• 极化工程化的MoTe2/α-In2Se异质结：用于高速突触传递与自供电宽带检测

  基于MoTe₂/α-In₂Se₃ Schottky结的光电突触器件研究，采用嵌入式底部电极实现自驱动光电检测，响应时间32 μs，截止频率超20 kHz，检测波长扩展至1550 nm。通过α-In₂Se₃极化调制调控突触可塑性，负光电导效应使光响应与突触权重可调，构建72.6% MNIST识别准确率的神经形态计算模型。

  来源：Surfaces and Interfaces

  时间：2026-04-02

• 利用增强型注意力图循环神经网络模型进行图像去雾处理

  图像去雾是恢复雾天图像清晰度的关键技术，传统方法存在特征提取不足、边缘保留差等问题。本文提出EA-GNN模型，融合注意力机制、循环单元和图神经网络，通过改进的Lotus Effect优化算法调参，在RESIDE、SOTS等数据集上实现99.33%准确率，显著优于现有方法。

  来源：Signal Processing: Image Communication

  时间：2026-04-02

• 安装在直立海岸结构上的半圆形振荡水柱阵列对波浪能量的吸收

  本研究开发了一种结合Chimp优化算法（ChOA）和五种基准元启发式方法的改进MLP-NN模型，用于预测棕榈核壳蒸汽气化过程中煤灰和氧化钙催化剂的产气组成。实验表明，模型预测与实际数据高度吻合（R²=0.999），误差指标均低于0.1%，验证了其在气化系统优化中的可靠性。

  来源：Renewable Energy

  时间：2026-04-02

• 视频播放速度对足球运动员情境感知能力及前额叶皮层激活程度的影响

  情境意识（SA）的三个层次（感知、理解、预测）在时间约束下的影响及运动专家差异。通过比较足球运动员与业余者在1.0x和1.5x视频速度下的行为表现与fNIRS前额叶皮层活动，发现运动员在所有SA层次均表现更优且稳定，其神经活动显示预测层次自动化增强，而前额叶控制加工效率提升。业余者在时间压力下预测表现与皮层激活正相关。时间约束下，专家的神经效率与自动化处理分层差异显著。

  来源：Psychology of Sport and Exercise

  时间：2026-04-02

• 一种基于层次学习的自主泊船轨迹规划器，用于无人水面航行器

  自主无人水面舰艇在复杂港口环境中的实时轨迹规划方法，结合离线最优控制与在线监督学习，构建两阶段神经网络框架。首先通过走廊约束直接法生成动态可行离线轨迹库，再训练神经网络实现毫秒级实时规划，满足高精度终端约束与多物理约束条件，仿真验证其比传统优化方法快近一个数量级且保持安全可控。

  来源：Ocean Engineering

  时间：2026-04-02

• 基于神经网络的巨偶极共振参数系统学及其对(γ,n)反应截面的影响

  基于核子物理特性描述符，本研究开发了分阶段人工神经网络模型以推断Giant Dipole Resonance（GDR）的峰能量、宽度及峰值截面参数。通过核素级数据划分避免信息泄漏，并验证了该模型在TALYS中的性能，结果表明优于内置参数系统atics。

  来源：Knowledge-Based Systems

  时间：2026-04-02

• 从意外中学习：结合大语言模型（LLM）引导的测试时适应机制来处理时序知识图谱

  时序知识图谱补全（TKGC）通过动态知识表示支持社会事件预测、金融风险监控等应用，但传统静态模型难以应对非稳态环境中的语义漂移。本文提出DART-TKG框架，利用大语言模型（LLM）的语义推理能力实现神经符号自适应：在线语义监控检测异常事件，LLM生成符号化调控指令，结合LoRA技术进行参数微调，解决传统在线学习方法计算成本高、适应性弱、遗忘严重等问题。实验在ICEWS14/18数据集上验证，相比9种基线模型，DART-TKG在保持原有知识结构的同时，有效捕捉突发语义变化，显著提升跨模型泛化能力和抗遗忘性能。

  来源：Knowledge-Based Systems

  时间：2026-04-02

• 综述：隐喻处理的时序过程：一项关于ERP研究的元分析

  隐喻的ERP神经机制研究：元分析揭示N400与LPC的动态差异及conventionality影响

  来源：Journal of Neurolinguistics

  时间：2026-04-02

• 基于条件物理信息的深度算子网络在低地球轨道卫星轨迹预测中的应用

  高精度低地球轨道预测框架研究：提出条件物理信息深度操作网络模型，通过融合轨道力学方程约束与深度学习映射，实现任意初始时刻的多星协同轨道预测，实验验证其优于传统SGP4模型和纯数据驱动方法。

  来源：Aerospace Science and Technology

  时间：2026-04-02

• 基于机器学习的变刚度复合有孔板的性能预测

  变刚度复合材料孔板纤维路径优化与多任务神经网络预测方法研究。基于三次函数曲线划分填充区、变刚度区和恒定刚度区，结合强度准则分析不同填充策略与变刚度区尺寸对拉伸性能的影响，提出融合复合材料力学与机器学习的集成方法，开发专用神经网络模型实现秒级应力响应预测，为智能设计与高效制造提供理论支撑。

  来源：COMPOSITE STRUCTURES

  时间：2026-04-02

知名企业招聘：