• 水下场景的视觉增强与3D呈现：综述

  摘要由于水环境中的复杂成像条件，水下视觉增强（UVE）和水下3D重建在计算机视觉和基于人工智能的任务中面临着重大挑战。尽管已经开发出了许多增强算法，但目前仍缺乏涵盖UVE和水下3D重建的全面系统性的综述。为了推动这些领域的研究进展，我们从多个角度进行了深入的回顾。首先，我们介绍了

  来源：ARTIFICIAL INTELLIGENCE REVIEW

  时间：2026-06-06

• 学习用于未知探针X射线叠层成像重建的神经表示方法

  摘要X射线衍射术具有出色的纳米级分辨率，广泛应用于材料科学、生物学和纳米技术领域。然而，其潜力受到一个关键挑战的限制：当照明探针未知时，难以准确重建图像。传统的迭代方法和深度学习方法在这种情况下往往效果不佳，尤其是在低剂量和高速实验所导致的低信号环境下。这些限制降低了图像重建的精

  来源：npj Computational Materials

  时间：2026-06-06

• 综述：随着时间的推移保持神经病理性疼痛筛查工具的有效性：挑战与机遇

  摘要背景在筛查工具的开发阶段，会投入大量精力进行验证。本文阐述了随着神经性疼痛（NP）的定义、诊断和分类方法的不断进步，维持这些筛查工具有效性的挑战。为此，本文以利兹神经性症状和体征评估量表（LANSS）为例，对其有效性进行了评估，同时考虑了神经性疼痛相关知识的最新进展。方法本叙

  来源：Journal of Patient-Reported Outcomes

  时间：2026-06-06

• 综述：经颅光生物调节疗法：一篇简短的当代整合性综述

  摘要目的对2024年发表的关于经颅光生物调节疗法（tPBMT）的科学文献进行综合回顾，分析其提出的作用机制与关键剂量参数之间的关系，以及其在神经学和神经精神疾病中的潜在治疗应用。方法使用PubMed/PMC、PubMed/Medline、LILACS、MOSAICO、EMBASE

  来源：Lasers in Dental Science

  时间：2026-06-06

• 基于Hessian信息的残差对齐方法在异构对比图聚类中的应用

  周辉 | 任博阳 | 赵忠英 | 龙茂国摘要图神经网络（GNNs）在处理各种图结构数据时表现出色。然而，由于计算和内存需求较高，尤其是对于具有多种组成类型和稀缺标签的异构图，将其扩展到大规模图变得具有挑战性。为了解决这一挑战，我们提出了基于Hessian信息的残差对齐异构对比图压

  来源：Knowledge-Based Systems

  时间：2026-06-06

• 面向工业脱碳的碳意识生产调度：一个整合环境与公共卫生双重效益的人工智能框架

  萨米娅·埃拉塔尔（Samia Elattar）摘要工业制造占全球温室气体排放量的21%，然而传统的生产调度系统未能将实时碳意识纳入运营决策中。流行病学研究发现在长期排放此类气体的地区，哮喘、慢性阻塞性肺疾病和过早死亡的发生率较高。尽管针对工业脱碳的政策正在增加，但目前的生产调度策

  来源：Journal of Cleaner Production

  时间：2026-06-06

• 基于四阶相场法(phase-field modeling)的功能梯度材料断裂分析的物理信息神经网络(Physics-informed Neural Networks, PINNs)

  摘要：本研究提出一种基于四阶相场公式(varies-order phase-field formulation)、用于功能梯度材料(functionally graded materials, FGMs)断裂分析的变分能量基物理信息神经网络(Physics-i

  来源：Mechanics of Materials

  时间：2026-06-06

• 含横向局部化界面缺陷的分层材料——基于物理驱动神经网络(PDNN)求解

  摘要：涂层—基底界面的复杂缺陷会削弱涂层的力学性能及服役寿命。然而，含非均匀界面缺陷的分层材料其结合行为仍对传统计算方法构成挑战。研究人员提出了一种基于物理驱动神经网络(Physics-Driven Neural Network, PDNN)的策略，用以求解含

  来源：Mechanics of Materials

  时间：2026-06-06

• 脑电图疲劳分析与检测引擎：一种用于基于脑电图的驾驶员疲劳检测的可泛化且可解释框架

  驾驶员疲劳可导致高达20%的交通死亡。然而，基于脑电图（EEG）的检测系统仍然受到以下问题限制：生理学依据较弱的行为学标签、较差的跨被试泛化能力，以及不足的可解释性。研究人员提出了基于脑电图的疲劳分析与检测引擎（EEG-FADE），以应对这些挑战。EEG-FA

  来源：Machine Learning with Applications

  时间：2026-06-06

• 基于机器学习的可微分并发多尺度拓扑优化框架，用于桁架结构的设计

  吴一辰|王磊|刘亚茹摘要多尺度桁架结构由周期性或空间变化的桁架格构组成，由于其具有较高的承载能力且材料使用量极少，因此展现出巨大的潜力。然而，传统的桁架格构设计方法主要基于经验或启发式原则，受到设计空间庞大且离散化的限制，这阻碍了它们与高效的结构设计方法（如基于梯度的多尺度拓扑优

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-06-06

知名企业招聘：