• 综述：糖尿病周围神经病变性疼痛的调控与中枢敏化：更新综述与未来方向

  这篇综述更新了我们对疼痛性糖尿病周围神经病变（pDPN）机制的认识，重点阐述了中枢神经系统改变（如丘脑-岛叶连通性异常）和中枢敏化（涉及谷氨酸能过度传递、GABA能抑制减弱和神经胶质细胞介导的神经炎症）是pDPN的关键特征。文中还探讨了代谢综合征（如超重）对痛觉调制（CPM）的潜在损害作用，并提出了未来研究方向，包括明确受损的痛觉调制是否可作为DPN的早期预警信号，以及阐明如何恢复下行痛觉抑制。

  来源：Journal of Diabetes

  时间：2026-04-05

• 在圆锥角膜检测中，卷积神经网络（CNNs）与视觉变换器（Vision Transformers）在稳定性与可解释性方面存在差异

  可解释AI在角膜地形图分类中的稳定性与可靠性分析，比较CNN与ViT的Grad-CAM解释差异，发现ViT稳定性更高但解释精确性稍低，强调架构对XAI可靠性影响显著。

  来源：Pattern Recognition Letters

  时间：2026-04-05

• 宜人性会影响与神经质相关的特质与社会焦虑之间的关联

  本研究通过两个独立样本（N=449和N=358），考察宜人性对神经质相关特质（人际敏感性、对负面评价恐惧、对正面评价恐惧）与社会焦虑症状的调节作用。结果表明，宜性越高，神经质相关特质与社会焦虑的关联越弱，支持宜性通过情绪调节机制缓解社会焦虑的理论假说。

  来源：Personality and Individual Differences

  时间：2026-04-05

• 单纯复形神经网络在确定性和不确定性知识图谱嵌入中的应用

  知识图谱嵌入（KGE）方法分为确定性和不确定性两类，现有模型在捕捉高阶交互、处理不确定性高阶特征及生成高质量负样本方面存在挑战。本文提出SCKGE和SCUKGE模型，分别通过简复杂神经网络（SCNN）整合高阶结构特征与自适应权重机制，以及引入语言模型预测置信度并优化负采样策略，有效解决上述问题。实验表明，SCKGE在WN18RR数据集上提升5.2%的均倒排序（MRR），SCUKGE在NL27k数据集上性能提升1.5%。

  来源：Knowledge-Based Systems

  时间：2026-04-05

• 利用物理信息驱动的神经网络逆向识别复合材料的多个本构参数

  复合材料的本构参数反演中，提出基于物理信息神经网络（PINN）的单次实验多参数协同识别框架，融合平衡方程、本构关系和边界条件为物理约束，结合全场应变数据驱动，通过优化损失函数实现参数高效反演。相较于传统有限元模型更新（FEMU）方法，参数识别精度提升6.7倍，收敛速度提高5.75倍，验证了其解决复合材料厚截面剪切非线性参数反演难题的可靠性。

  来源：COMPOSITE STRUCTURES

  时间：2026-04-05

• 一种基于物理增强的神经网络框架，用于建模和表征热粘塑性行为

  提出基于物理原理的神经网络框架（PANN），结合热力学第二定律和坐标不变性，解决温度与应变率依赖的塑性建模难题，实现从率无关弹塑性到粘塑性行为的准确预测与热效应分析。

  来源：COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING

  时间：2026-04-05

• 基于图神经网络（GNN）的海上丝绸之路交通网络时空韧性预测

  21世纪海上丝绸之路运输网络韧性评估与预测研究，构建四层加权图神经网络模型，整合AIS、ERA5和GISIS多源数据，动态量化预测网络空间时变韧性。结果表明网络整体韧性较强，近岸段表现更优，存在显著空间异质性和周期性波动，热带气旋引发短期韧性下降但可恢复。

  来源：TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT

  时间：2026-04-05

• 一个可解释的电动出租车充电需求预测框架：来自中国上海的证据

  可解释扩散图神经网络XAI-DiffNet通过多语义小世界图融合地理 adjacency、功能相似性、出行流及历史充电关联，分离短程局部扩散与长程全局扩散，结合多尺度解释器量化时空贡献，在上海20,000辆电出租车数据上使预测误差降低18%。研究表明时间动态主导预测贡献，高需求集群和交通枢纽具有系统性影响。

  来源：TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT

  时间：2026-04-05

• 在缺少循环数据的情况下，利用物理增强型神经网络控制微分方程来预测锂离子电池的健康状态

  锂离子电池健康状态（SOH）估计面临不规则采样和结构缺失数据挑战，传统数据驱动方法效果不佳。本文提出融合物理降阶模型与神经控制微分方程（PA-NCDE）框架，通过电化学模型生成锂沉积、应力及SEI生长等退化指标，结合连续时间神经网络处理缺失数据，并引入单调退化约束确保物理一致性。实验表明，PA-NCDE在RMSE和MAE指标上优于传统RNN模型，尤其在数据缺失场景下表现更优。

  来源：JOURNAL OF POWER SOURCES

  时间：2026-04-05

• 综述：自动驾驶车辆中用于深度估计的多传感器融合技术进展：一项全面综述

  自动驾驶车辆中多传感器融合深度估计的系统研究，分析2020-2025年间74篇文献，发现基于注意力机制和多分支神经网络的深度学习融合架构显著优于传统方法，但存在传感器对齐、计算成本高和可解释性不足等挑战，提出未来需发展自适应系统、轻量模型及统一基准。

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-04-05

知名企业招聘：