任务,显著提升强耦合系统的训练稳定性与效率。数值实验验证其在直血管、局部狭窄及扩张血管中的精确性与高效性。
来源:Computer Physics Communications
时间:2026-03-31
-
利用在FIREX-AQ野外活动中使用AirMSPI技术获取的测量数据,对烟雾颗粒的物理特性进行了研究
基于优化策略的多角度极化观测烟粒属性反演方法研究,通过三步优化与深度神经网络加速的辐射传输模型,有效缓解了传统平面平行大气模型在烟羽三维结构下的不连续性问题。与AERONET及eMAS数据对比显示,排除±65°和±57°四个倾斜观测角后,气溶胶光学深度(AOD)误差控制在±0.05内,空间结构一致性达85%以上。敏感性测试表明,3-5个±45.8°内观测角配置可平衡模型误差与信息捕获效率,但单视角初始化仍存在10-15%的系统性偏差,主要源于烟粒时空异质性的耦合影响。
来源:Astroparticle Physics
时间:2026-03-31
-
通过多模态学习提高长序列光伏发电预测的准确性:整合卫星云图像与时频域融合技术
本文提出基于卫星云图融合的多模态学习框架SIFPV,结合图卷积网络建模多站交互,改进的时频域损失函数有效抑制标签自相关性,显著提升96步和672步光伏功率预测精度,为电网调度提供可靠依据。
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-03-31
-
M3Net:一种基于宏观-中观-微观临床特征的层次化3D网络,用于肺结节分类
多尺度上下文融合的肺结节分类3D网络M³Net在LIDC-IDRI和USTC-FHLN数据集上分别达到86.96%和84.24%的准确率,优于现有基线方法3.26%和2.17%。
来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY
时间:2026-03-31