• 基于数据驱动的人体静电电位非接触测量反演方法

  人体静电是静电敏感工业环境中的主要危害之一。现有的非接触测量方法往往依赖于显式物理建模，通常需要传感器布局、目标运动状态和场景几何的准确先验知识，这限制了其在复杂动态场景中的适用性。为解决这一问题，本文提出了一种基于神经网络的数据驱动方法，用于从非接触静电测量

  来源：Journal of Sensor and Actuator Networks

  时间：2026-09-08

• 微流控通道中液晶与碳点发光纳米复合材料：壁面、动力学及生物活性添加剂的影响

  微流控限域通过壁面效应（wall effects）与剪切（shear）为调控纳米材料性质提供了新途径。将微流控通道与溶致液晶（lyotropic liquid crystals, LLC）及发光添加剂集成，可获得用于纳米技术与生物医学的可调超分子组装体。研究人

  来源：Nanomaterials

  时间：2026-09-08

• 光伏太阳能电池模型的比较建模与混合解析–元启发–机器学习辨识及实验验证

  精确的光伏电池建模对于可靠的性能预测至关重要，然而参数估计对于广泛使用的电气等效模型仍然具有挑战性。本研究考察了四种光伏电池模型：（i）理想模型，（ii）单二极管模型（SDM），（iii）双二极管模型（DDM）以及（iv）三二极管模型（TDM）。对每种模型的内

  来源：International Transactions on Electrical Energy Systems

  时间：2026-09-08

• 一种实现多维联想学习的四端TiO_2−x忆阻器架构

  摘要翻译：联想学习是生物突触的一种关键高阶功能，但由于现有忆阻器架构的局限性，在硬件上实现该功能仍具有挑战性。本研究开发了一种四端TiO_2−x忆阻器，能够对氧空位分布进行二维控制，在施加电压时表现出稳定的非细丝阻变行为，并伴随可见的电致着

  来源：physica status solidi (a)– applications and materials science

  时间：2026-09-08

• 综述：面向脑启发计算的新兴后CMOS硬件神经元：器件、电路与系统集成

  冯·诺依曼架构的根本能量和延迟限制已迫使计算范式向神经形态系统转变。这种方法通过模拟大脑的事件驱动和大规模并行处理能力来解决“存储墙”瓶颈。然而，这些神经元在硬件中的物理实现仍然是一个关键挑战。尽管基于互补金属氧化物半导体（CMOS）的实现能够模拟神经元动力学

  来源：Advanced Functional Materials

  时间：2026-09-08

• 肌内效贴扎联合神经肌肉控制训练对膝骨关节炎疼痛与功能的影响：一项多中心评估者盲法随机对照试验方案

  背景与目的：膝骨关节炎（Knee Osteoarthritis，KOA）是导致功能受损与生活质量下降的主要病因。运动疗法为推荐方案；然而，肌内效贴扎（Kinesio Taping，KT）作为辅助干预因可能减轻疼痛、改善本体感觉及增强功能表现而受到关注。尽管临床

  来源：Health Science Reports

  时间：2026-09-08

• 综述：肠易激综合征中炎症与心理症状关联的神经免疫机制叙述性综述

  背景：肠易激综合征（irritable bowel syndrome, IBS）传统上被归类为功能性胃肠疾病，但常伴有焦虑和抑郁症状，显著加重疾病负担。近期研究表明，IBS的胃肠道和心理表现源于涉及免疫激活和肠脑信号的共享生物学机制，而非独立或继发过程。 研

  来源：Advanced Gut & Microbiome Research

  时间：2026-09-08

• 向Shelly Sakiyama-Elbert五十岁生日致敬的主题专刊：庆祝塑造神经工程生物材料的二十五年

  本主题专刊旨在庆祝Sakiyama-Elbert博士在神经工程领域塑造生物材料方面长达25年的影响力。研究人员的开创性工作推动了用于外周神经系统和脊髓神经修复的支架设计，尤其是在生长因子受控递送以及生物材料与干细胞疗法整合方面的创新。这些贡献帮助确立了创伤性损

  来源：Journal of Materials Chemistry B

  时间：2026-09-08

• 坎托型FeNiCoCrMn合金的数据驱动设计：融合基于物理的模型、可解释人工智能与实验

  研究人员开发了一种将数据驱动框架与分子模拟及进化算法相整合的方法，用于加速发现具有高空模量和不稳定层错能的FeNiCoCrMn基多主元合金(MPEA)。所识别成分被合成并测试其晶体结构与力学性能（硬度和杨氏模量），结果均呈单相面心立方(FCC)结构。计算与实验

  来源：Digital Discovery

  时间：2026-09-08

• 物理感知增强隐式神经表示结合多模态特征融合用于复杂流场的零样本超分辨率

  摘要 本研究针对经典隐式神经表示（INRs）在复杂气动流场超分辨率重建中对于激波和边界层等关键区域表征不足的问题，提出了一种融合多模态特征的物理感知增强隐式神经表示（PA-INR）框架。本研究所指多模态特征包括数据驱动的深层流特征和物理派生特征，后者涵盖压力梯度、速度散度

  来源：Aerospace

  时间：2026-09-08

知名企业招聘：