• 快速超声辅助酶解联用 LC-MS/MS 灵敏检测 OPNAs 暴露植物中的酪氨酸加合物

  •建立了一种快速超声辅助酶解法（RUEH），用于植物源性有机磷神经性毒剂（OPNAs）-酪氨酸加合物分析，将样品制备时间缩短至 20 分钟。•该方法适用于冻干叶片（FDL）和新鲜叶片（FL）样品，且不影响性能。•在拟南芥和大米等真实植物样品中，经控制暴露后成功检测到 OPNA

  来源：Journal of Chromatography A

  时间：2026-10-22

• 利用神经网络揭示量子混沌系统本征态中的半经典结构

  物理信息神经网络和神经量子态已经确立了一种新范式，通过受约束的神经参数化来分析并发现物理现象。在此背景下，我们研究量子混沌系统的本征函数的半经典结构是否可以通过无监督学习来揭示。为此，我们将一个"量子字典"训练为过完备自编码器，它稀疏地表示系统的本征态，并以量子面包师映射为例

  来源：APS Open ScienceNEW

  时间：2026-10-22

• MIFC-Net：基于状态空间模型与可逆特征解耦的红外可见光成像联合压缩与融合

  摘要在传输受限条件下，对成对红外-可见光图像进行联合压缩与融合是边缘成像系统面临的关键挑战。现有方法在全局上下文建模方面往往存在较大的计算开销，难以对多模态潜在表示进行差异化概率建模，并且会在传感器噪声上浪费比特。我们提出了MIFC-Net，一个将状态空间建模与可逆潜在重参数

  来源：Optics & Laser Technology

  时间：2026-10-22

• 基于GA-BP神经网络的全硅双腔光纤压力传感器温度补偿压力解调

  摘要在使用光纤法布里-珀罗（F-P）传感器测量压力时，压力与温度之间的交叉敏感性对准确感知构成了重大挑战。为解决这一问题，本文采用遗传算法-反向传播（GA-BP）神经网络，构建了一种针对全硅双腔光纤压力传感器的温度补偿压力回归模型，从而实现有效的温度补偿。为减轻计算负担并提高

  来源：Optics & Laser Technology

  时间：2026-10-22

• 对Wang等人及Shen等人的回复

  我们感谢Wang等人1和Shen等人2对我们这项初步随机对照试验的兴趣，该试验比较了神经精神专用电针（nEA）与假电针（sEA）在缓解乳腺癌幸存者癌症相关性认知障碍（CRCI）、疲劳、痛苦和失眠方面的初步有效性和安全性。Wang等人强调了针灸研究中选择合适的对照组的挑战。在我

  来源：The Clinical Journal of Pain

  时间：2026-10-22

• 基于机器学习的砂浆强度动态增强因子概率预测

  • 开发了用于砂浆DIF预测的概率机器学习模型。 • 汇编了包含400组抗压和224组抗拉砂浆测试数据的数据库。 • 贝叶斯神经网络提供了最佳的精度和不确定性估计。 • SHAP分析识别了控制砂浆DIF的主要变量。 引言 混凝土类材料的应变率敏感性是影响其动态行为（包括冲

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-10-22

• 基于消息的向量处理单元上 AI 负载的内存感知调度

  摘要 由于人工智能（AI）应用的快速增长，人工智能加速器芯片需求旺盛。这些芯片采用大量小型算术单元以实现并行计算。除了计算需求之外，AI工作负载还对片上嵌入式内存施加了巨大压力，因为必须持续供应大量数据和指令。然而，实际设计受限于功耗和面积管理，内存容量受到约束，从而限制了

  来源：Future Generation Computer Systems

  时间：2026-10-22

• RA-SpMM：面向GPU上GNN工作负载的机制感知稀疏矩阵乘法

  ## 摘要 稀疏矩阵-稠密矩阵乘法（SpMM）是GPU上图神经网络（GNN）训练和推理的主要瓶颈，然而没有任何单一SpMM内核能在所有图结构上都取得最优性能。RA-SpMM以O(M)复杂度计算三个CSR衍生描述符：矩阵规模M、平均行度d̄和度变异系数CVd。随后将其与特征宽

  来源：Future Generation Computer Systems

  时间：2026-10-22

• 咖啡冲煮体验：神经生理学证据

  ## 摘要 本研究通过从神经生理学角度考察咖啡冲煮方式如何塑造消费者体验，为感官营销与酒店体验文献做出贡献。研究采用实验设计，26名参与者佩戴脑电帽观看四种咖啡冲煮方式的标准视听视频，并在每段视频后进行喜好评分。研究发现，冲煮方式在认知反应（特别是注意力和警觉性）上存在显著

  来源：International Journal of Gastronomy and Food Science

  时间：2026-10-22

• 印度飞机出发延误的预测与解释：一种多阶段机器学习方法

  •开发了一个多阶段机器学习框架，用于预测航班出发延误并推荐相应的缓解策略。•将LSTM与随机森林（RF）、XGBoost和人工神经网络（ANN）相结合，开发并评估了用于航班出发延误预测的多阶段模型。•LSTM–ANN混合模型表现最佳，其中SMOTE优于随机过采样和欠采样方法。

  来源：Case Studies on Transport Policy

  时间：2026-10-22

知名企业招聘：