• 利用GROMACS中的神经网络势实现生物分子模拟

  神经网络势正在迅速改变最先进分子动力学（MD）模拟的格局。为了充分利用这一发展，研究界需要与现有方法紧密结合的灵活且易于使用的接口。为了解决这个问题，研究人员提出了一种用于混合机器学习/分子力学（ML/MM）模拟的接口，该接口在广泛使用的MD代码GROMACS

  来源：Journal of Chemical Theory and Computation

  时间：2026-08-22

• 疾病相关突变通过动态变构效应与溶剂暴露影响DNA甲基转移酶1功能

  DNA甲基转移酶1（DNMT1）酶的突变可导致神经退行性疾病，包括常染色体显性小脑共济失调–耳聋和神经病（ADCA-DN）以及遗传性感觉自主神经病1E型（HSAN1E）。这些突变对DNMT1结构动态的影响在很大程度上未知。研究人员在此对野生型（WT）DNMT1

  来源：Journal of Chemical Theory and Computation

  时间：2026-08-22

• 8位非易失性等离激元存储器，用于光学神经形态架构中的突触权重

  本文提出了一种基于金属-绝缘体-金属（MIM）波导和相变材料的非易失性等离激元存储器，以增强光子集成电路（PIC）中的存储密度和集成兼容性。采用银作为金属，其介电函数由Drude模型表征，而空气和Ge₂Sb₂Te<s

  来源：Results in Physics

  时间：2026-08-22

• 通过群对称化的多凸各向异性超弹性

  材料理论中的一个关键挑战是构建满足所有常见力学本构条件同时保持足够灵活性的模型。在此背景下，多凸各向异性超弹性的几个重要建模方面仍未解决。研究人员解决了其中一些挑战，并将研究结果应用于物理增强神经网络 (PANN) 本构建模。本文的主要贡献如下：(1) 研究人

  来源：Journal of the Mechanics and Physics of Solids

  时间：2026-08-22

• : 非线性多频电阻抗断层成像：一种展开优化方法

  多频电阻抗断层成像代表了一种极具前景的生物医学成像模态，它能够估算一系列频率下的组织电导率。为了应对这一挑战，研究人员提出了一种新颖的变分网络，这是一种基于模型的学习范式，它战略性地将经典迭代重建的优势与可解释性以及深度学习的强大能力相结合。该方法在迭代近端正

  来源：Journal of Computational Physics

  时间：2026-08-22

• 基于相位同步多域分析的时空通道注意力图神经网络用于癫痫发作定位

  从头皮脑电图（EEG）检测癫痫发作因脑信号的非平稳特性以及不同位置神经区域间复杂的时空交互而困难。研究人员引入一种时空通道注意力图神经网络（ST-CA-GNN），用于基于其对所有EEG通道间动态功能连接的表征能力实现自动癫痫检测。EEG信号被建模为时间依赖图，

  来源：Healthcare Analytics

  时间：2026-08-22

• 综述：音乐作为一种艺术形式：音乐神经美学研究的当前发现与挑战

  近几十年来，通常归类于音乐认知神经科学的音乐实证研究主要将音乐视为一种生物认知官能，聚焦于听觉运动预测和奖赏机制。最近，音乐神经美学将这一焦点扩展为将音乐体验视为一种与作为表演艺术的音乐进行的情境化相遇。从这一视角可区分出音乐体验的三种互补解释：听觉运动–奖赏

  来源：Current Opinion in Psychology

  时间：2026-08-22

• 通过基于神经网络的模拟揭示空气-水界面自由羟基的异质性

  打开图形查看器 摘要 自由羟基（OH）的定向分布和动态特性对于理解空气-水界面至关重要。然而，关于它们的定向和能量松弛，仍然存在争议，主要是因为这些基团的结构和动态异质性尚未得到充分了解。分子动力学（MD）模拟已

  来源：The Journal of Physical Chemistry B

  时间：2026-08-22

• 一种用于提升心血管疾病预测诊断准确性的优化PSO-PNN混合模型

  心血管疾病(CVD)是全球普遍存在的健康问题，需要准确的诊断方法以实现有效治疗。机器学习(ML)技术在CVD诊断中日益受到关注，现有部分ML模型借助手动超参数调优取得了良好结果，但手动调优繁琐且易导致诊断准确率波动。为构建提供稳定诊断的PSO调优分类器，研究人

  来源：Algorithms

  时间：2026-08-22

• 特刊前言：“深度学习在目标识别中的先进方法与应用”

  本特刊聚焦于目标检测与识别，这是计算机视觉几乎所有应用中的核心任务，展示了新型数学算法、架构和方法在提升该任务性能方面的能力，重点强调了在相关应用中的挑战性条件下新解决方案及其性能分析。计算机视觉领域在过去十年中采用了深度学习（Deep Learning）模型

  来源：Mathematics

  时间：2026-08-22

知名企业招聘：