• 美国国立卫生研究院（NIH）对神经外科系资助的十年纵向分析（FY2015–FY2025）：实际资金趋势、培训基础设施与MeSH检索覆盖率的系统评估

  背景： 联邦研究经费是学术神经外科的结构性决定因素，但既往研究多采用名义美元计量、缺乏机制性检验，且分析窗口未能覆盖2023年后的资金环境变化。此外，基于医学主题词表（MeSH）的文献检索覆盖率可能因美国国家医学图书馆（NLM）2022年转向自动化索引而下降。

  来源：Brain and Spine

  时间：2026-10-25

• 老年创伤性颅脑损伤（TBI）患者颅内压（ICP）升高轨迹较年轻患者更缓且6个月功能预后更差：一项单中心回顾性分析

  在重型创伤性颅脑损伤（TBI）老年患者中，颅内压（ICP）升高更为缓慢。老年患者与年轻患者的脑灌注压（CPP）轨迹相当。老年患者6个月功能结局更差。TBI的颅内生理反应可能随年龄而异。

  来源：Brain and Spine

  时间：2026-10-25

• 动态图推荐系统中解释漂移的时序稳定性度量框架

  提出解释漂移（explanation drift）作为动态推荐系统中的时序评估问题。提出一种结合时序图学习（temporal graph learning）、流式适应（streaming adaptation）与Shapley值归因（Shapley-based

  来源：Array

  时间：2026-10-25

• 低剂量原子电子断层扫描的物理感知神经网络方法

  摘要原子电子断层扫描（AET）通过分析一系列在不同倾角下拍摄的扫描透射电子显微镜（STEM）图像，来确定单个原子的三维（3D）坐标和化学身份。然而，在剂量受限条件下，特别是在电子剂量低于常规束稳健无机纳米颗粒标准AET所用剂量时，降低的信噪比迫使在准确性、鲁棒性和处理效率之间

  来源：npj Computational Materials

  时间：2026-10-25

• 二元神经网络形式化验证方法综述

  摘要二元神经网络（BNNs）将强大的效率提升与高度离散的结构相结合，从而带来了独特的鲁棒性和验证挑战。本综述专门概述了BNNs的形式化验证方法，重点关注鲁棒性特性、威胁模型，以及精确性、可扩展性和保证强度之间的权衡。我们根据该领域提出的主要验证范式来组织文献，包括基于SAT/

  来源：ARTIFICIAL INTELLIGENCE REVIEW

  时间：2026-10-25

• 面向20 kV均匀多元素块体样品的MC X-ray与人工神经网络耦合定量分析框架

  均匀块体样品的准确定量分析对材料科学和矿物工业应用至关重要，然而基于标样的传统能量色散谱（EDS）定量分析仍可靠且广泛使用。然而，对于某些实验室或样品类型，获取、维护或匹配合适物理标样可能不便或不切实际。在本研究中，研究人员引入一个动态框架，用于在扫描电子显微

  来源：Journal of Microscopy

  时间：2026-10-25

• 基于SCISSOR耦合脉冲硅微环的紧凑无源非线性光子神经形态处理核心

  研究人员认为，理解单个网络节点的物理计算机制对于扩展神经形态光子架构至关重要。本工作提出一种基于侧耦合集成间隔谐振器序列（side-coupled integrated spaced sequence of resonators, SCISSOR）的紧凑无源非

  来源：Laser & Photonics Reviews

  时间：2026-10-25

• 融合失效物理模型与AI驱动搜索的多电平变换器可靠性导向最优参数设计

  研究人员提出一种集成失效物理（physics-of-failure）模型的双阶段分层框架，用于构建功率变换器最优参数设计；开发复杂性惩罚神经架构搜索（CP-NAS）方法，以自动平衡预测精度与模型轻量化；提出性能指标梯度优化（PIGO）算法，以克服维度灾难并保证

  来源：Results in Engineering

  时间：2026-10-25

• 基于ℋ₂-平滑谱横坐标的AI细化神经网络代理优化：面向时滞振动抑制

  研究人员提出一种面向时滞振动抑制（delayed vibration suppression）的混合AI辅助优化框架。该框架采用局部神经网络（Neural-Network, NN）代理策略，在真实最优解附近逼近ℋ₂-平滑谱横坐标（ℋ<su

  来源：Results in Engineering

  时间：2026-10-25

• 物理引导节点特征驱动的网格原生图卷积神经网络：任意形状二维层流预测的精度与数据效率提升

  物理引导节点特征可改善网格原生计算流体力学（CFD）代理模型。PGNF-GCNN将平均绝对误差（MAE）降低70–76%，将均方根误差（RMSE）降低58–74%。PGNF-GCNN在全部测试几何（2,000个中的200个）上均优于基线。圆柱表面MAE在速度和

  来源：Results in Engineering

  时间：2026-10-25

知名企业招聘：