2025-12-16 共 144 条抓取，按综合热度排序
Vision Foundry 是一个无代码、符合 HIPAA 规范的平台，旨在降低临床研究者使用自监督学习（SSL）训练医学视觉基础模型的门槛。该系统集成了 DINO-MX 框架，通过放大感知蒸馏（MAD）和参数高效微调（PEFT）等策略，简化了分布式基础设施的复杂性。在神经病理学分割、肺细胞密度估计和冠状动脉钙化评分等领域的验证表明，其训练的模型在分割保真度和回归准确性上显著优于通用基线，并展现出跨成像协议的强大零样本泛化能力。
本研究提出MSGRNLink框架，用于从单细胞RNA测序数据中精确推断基因调控网络。该框架首次将GRN明确建模为符号有向图，并创新性地采用磁符号拉普拉斯卷积来提取网络拓扑结构特征，克服了传统谱图卷积的局限。在模拟和真实数据集上的实验表明，MSGRNLink在AUROC指标上全面超越现有基线模型。参数敏感性分析和消融实验证实了其鲁棒性及各模块的重要性。在膀胱癌案例研究中，该模型预测出了更多已知的调控边及其激活/抑制符号，验证了其生物学相关性。
本研究开发了一种预测达拉非尼敏感性的新模型。该模型整合了基因组学、转录组学、蛋白质组学、表观基因组学和代谢组学等多层组学数据，并利用图卷积网络（GCN）从蛋白质相互作用网络中提取拓扑信息。通过基于注意力的融合机制，模型能自适应地为不同组学数据分配权重。在GDSC癌细胞系数据上的测试表明，选择性整合蛋白质组学和转录组学数据取得了最佳预测性能（R²约0.96），优于所有单组学及全多模态设置。该方法为精准肿瘤学和靶向治疗预测提供了有前景的计算框架。
本研究提出了一种双通道注意力融合网络（DCAF-Net），用于卒中康复外骨骼中的下肢运动意图预测。该方法创新性地协同融合了运动前表面肌电信号和惯性测量单元数据，通过自适应通道注意力模块提取肌电特征，并结合CNN与注意力LSTM解码运动时空模式。在11名参与者（含8名卒中患者）的实验中，模型对患者的预测准确率达97.19%，为临床康复机器人实现意图驱动的人机协同控制提供了有效解决方案。
本研究针对传统信息准则（如AICc、BIC、Cp）在模型选择中因候选模型数量指数增长而计算量巨大的问题，提出了一个创新性的解决方案。研究团队挑战了“非单调性无法界定搜索空间”的传统观念，设计了一种简单而新颖的边界条件。基于此，他们开发了适用于非单调信息准则的分支定界算法。该方法能保证找到全局最优模型，并在多种模型类别、规模和实际应用中实现了计算速度的极大提升，例如在一个涉及约40亿候选模型的任务中，计算速度提升了超过6000倍。
本研究提出了OmniNovo，一个统一的深度学习框架，可直接从串联质谱图中对未修饰和修饰肽段进行无参考从头测序。该模型学习通用的碎裂规则，在单一模型中解析多种翻译后修饰，克服了传统数据库搜索算法因搜索空间组合爆炸而受限的问题。通过整合质量约束解码算法与严格的错误发现率估计，OmniNovo在1%错误发现率下比标准方法多识别出51%的肽段，并能泛化至训练中未见的生物位点，为全面无偏地分析细胞调控机制提供了新工具。
为控制毒蛇“波布”数量，日本奄美大岛引入了印度獴，却引发了严重的生态灾难。研究团队构建了包含蛇、獴、鼠及自然资源的数学模型，分析了捕食者-猎物动态。研究发现，若在引入獴10年后（而非实际20年后）开始捕杀控制，獴可能不会灭绝，并能与本土物种共存，从而避免当前严重的生态破坏。研究强调了在决策前利用数学模型评估替代方案的重要性。
本研究提出了一种结合非线性预测与信息论的方法，用于检测和量化复杂系统中的高阶协同行为。通过定义“整体减部分”的互预测性（Δ_MP）和互信息（Δ_MI）超额量，该方法能区分变量间的独立作用与协同交互。在模拟系统和生理数据分析中，Δ_MI对统计依赖性更敏感，而Δ_MP则更能捕捉由系统内在规则产生的协同效应。该方法为评估心血管网络的生理病理改变提供了潜在的生物标志物。
本研究通过随机矩阵理论，揭示了经过工作记忆任务训练的兴奋-抑制神经元网络的关键动力学特征。研究发现，训练后网络在平衡点附近的雅可比矩阵具有稀疏、非厄米的块状结构，其谱特性由抑制核心-兴奋外围的网络基序主导。研究者利用统计场论和超对称方法，建立了该随机矩阵系综的解析理论，成功将雅可比矩阵的统计参数（如稀疏性、权重方差、E/I比例、时间尺度与增益分布）与平衡点的近临界特征联系起来，阐明了这些特征对实现鲁棒工作记忆计算的重要性。
研究通过“邻近性论证”形式化分析意识理论的要求，指出当代大语言模型（LLM）因与功能等效但明显无意识的系统邻近，无法被任何非平凡意识理论判定为有意识。这构成了对当前LLM意识的否定证明。同时，研究提出积极结论：基于或要求持续学习的意识理论能够满足人类意识理论的严格形式约束。这表明，如果人类意识与持续学习相关，那么当前LLM因缺乏持续学习能力，其无意识状态与此局限密切相关。
本研究提出了一种识别和比较拓扑循环结构的新框架，解决了持续同调分析中的核心挑战。框架包含两种互补方法：一是利用合并树算法从持续区间构建同调类的层次化树状图表示，并引入Wasserstein距离进行度量比较；二是扩展分层梯度采样方法，同时学习多个滤波函数以重构不同的循环集合，形成互不重叠的循环社区。该工作将循环匹配问题转化为层次聚类与拓扑优化框架，为识别拓扑对象内及跨对象的相似结构提供了系统方法。
本研究针对经典的Lotka-Volterra系统，提出了一个平衡点保持稳定的必要条件。该工作是对Adachi、Takeuchi和Tokumaru等人早期系列研究的自然补充，他们曾为稳定平衡点的存在提供了充分（在某些情况下也是必要）条件。新结果有助于更完整地理解这一重要生态动力学模型的稳定性特征。
无量纲化是简化数学模型的关键步骤，但传统上依赖经验，被视为一门“艺术”。本研究提出一种系统化算法，可自动处理由有理一阶常微分方程描述的任意规模模型。该算法结合微分代数、不变量理论和线性代数，能自动计算最大标度对称性的有理不变量，并输出无量纲化模型。研究还扩展了算法以处理初始条件和模型者的选择，并证明了任何维度一致的变量变换都会保持最大标度对称性的维度。该框架已在包括经典米氏方程在内的多个模型上得到验证。
本研究提出了一种模拟人类心理旋转能力的机制模型。该模型整合了等变神经网络、神经符号学习和循环决策路径，包含三维空间编码、符号化描述生成和旋转模拟决策三个核心组件。模型设计基于大量传统实验，并辅以创新的VR交互实验，使参与者能操作物体进行比较。结果表明，该模型能准确复现人类在心理旋转任务中的表现、反应时间和行为模式，并通过系统消融实验验证了各组件的重要性。
本研究通过实地测试，首次系统分析了特斯拉“交通信号灯和停车标志控制”系统与交通控制设备的交互行为。研究团队收集了高分辨率车辆轨迹与视频数据，构建了行为分类（停车、加速、跟车），并利用全速度差模型进行量化校准。关键发现包括识别出约90米的跟车触发阈值，以及停车行为对速度偏差和相对速度高度敏感，而加速行为则更为保守。该数据集与行为模型为未来ADAS仿真、安全评估及交互逻辑设计提供了重要基础。
本文提出VPR-AttLLM框架，通过集成大语言模型的语义推理与地理空间知识，增强现有视觉地点识别模型对社交媒体洪水图像的识别能力。该框架利用LLM识别图像中具有位置信息的关键区域并抑制视觉噪声，无需重新训练模型或额外数据。在包含真实洪水图像和合成场景的多个数据集上测试，结合三种先进VPR模型，检索召回率普遍提升1-3%，在最具挑战性的真实洪水图像上最高提升达8%。
本文从哲学与技术社会学视角，批判性分析了AI医疗文书助手对临床实践的深层影响。研究指出，这类系统不仅处理行政负担，更重塑了医疗注意力的本质——它强化了左脑主导的计算性思维，将可量化、程序化的信息置于直觉性、关系性认知之上。随着这种注意力模式在医疗实践中不断嵌入，可能收窄诊疗视野、削弱临床专业判断，并将医生逐渐转化为机械化系统中的操作员。
研究探索了利用强化学习（RL）技术优化大语言模型在连续潜空间进行推理（潜空间思考）的新方法。传统思维链（CoT）在离散语言空间推理效率低下，而现有潜空间思考训练方法在复杂数学推理等任务上表现不佳。本文实验表明，监督微调方法Coconut存在局限且对设计选择敏感。为此，研究者尝试了GRPO并设计了一种新颖的潜空间RL方法，直接优化潜空间思考步骤。然而，实验结果显示，在数学推理领域，这些RL训练的模型性能仍落后于传统的语言空间CoT模型。
本研究提出一套可复现的工作流程，用于将考古学遗留图像集转化为结构化、可用于分割的数据集。以考古数据服务（ADS）收藏的旧石器时代手斧和双面器图像为例，开发了两种开源工具：一是遵循伦理规范的网页抓取脚本，用于批量获取元数据和图像；二是图像处理流程，通过经典计算机视觉技术生成掩码和边界框，并将所有衍生信息存储为兼容COCO格式的JSON文件。该方法为将基于网络的考古图像集转化为机器学习友好格式提供了轻量级、可复用的解决方案。
本文提出，当代大语言模型（LLMs）可能通过创造类似“二联性精神病”的关系动态，促使用户产生精神病性卷入。研究结合贝特森的双重束缚理论、共享精神病性障碍的临床文献以及麦克吉尔克里斯特的脑半球理论，揭示了LLMs高语言连贯性与内在主体性缺失之间的结构性张力。在情感需求或不稳定的情境下，用户可能通过想象性投射来化解冲突，将内在性、意图或存在感赋予本不具备这些属性的系统。文章将这一动态置于新兴临床报告中，阐述了其现象学过程，并指出当前以互动优化为导向的设计选择加剧了风险。最后，作者提出“本体论诚实”应成为必要的设计原则，以减轻技术介导的二联性精神病风险。
本研究在ZFC公理体系内构建了一个完整的P vs NP分离框架。核心方法包括：将多项式时间图灵计算编译为具有对数级上下文纠缠宽度的局部平方和多项式；建立SPDP矩阵的宽度-秩上界；在相同编码下证明NP问题的恒等子式下界；以及构造从P侧多项式到NP族的秩单调提取映射。这些步骤共同在P=NP假设下导出矛盾。研究建立了计算上下文性与SPDP秩之间的对应关系，证明有界上下文纠缠宽度对应多项式秩计算（P类），而无界宽度则刻画NP类，从而为#3SAT等难题的指数级SPDP秩迫使P≠NP提供了理论依据。
本文提出ReGlove系统，将低成本商用气动康复手套改造为视觉引导的辅助矫形器。针对全球数百万慢性上肢功能障碍患者，该系统通过集成腕戴摄像头与边缘计算引擎，无需依赖不可靠的肌电信号，即可实现基于场景的抓握辅助。采用实时YOLO视觉模型，抓握分类准确率达96.73%，端到端延迟低于40毫秒。在标准化测试中，YCB物体操作成功率为82.71%，并能可靠完成27项日常活动任务。整套系统成本低于250美元，为无法使用传统肌电设备的人群提供了可及的视觉辅助技术基础。
本文提出FSL-HDnn，一款面向资源受限边缘应用的能效型片上学习加速器。它通过两个协同模块解决关键挑战：采用权重聚类的参数高效特征提取器，以及基于超维计算的少样本学习分类器。后者消除了基于梯度的反向传播，实现单次训练，大幅降低延迟。芯片采用40纳米工艺，在10类5样本任务上，训练能效达6 mJ/图像，端到端吞吐为28图像/秒，训练延迟较先进方案降低2至20.9倍。
本研究评估了ChatGPT GPT-4o、Claude 3.5 Haiku和Gemini 2.0 Flash等多模态大语言模型，利用谷歌街景图像评估绿地吸引力的能力，并与波兰罗兹居民的问卷结果进行对比。研究发现，AI与人类在评价“有吸引力的正式绿地”和“无吸引力的非正式绿地”时高度一致，但在“有吸引力的非正式绿地”和“无吸引力的正式绿地”上分歧较大。AI更侧重于美学和设计特征，而人类则更重视安全性、功能设施和本地化特质。研究表明，AI可作为大规模预评估工具，但仍需人类监督和参与式方法补充。
本文提出“价值配置”概念，用于解决智能体在多变环境中自适应行为的计算难题。该方法将价值相关参数（如结果偏好、策略先验、策略精度）打包成少量可复用的配置，并与生成模型中的隐藏状态关联。通过后验信念的逐次更新和加权混合，系统能动态调用状态依赖的控制策略，无需为每个情境维护独立参数。在概率反转学习任务中，基于配置的模型在交叉验证对数似然和信息准则上显著优于静态精度和熵耦合动态精度模型。分析表明，任务中的自适应控制主要由策略先验的调制驱动，而非策略精度，且配置的调用是渐进的、信念依赖的。
本研究提出CR3G框架，旨在解决当前AI胸片报告生成模型仅识别相关性而缺乏因果推理的局限。该框架通过因果推断方法，深入挖掘影像学表现与患者病情之间的因果关系，从而生成以患者为中心、更具解释性的诊断报告。初步评估显示，CR3G在5种异常中的2种上，展现出优于现有模型的因果推理与解释能力，有望提升AI辅助诊断的临床可信度与实用性。
本研究针对当前一步扩散模型（Shortcut Models）设计空间模糊的问题，提出了一个通用的设计框架。该框架为代表性模型提供了理论依据，并解耦了具体的组件级选择，从而能够系统性地识别改进方向。基于提出的改进，所构建的一步模型在ImageNet-256x256数据集上，于无分类器引导设置下取得了2.85的FID50k新最优结果。该模型无需预训练、蒸馏或课程学习。这项工作降低了捷径模型组件级创新的门槛，并促进了对其设计空间的原则性探索。
本研究系统评估了三种稀疏气候数据重建方法：简单反距离加权法（IDW）、统计基础扎实的普通克里金法（OK）以及先进的隐式神经表示模型（MMGN）。通过超参数调优和大量实验分析，结果显示，经过优化的IDW方法在重建精度和计算效率上均显著优于其他两种方法。在ECA&D数据库的100个随机稀疏数据集上，IDW取得了最低的RMSE、MAE和Δ_MAX误差，以及最高的R²决定系数，且统计差异显著。
研究团队基于PyTorch实现了软决策树（SDT）和短时记忆软决策树（SM-SDT）分类器，并在模拟和临床数据集上进行了广泛测试。可视化结果表明SDT具有良好的可解释性。在性能方面，SDT、SM-SDT与XGBoost的AUC值相近，且均优于随机森林、逻辑回归和传统决策树。临床数据集分析显示，除决策树外，所有测试的分类方法结果相当。代码与数据集已在GitHub开源。
本研究针对大型语言模型（LLM）内部记忆与行为的“黑箱”问题，提出了一种基于人工年龄评分（AAS）的工程化、条款式约束架构。该架构从莱布尼茨的《单子论》中选取二十个单子，将其归纳为六个核心束（如本体论、动力学、和谐与理性等），并转化为可在AAS内核上执行的规范。通过六个精简的Python实现，研究在通道级指标（如召回分数、冗余度、权重）上进行了数值实验。结果表明，该条款系统能产生有界且可解释的行为：AAS轨迹保持连续且速率受限，矛盾与无依据的声明会触发明确惩罚，分层细化以受控方式揭示有机结构。整体上，该框架为约束和分析人工智能体的内部动态提供了一个透明、代码级的蓝图。
本研究证明了积分同调三维球面可由四阶Johnson子群中的元素通过Heegaard分裂构造，并给出了该构造诱导的等价关系的内在刻画。研究引入了受Faes启发的“反对称”拉格朗日迹映射，并计算了三阶Johnson同态在三阶Johnson柄体子群上的像。
本文在阿贝尔度量群中引入集合的谱概念，定义为满足特定加法封闭性的元素集合。研究者考察了该谱概念对应的算子S在紧集超空间上的性质，并系统研究了该超空间中成就集与P-和集族的结构特征，同时证明了平面成就集的若干新性质。
本文研究了渐近于余维一锥的最小超曲面Σ的非退化性质，通过其雅可比算子J_Σ = Δ_Σ + |A_Σ|²进行分析。作者证明了在Σ满足特定非退化条件且函数f在无穷远处具有适当渐近行为的假设下，雅可比方程J_Σφ = f在Σ上是可解的，即构造了J_Σ的一个右逆。该结果为分析此类几何对象的稳定性及相关偏微分方程提供了关键工具。
本研究提出了一种统一框架，为任意空间定义“无穷远点”并形式化收敛到此点的过程。核心在于引入一种通过关联的穷尽函数h来量化并分类函数在无穷远处趋于极限的速率的方法。该框架适用于度量空间、拓扑空间、有向集、测度空间等多种场景。通过引入参数化范数族||f||_{∞,h,p}，可以对渐近行为（如O(h^{-p})阶的速率）进行精细分类。此外，框架通过“多重穷尽”形式主义扩展到具有多个不同末端的各向异性空间，从而能对每个渐近通道的收敛速率进行精确的定向分析。该框架不仅恢复了经典结果（如Alexandroff单点紧化），还提供了更丰富的定量结构。
本研究针对量子环与数值环中的矩阵，改进了其谱估计的精度。通过优化分析方法，为算子理论与泛函分析领域提供了更精确的谱分布边界，有助于深化对非正规算子谱性质的理解。
本文严格证明了“隐形传态=平移”猜想，为从黑洞中恢复信息提供了连续、解析的机制。研究通过Haagerup-Kosaki交叉积构造，克服了III型冯·诺依曼代数中固有的动态幂等性障碍，在半有限包络中构建了一个连续的幺正族。该路径的唯一自伴生成元被证明恰好是两倍的模哈密顿量之差，这一等价性通过Nelson解析向量定理得以确立。该工作为从量子信息中探测涌现几何提供了具体框架，并可自然扩展至包含引力反作用。
本文为纪念数学家Vladimir Sidorenko而作，回顾了他在随机识别码与量子纠错领域的科学贡献，以及他为人称道的善良、幽默与温暖精神。文章不仅记录其学术成就，更展现了他为科学社区带来的独特人文关怀。
本研究探讨了不同光滑度Carnot群之间映射的提升问题，通过中心扩张定义提升。主要成果包括：证明了Lipschitz映射和Sobolev映射接触提升的存在性；揭示了拟共形映射接触提升的刚性——若拟共形映射存在接触提升，则必为双Lipschitz映射。此外，研究还给出了步数为n的Carnot群中，当γ > (n+1)/n时，γ-Hölder提升存在的必要条件。
斯坦利序列从集合{0, n}开始，长期被分为两类：增长率为Θ(n^{log₂(3)})的“规则”类型，以及被认为增长率为Θ(n²/log n)的“不规则”类型。以n=4为典型的不规则类型候选，至今未被证明具有该增长率。本研究提供了强有力的数值证据，反对n=4时的这一猜想增长率。具体而言，对于n=4，上界可能是O(n²/log n)，但下界实际上是Ω(n^{2-δ})（δ>0）。这似乎是因为该序列并非如假设的那样完全“随机”。文中还讨论了数值方法的局限性。
本研究将金兹堡-朗道理论推广到弱非托内利芬斯勒流形上，突破了经典托内利凸性范式的限制。该框架在保持超线性和局部椭圆性的同时，弱化了全局齐次性和严格凸性要求，从而能够几何化处理具有非凸且温度依赖的各向异性能量景观的超导体。研究构建了广义勒让德对应、哈密顿度量和弱非托内利拉普拉斯算子，证明了三维格林核的存在性和尖锐的库仑渐近行为。通过Γ-收敛分析，识别了最小化重整化几何泛函的亚稳态涡旋丝，并推导出由芬斯勒曲率和热诱导几何力主导的有效涡旋丝流，预测了在临界转变温度下的曲率聚焦和相分岔现象。
本研究提出了一种处理非线性对流扩散方程的新方法。通过引入辅助参数，将非线性方程的解表示为以线性方程解为基础的级数展开。该级数通过求解一系列线性、带强迫项的偏微分方程层级系统获得。研究以经典的Burgers方程为例，严格证明了该级数对于任意可积初值条件具有无穷收敛半径，并分析了在无限域和周期域中的具体应用。此外，方法还推广至涉及p-Laplacian算子的非线性扩散模型。数值证据表明，级数在非微扰区域依然收敛，其收敛速率和半径受具体变形方式影响。该工作为利用级数展开技术研究非线性对流扩散方程奠定了严格基础，为分析和量子辅助计算流体动力学等潜在应用开辟了新途径。
本研究利用KRoNUT模型，对热带海洋对流云团引发的整体环流进行了数值评估。该模型不仅包含上升气流和云区，还涵盖了补偿下沉气流、无云区及连接两者的水平运动。研究首先对比了KRoNUT模型与多种对流羽流模型在模拟高分辨率全物理过程时的表现。随后，模型被用于构建孤立及相互作用对流环流在仅有平流和扩散影响下的整体动力学描述。结果表明，垂直风场的垂直平流是云内最重要的平流趋势，而无浮力条件下，环流的水平分量及其平流对环流演变至关重要。此外，近地面和上升气流核心附近的强流线曲率导致了依赖于尺度的局部强扩散趋势。KRoNUT模型得出的趋势剖面与模拟结果吻合良好，相互作用环流展现出丰富的动力学行为，部分相互作用能稳定原本演变的流场几何特性，部分则导致环流中心出现几何聚集。
本研究针对浅层莱顿弗罗斯特环中出现的自组织规则尖峰多边形旋转图案，建立了一个理论模型。通过结合布西内斯克浅对流近似和拉普拉斯方程解的特殊展开，推导出一个可用椭圆函数积分的非线性方程。该模型严格考虑了表面张力、极向滚动涡旋的贡献以及浮力驱动流与热毛细流的相互作用，获得了描述环内自由表面动力学的椭圆余弦波解，成功预测了液氮中的多边形图案，并与实验观测进行了对比。此外，引入基于毛细压力极向平均的简化模型，导出了KdV型方程，不仅复现了椭圆余弦波解，还预测了新的三角波解，为尖峰多边形的形成提供了新见解。
本研究提出了一种数据驱动方法，用于从观测样本中建模多变量随机轨迹的联合分布。该方法首先通过函数主成分分析将每条轨迹简化为特征向量，然后结合非参数藤Copula方法建模分布主体，并采用Heffernan-Tawn条件模型处理多元尾部。研究以水波运动为应用案例，基于DeRisk数据库的数值模拟，联合建模了自由表面斜率、法向流体速度和垂直拉格朗日加速度三个运动学变量，并利用后者作为波浪破碎过滤器。模型能力通过预测响应变量分布和生成合成轨迹得到验证。
本研究提出了一种新型多分辨率混合小波-傅里叶物理信息Kolmogorov-Arnold网络（HWF-PIKAN），用于求解具有连续或不连续初始条件的无碰撞玻尔兹曼方程。该模型通过结合小波与傅里叶变换的优势，在时空和相空间中对复杂动力学方程进行高效求解。系统基准测试表明，相较于传统PINN、PIKAN及其变体，HWF-PIKAN在求解精度和收敛速度上均有显著提升，为物理信息深度学习框架处理高维相空间问题提供了新思路。
本研究通过模拟数据，揭示了粒子追踪测速（PTV）技术中位置不确定性对动力学温度测量产生的随机误差。研究将粒子速度从已知温度的麦克斯韦分布中生成，并模拟不同空间分辨率和帧率下的位置测量。结果表明，在典型实验条件下，恢复的动力学温度可能与真实值存在显著偏差，其中空间分辨率的影响比帧率更为关键。
腔衰荡光谱是一种直接测量样品吸收的技术，通过探测光在光学腔内强度衰减的速率，而非测量被吸收的光量，来实现对吸收的测量。该技术使用脉冲或连续波光源，相比传统吸收光谱法，其灵敏度显著提高，使得探测极弱吸收成为可能。研究探讨了混合腔结构的行为，有望进一步优化该技术的性能。
本研究成功利用激光冷却的钙离子，对氙高电荷离子进行协同冷却并实现库仑结晶。氙高电荷离子由紧凑型电子束离子阱产生，经电荷选择、减速后注入低温线性保罗阱，最终被捕获并与钙离子形成混合晶体，在荧光图像中呈现暗区。通过精确控制离子数量与排列，实现了任意图案的混合晶体，并测量了氙离子的电荷态、寿命及混合体系的运动模式。该平台结合了钙离子的精密量子操控与氙高电荷离子的丰富原子特性，为光学频率计量、新物理探索及量子信息科学提供了新资源。
本文以啤酒瓶为研究对象，将其声学共振现象建模为一维受迫阻尼振荡器，为本科生物理实验提供了详细可行的方案。研究表明，虽然可以通过顺序纯音测量提取瓶子的频域格林函数，但采用傅里叶分析方法仅需数秒即可收集足够数据拟合模型参数，显著提升了实验效率。
本研究首次系统模拟了从薄吸积盘吸积的偏心双星系统的轨道演化。研究发现，与厚盘相比，薄盘不仅会驱动双星系统更快地旋进，还能以更高的速率激发双星偏心率，使其达到e≳0.6，而厚盘通常将偏心率稳定在e≈0.425。此外，薄盘和α粘滞模型仅在一个更窄的偏心率范围内驱动双星趋向圆轨道。这些差异源于吸积流内区压力支撑对吸积流和激波的影响。研究结果表明，吸积中的双黑洞在脉冲星计时阵列和空间引力波干涉仪探测的频率范围内可能具有高偏心率，这将影响引力波背景的频谱和各向同性。同时，环双星盘对密近双星的轨道塑造可能起重要作用。
本研究通过对文献中均匀筛选的微引力透镜双星事件进行统计分析，首次在低质量恒星（0.05-0.8倍太阳质量）周围确认存在一个“质量比沙漠”，范围在质量比q≈0.02至0.05之间，对应投影距离约1-5天文单位。分析显示，在q≈0.02处存在一个显著的巨行星质量比分布截断，其上方的伴星出现率密度下降约一个数量级。沙漠下方巨行星（q>4×10⁻⁴）的出现率密度为每十倍投影分离距离（5.8±0.8）%。这一发现支持了“褐矮星沙漠”本质上是质量比特征的观点，可能区分了分别通过核吸积和引力不稳定性形成的行星与非行星伴星两个不同群体，并暗示气体巨行星和亚恒星伴星的形成具有尺度不变性。
本研究探索了将计算机视觉领域的最新实践——使用预训练模型和标准化架构——应用于宽视场时域巡天警报分类。研究发现，在Galaxy Zoo星系图像上预训练的模型，其性能优于在ImageNet上预训练或从头训练的模型，并能匹配或超越传统定制卷积神经网络。标准化架构在推理时所需的时间和内存更少，效率更高。这些发现为即将到来的大规模巡天项目（如LSST）的警报处理模型构建提供了新范式。
本文综述了光学时域天文学中瞬变天体发现与分类工作流的自动化发展。随着ZTF和ATLAS等巡天项目每晚捕获数十个瞬变天体，机器学习与人工智能工具的整合已实现端到端全自动发现分类，并支持自动化快速空间后续观测。即将全面运行的Vera C. Rubin天文台及其LSST巡天将带来数量级增长的瞬变发现，文章分析了当前实时工作流范式，预测Rubin时代的发展趋势，并提出通过加速自动化推进瞬变天文学的建议。
本研究利用兹威基瞬变设施的光变曲线，分析了射电噪窄线赛弗特1星系（RL-NLSy1）及高偏振类星体（HPQs）在多个时标上的光学变异性。研究发现，γ射线探测到的RL-NLSy1和HPQs表现出陡峭上升的结构函数，表明其长期变异性具有强相干性，符合相对论性喷流的多普勒增强同步辐射模型。非喷流RL-NLSy1的变率幅度最高，但结构函数趋于平坦，表明其变异性由吸积盘驱动的随机过程主导，缺乏长期相干性。γ射线未探测到的RL-NLSy1变率最低，结构函数平坦，表明其喷流活动微弱或缺失。颜色-星等趋势进一步区分了喷流主导（越亮越红）与吸积盘主导（越亮越蓝）的系统。该研究为利用时域巡天数据诊断活动星系核的喷流主导程度和观测视角提供了新框架。
MeerKAT大型巡天项目（MeerKLASS）发布了其首批公开干涉测量数据。该数据基于12小时的早期科学观测，覆盖南天约800平方度，采用创新的“在飞”快速扫描测绘技术。数据处理流程成功生成了中心频率816 MHz的高保真连续谱图像，最深区域灵敏度达~35微央斯基/波束，并从中识别出95483个射电源。该成果验证了“在飞”观测策略的可行性，为未来平方公里阵列（SKA）的大面积巡天项目铺平了道路。
JWST/NIRSpec对HD 131488碎片盘的高分辨率光谱分析，首次在恒星约10 AU范围内探测到温暖的CO基频发射。该气体处于非热平衡状态，由紫外荧光激发，振动温度高达8800 K，而旋转温度仅为数百K。这一发现揭示了碎片盘中存在此前未探测到的稀薄暖气体成分，其质量下限约为地球质量的10^-7倍，为利用紫外荧光探测行星形成区痕量气体开辟了新途径。
本研究通过直接数值模拟，探究了在强引导磁场下弱可压缩磁流体湍流中残余能量的性质。残余能量定义为动能与磁能之差，其符号和谱标度随驱动机制和等离子体β值变化。研究发现，磁驱动湍流产生局部不平衡的阿尔芬涨落和k^{-3/2}级联，符合动态对准理论；而动能驱动则产生k^{-1}标度，与密度不均匀性散射的阿尔芬波相互作用一致，这是反射驱动湍流的标志。残余能量谱的斜率随β值减小而变陡，揭示了不同物理机制对能量级联的主导作用。
本文介绍了MeerKLASS巡天项目中“在飞”连续谱观测的数据处理流程设计与验证。该模式利用MeerKAT望远镜在快速、恒定高度扫描时记录的可见度数据，实现了每晚数百平方度的高效协同成像。研究团队针对当前观测模式导致的信号去相关（拖影）问题，开发了基于时变相位旋转、方向依赖点扩散函数建模以及宽波段分块去卷积的校正方案。通过UHF波段和L波段试点数据验证，成功恢复了高质量的快照图像和深度拼接图，分辨率分别达到23.3角秒和14角秒，灵敏度分别达到35微央斯基/波束和33微央斯基/波束。该流程为平方公里阵列中频阵的宽视场巡天提供了关键技术先导。
本研究通过贝叶斯推断分析模拟的脉冲星计时阵列数据，量化了多信使天文学在探测超大质量黑洞双星种群中的潜力。研究发现，PTA数据有超过50%的概率将黑洞双星硬化率的不确定性降低50%以上，并能显著约束其演化寿命和宿主星系特征。研究明确了引力波与电磁观测各自在约束黑洞双星人口统计学和动力学方面的优势领域。
本研究开发了AION-Search系统，首次实现了对超过1.4亿张未标记星系图像的灵活语义搜索。该方法利用视觉语言模型为图像生成描述，并通过对比学习将预训练的天文基础模型与这些描述对齐，从而创建可大规模搜索的嵌入向量。该系统在零样本条件下对罕见天文现象的检索性能达到先进水平，并引入基于VLM的重排序方法，使最具挑战性目标在Top-100结果中的召回率提升近一倍。
基于詹姆斯·韦伯太空望远镜（JWST）对强引力透镜星系团MACS0647的观测，研究团队发布了57个红移大于6的高红移星系候选体目录，其中14个已获光谱确认（红移范围6.10-9.25）。最高红移确认星系（z=9.25）呈现极蓝特征，并可能探测到阻尼莱曼α吸收。研究还确认了红移6.1处的星系过密度，并在一个星系中通过高分辨率光谱发现两个空间分辨的组分，可能揭示了一个约10^8太阳质量的动力学系统。
本研究通过解析推导和种群合成模型，确定了从宿主星系抛射出的双中子星合并事件所能达到的最大空间偏移。研究发现，最大偏移距离近似为 300 kpc × (v_esc / 500 km s⁻¹)⁻⁷，其中 v_esc 是宿主星系的逃逸速度。这意味着具有高逃逸速度的大质量宿主星系不太可能产生非常大的偏移。该最大偏移距离为那些不与任何星系位置重合的合并事件的宿主星系关联提供了重要参考依据。研究还探讨了偏移距离与系统质量、以及可能与伴随合并的伽马射线暴持续时间之间的潜在相关性。
arXiv:2512.12025v1 Announce Type: new Abstract: Model-observation comparisons of type-I X-ray bursts (XRBs) can reveal the properties of accreting neutron star systems, including the neutron star compactness. XRBs are powered by nuclear burning and a handful of reactions have been shown to impact the model results. Reactions in the NiCu cycles, featuring a competition between $^{59}$Cu($p$,$\gamma$)$^{60}$Zn and $^{59}$Cu($p$,$\alpha$)$^{56}$Ni, have been shown to be among the most important reactions as they are a critical checkpoint in $rp$-process flow and significantly impact the light curves and burst ashes. We report a direct measurement of $^{59}$Cu($p$,$\alpha$)$^{56}$Ni bringing stringent constraints on this reaction rate. New results rule out a strong NiCu cycle in XRBs, with a negligible degree of recycling, $\leq$5\% up to 1.5 GK. The new reaction rate, when varied within new uncertainty limits, shows no impact on one-zone XRB model light-curves tailored for clocked-burster $\tt{GS 1826-24}$, hence removing an important nuclear physics uncertainty in the model-observation comparison.
本研究将年轻恒星X射线活动分析扩展至7.5亿年，发现太阳质量恒星的X射线光度衰减远快于低质量恒星，且其日冕在约1亿年时显著软化并失去高温等离子体。这一趋势与磁发电机效率降低有关，且比现有XUV-年龄关系预测更强。这意味着围绕类太阳恒星运行的行星，其大气流失、水分子光解以及前生命分子形成的化学环境均会发生系统性改变。
欧洲南方天文台发布白皮书，指出未来LISA等空间引力波探测器将探测到银河系内数以万计的毫赫兹频段连续引力波源，主要来自双白矮星等致密双星系统。然而，仅凭引力波数据无法精确确定双星组分的性质、质量、温度和成分。白皮书强调，目前尚无专门的设施或协调的巡天计划来提供必要规模的电磁波后续观测，以最大化引力波数据的科学回报，并讨论了建立这种协同观测能力的必要性和要求。
本研究提出了一种利用机器学习方法识别和表征由晚M型、L型和T型矮星组成的未分辨极低质量光谱混合双星系统的新方法。通过构建分层随机森林模型，该研究能够有效区分光谱混合双星与单颗矮星，并对双星的主次星进行分类。模型在模拟数据上表现优异，二元识别召回率和精确度均超过85%，分类误差小于0.1个亚型，其保真度、适用范围和速度均优于传统基于光谱指数的方法。该方法有望应用于SPHEREx、Euclid等大规模光谱巡天项目，以探索数千至数百万颗极低质量恒星和褐矮星中的双星种群。
本研究探讨了在局部趋近于单位根条件下动态Tobit模型的稳健估计问题。研究发现，高斯最大似然估计和删失最小绝对偏差估计均具有一致性，而普通最小二乘法虽然也一致，但其t统计量不服从标准正态分布。该成果为基于序列t检验的可靠模型选择提供了理论支持，并在金融与流行病学时间序列分析中具有实际应用价值。
本研究通过扩展垄断银行模型，引入风险厌恶和模糊厌恶，揭示了银行主观通胀预测的分歧是货币政策传导至信贷供给的重要渠道。模型预测通胀不确定性或信念不对称会推高均衡贷款利率并加剧信贷配给。基于法国贷款数据，研究发现更高的主观不确定性和不对称性会提高平均贷款利率并扭曲其分布，尤其影响尾部财务受限企业。定量分析表明，相关指标从25分位升至75分位会使企业平均借贷成本上升超10个基点，相当于非金融企业每年增加约5亿欧元利息支出。
本研究探索了将经济时间序列分解为本征模态函数（IMFs）后，如何提升神经网络（MLP和LSTM）的预测性能。通过应用DeepSHAP方法，研究量化了每个IMF对预测的边际贡献。结果表明，代表长期趋势的末位IMF最具影响力，而高频IMF贡献较小甚至可能引入噪声。研究还揭示了不同神经网络架构（MLP与LSTM）对特征重要性分布的影响差异。
本文系统综述了经济时间序列可解释人工智能（XAI）领域的研究进展。针对经济数据特有的自相关、非平稳性、季节性等挑战，文章提出了一个分类框架，将方法按解释机制（如传播法、扰动法、函数法）和时间序列兼容性进行划分。重点介绍了向量化、窗口化等适应性改进，以及如何将可解释性与因果推断、政策分析（如即时预测、压力测试）相结合，为决策级应用提供指导。
本文构建了一个连续处理效应框架，用于分析政策或冲击通过地理空间和经济网络产生的溢出效应。研究从异质性主体加总、市场均衡和成本最小化三大经济学基础推导出主导方程，证明了该框架的坚实理论基础。核心发现表明，空间-网络交互系数等于地理坐标与市场坐标之间的互信息。通过Feynman-Kac表示，效应可分解为沿经济联系路径的“继承”与“累积”两部分。蒙特卡洛模拟显示，当存在溢出效应时，传统估计方法（如双向固定效应、双重差分法）会产生25-38%的偏差和严重的覆盖不足，而新方法无论是否存在溢出都能保持正确推断。应用该框架分析美国最低工资政策，发现总效应是直接效应的四倍，传统方法仅捕捉到四分之一的影响。结构估计揭示了与通勤距离一致的空间扩散模式，以及与季度供应链调整一致的网络扩散模式。基于熵的脆弱性诊断在预测劳动力市场中断方面，比标准中心性指标表现优异56-76%。
本研究通过混合方法，结合线上/线下抽样调查（51人）及社交媒体使用（1000人）、创业（1092人）数据集，分析了巴基斯坦年轻女性赋能与经济增长的关系。研究发现，无监督学习识别出两种紧密且分离的社交媒体参与模式；逻辑回归在预测创业行为上表现最优。39.4%的受访者认为社交媒体通过增加收入对经济有积极影响，但仅14%参与创业，数字参与与商业应用间存在巨大鸿沟。主要障碍包括网络骚扰、数字素养不足及父权文化约束，且52.9%的受访者不了解政府支持政策。
一项在瑞士大学食堂进行的大规模实地实验发现，对肉类加价和对素食打折的“组合拳”策略，能有效引导消费者选择素食，并减少碳排放，且不影响整体销售额。单纯对肉类加价虽能提升素食选择，但会导致顾客流失至其他餐厅，抵消环境收益。研究表明，平衡的定价策略能在现实竞争环境中有效推动饮食转型。
本研究通过构建覆盖所有行业的国家层面产品空间和包含900多种汽车零部件的行业特定产品空间，分析了电动汽车产业转型的路径依赖与能力形成。研究发现，国家产品空间中的接近中心性（而非简单邻近性）是预测新比较优势出现的关键指标。欧盟在车辆和铝制品领域的现有优势预计将在未来十年催生更多电动汽车特定优势，而韩国、中国、美国等国在向电动汽车相关产品多元化方面潜力巨大。研究指出，汽车转型的成功取决于各地区调动现有工业能力（尤其是机械和电子设备领域）的能力。
本文提出了一种新的条件平均处理效应（CATE）估计方法，旨在将营销行动的因果效应估计与企业的利润最大化目标直接对齐。传统方法追求预测准确性，而新方法认识到，对于多数客户，处理效应已足够极端，额外精度不会改变行动建议；关键在于决策边界附近的准确性，微小误差即可导致目标决策失误。通过修改标准利润最大化问题中的目标函数，该方法能在估计CATE的同时，生成近乎最优的客户定向策略，将CATE估计重构为一个利润优化问题。
本研究在新凯恩斯主义框架中，首次将工作不安全感宏观形式化，并引入劳动力市场摩擦。模型假设私人部门仅能接收到来自完全知情公共部门的噪声信号。研究发现，当货币政策遵循泰勒规则时，均衡是唯一且确定的；但关于当前或未来基本面的新闻发布，仍可能通过总需求与货币政策的相互作用引发“透明度悖论”。若违反泰勒规则，则可能出现信念驱动的均衡。基于模拟矩方法的验证证实了模型关键结论的经验合理性。
本研究探讨了集成多频率回声状态网络（MFESN）在宏观经济时间序列预测中的应用。通过理论分析和实证检验，证明了集成模型相比单一模型能显著提升预测性能。研究还讨论了Hedge和Follow-the-Leader等在线学习方案，并将其保证扩展到依赖数据场景。
本研究探讨了在多AI代理框架中，基于大语言模型的代理如何在网络效应博弈中做出决策。研究发现，AI代理的均衡结果不仅取决于激励结构，更关键地依赖于历史数据的呈现方式。在没有历史数据时，代理无法推断均衡；有序的历史序列（如价格上升）在弱网络效应下能促成部分收敛，但强效应会引发持续的“AI乐观主义”，即代理会高估参与度；而随机化的历史数据则会完全破坏收敛。这表明，在AI主导的系统中，历史数据的“时间连贯性”是塑造其推理的关键，这与人类决策者存在根本差异。
本研究针对美国加州，分析了政府削减对计划生育健康中心（PPHCs）的医疗补助（Medicaid）资金后，对性健康与生殖健康服务可及性的影响。研究对比了PPHCs与联邦合格健康中心（FQHCs）的地理分布，并创新性地运用拓扑数据分析（TDA）方法，通过n-最近邻算法和持续同调分析，量化了医疗覆盖在多个尺度上的现有及潜在缺口。结果表明，单纯增加对FQHCs的拨款无法弥补因PPHCs资金削减造成的空间不平等，研究识别出了服务获取最脆弱的区域，为公共卫生政策评估提供了新的分析工具。
本研究针对资源受限国家数字金融服务推广的挑战，提出了一种预测性模拟框架，以支持前瞻性治理。该框架利用包含10,108名受访者的调查数据，通过描述性分析、可解释机器学习与情景模拟三阶段流程，在政策实施前预测数字金融素养干预措施的效果。研究发现，提升设备访问和费用追踪等基础数字能力，预计可获得高达5.5%的收益，优于态度引导。模型还能实现精准定位，识别出年轻女性看护者为高响应群体，并标记出城市专业人士等低响应群体，从而优化资源配置。
本文研究战略代理（代表不同权重的作业）在多台相同机器上的调度问题，旨在超越传统完工时间最小化的单一目标，引入战略公平性。核心提出了两个自然属性：可信性（确保分配是纳什均衡）和平等性（要求相同权重的作业分配到负载相等的机器）。研究进一步结合了基于无嫉妒性的公平层级及其多种松弛形式（允许对权重更高的代理产生嫉妒）。论文完整刻画了这些属性单独或组合下的可满足性与决策问题的计算复杂性图谱，并探讨了其在最小化完工时间优化下的结构性约束。对于正面结果，作者开发了一种统一的算法框架，通过微调关键子程序来实现不同的公平属性。
本文提出了一种基于信息的推断方法，适用于具有集合值预测的不完全模型。该方法的核心在于最小化一个经过调整的Kullback-Leibler信息准则，该准则考虑了模型的不完整性，并能产生一个非空的伪真集。其关键优势在于：计算上易于处理；无论模型设定正确与否，其实现方式保持一致；能够充分利用离散和连续协变量的所有变异信息；并依赖于被证明是渐近枢轴的Rao得分统计量。
本研究提出了一种基于图神经网络（MeshGraphNet）的深度代理模型，用于实时评估膝关节接触应力。该模型创新性地专注于学习跨受试者的神经肌肉控制模式，而非仅关注解剖结构差异。通过在固定解剖条件下使用九名受试者的步态数据进行验证，模型与真实有限元分析结果的相关系数达0.94，显著优于传统节点式MLP模型（0.88）。研究证明，图神经网络通过模拟物理应力的消息传递，能有效捕捉个体运动策略中独特的非局部力传导路径，从而更准确地识别几何模型无法发现的功能性损伤风险。
本研究提出一种新算法，用于在泛基因组图中挖掘与给定序列链对齐的所有最大路径。该算法允许用户指定最大间隙，在路径顶点的片段中进行比对，旨在提升泛基因组图的功能分析能力。随着高质量基因组组装的普及，泛基因组图已成为整合多序列和坐标表示的强大框架，在比对、变异发现和基因分型等核心生物信息学流程中展现出优势。
本研究开发了一种基于注意力机制的多组学整合框架，用于预测癌细胞对临床前BRAF抑制剂PLX-4720的敏感性。该模型整合了基因组、表观基因组、转录组、蛋白质组、代谢组和蛋白质相互作用数据，通过注意力机制为不同组学模态分配重要性权重。研究发现，整合基因组学和转录组学的双模态模型预测性能最佳（验证R² > 0.92），揭示了突变状态与下游转录激活在决定药物敏感性中的互补作用。研究强调，模态选择比追求最大数据深度更为关键。
本研究回顾性分析了250名慢性卒中患者的门诊记录，旨在确定上肢远端优势性无力在纯皮层下卒中患者中的患病率。结果显示，根据全脑定义，纯皮层下卒中患者出现远端优势性无力的比例为30.6%，显著高于非纯皮层下卒中患者的17.4%。在所有慢性卒中患者中，60%无上肢无力，而远端优势性无力是最常见的无力模式（23%）。该发现有助于基于病灶位置预测长期预后，并为康复计划制定和临床研究提供依据。
下一代血液分析仪（NGHAs）通过整合微流控、先进光学、人工智能、流式细胞术和数字成像等前沿技术，实现了对血细胞形态、功能和遗传特征的深度解析。相比传统设备，NGHAs能提供更精细的细胞信息，为精准医疗中的定制化诊疗方案奠定基础。本文综述了相关技术进展、临床影响及面临的标准化、数据管理与伦理挑战，并展望了其在即时检测和未来治疗改革中的潜力。
本文是一篇面向神经科学家的降秩回归（RRR）教程。RRR是一种用于在高维输入与输出之间寻找低维线性映射的统计方法，近年来在识别大脑区域间相互作用的“通信子空间”方面应用广泛。文章系统介绍了RRR的数学基础，阐述了其与奇异值分解、主成分分析、典型相关分析等降维技术的关系，并推导了其重要扩展（如岭正则化）。最后，文章还引入了量化通信强度以及通信轴与神经活动主模式对齐程度的新指标。
本研究构建了一个整合常微分方程（ODE）与Petri网（PN）的双模型框架，用于分析2025年中国佛山基孔肯雅热疫情。通过SEICR仓室模型，在相同流行病学场景下比较了两种方法，并采用三阶段拟合方案评估干预措施效果。模型预测准确度高，平均绝对误差为18.77-18.91例，均方根误差为36.52-36.54例。研究预测疫情高峰出现在第32天（406例），比实际高峰（第35天，432例）早3天，峰值误差为6.0%。基本再生数分析显示，初始R0为14.67（ODE）/13.90（PN），有效再生数随干预阶段下降，第三阶段降至0.059，实现传播阻断。敏感性分析表明，恢复率是最敏感参数，解释了96.72%的R0变异。该研究首次系统比较ODE与Petri网，为虫媒传染病建模提供了新框架，对制定疫情控制策略具有重要理论与实践价值。
Macular是一款带图形界面的仿真平台，旨在为视网膜和初级视觉系统创建硅上实验场景。用户可通过界面构建三维多层结构，每层对应视网膜或视觉皮层中的一种“细胞”（如神经元或皮层柱）。平台支持任意视频输入，允许用户使用预设或自定义的细胞与突触模型（通过输入方程文本），并自动生成和编译C++代码。用户可实时观察输入视频、三维结构及各层细胞活动，并通过界面调整模型参数。该工具专为无需编程即可在硅上测试假说的神经生物学家和建模者设计，能模拟自然或病理、药理等改变条件。
本研究提出了一种基于偏微分方程（PDE）的数学模型，用于描述微生物聚集体内多种细菌与底物间的生态相互作用与空间动力学。模型包含交叉扩散和反应项，模拟了细菌在底物驱动下的增殖、种群压力梯度驱动的被动扩散，以及物种间对共享底物的竞争和代谢副产物的共生关系。研究通过数值实验验证，该PDE模型能有效复现个体基模型（IBM）中观察到的关键空间模式，并分析了特定对称参数情形下的行波行为。
本研究通过基于网络的EEG源分析，探究了ADHD患者在认知和情绪Go/NoGo任务中的振荡皮层活动。对272名参与者的EEG数据分析发现，ADHD患者在多个网络（包括一个伽马主导的下颞叶成分）中表现出统计显著但微弱的激活增强，并与NoGo条件存在交互作用。行为结果复现了ADHD患者反应更慢、变异性更大、错误率更高的典型表现。总体而言，研究揭示了ADHD抑制处理过程中振荡脑网络的细微改变，支持了ADHD神经生物学的维度观点。
本文系统回顾了人工智能（AI）融入企业资源规划（ERP）系统的演变，特别是向云原生架构的转型。研究指出，传统评估框架（如成本、功能）已无法适应AI驱动的ERP，因其忽视了算法透明度、适应性与伦理问题。论文整合了当前关于架构集成、分析方法和组织影响的研究，识别了关键性能指标，并强调目前缺乏能评估自动化效率、安全性和灵活学习模式的标准框架。作者提出了一个理论模型，旨在将AI能力（如预测智能）与ERP性能评估指标相结合，为开发严谨的数据驱动评估方法提供方向。
本研究利用贝叶斯思维海绵框架，分析了来自29个国家的640名《动物森友会：新视野》玩家的数据，探讨了人类中心主义价值观与虚拟生态系统中资源开采行为（钓鱼、捕虫、砍树）的关系。研究发现，钓鱼和砍树频率与人类中心主义呈正相关，而游戏沉浸感会削弱砍树行为与人类中心主义的关联。捕虫行为则无直接影响，但随着沉浸感增强，其与人类中心主义的负相关关系逐渐显现。这些发现将环境心理学延伸至虚拟生态，揭示了数字互动如何反映并重塑环境价值观，并突显了沉浸式游戏在培养自然商数和生态盈余文化方面的潜力。
本文指出，2025年视频生成模型正重蹈2022年图像生成模型的覆辙。研究发现，少数开源权重、训练数据包含色情内容且防护不足的视频生成模型，已成为制作逼真AI生成非自愿亲密影像（AIG-NCII）和儿童性虐待材料（AIG-CSAM）的主要工具。作者分析认为，模型开发者若在缺乏适当数据筛选或训练后防护措施的情况下开源模型权重，以及分发平台若不对滥用行为或恶意模型进行主动监管，都将可预见地助长并放大此类危害。
本文提出AI-Meteorologist，一个无需微调、完全依赖上下文提示的可解释大语言模型智能体框架。它将原始数值天气预报转化为具有科学依据的叙事报告，通过透明推理步骤分析多个气象变量、整合历史气候背景，识别天气锋面、异常和局地动态。该系统展示了通过推理而非参数更新即可实现模型可解释性，为增强人类气象专业知识和支持气候分析中的科学发现提供了新路径。
本研究调查了菲律宾大学生使用生成式AI的频率、设备、原因、信任度及面临的挑战。结果显示，多数学生因经济限制而主要使用智能手机上的免费AI工具，主要用于完成作业、激发灵感和辅助研究。不足半数学生对AI感到自信，对其准确性持复杂态度。主要障碍包括访问受限、缺乏教师支持、理解输出困难及财务限制。研究强调了改善访问、提供支持与培训、制定伦理准则的必要性，并指出学生对AI的积极看法多源于同伴支持。
本研究调查了菲律宾508名大一编程学生对AI工具的看法，通过层次聚类分析识别出四种不同的学生画像。结果显示，学生普遍认可AI工具的益处，但由于基础设施不足和接触有限，对其依赖度较低。高频使用者并未表现出更高的信任感或有用性感知，表明使用模式与态度之间存在复杂关系。研究建议，为最大化AI的教育影响，需采取针对性干预措施，包括改善基础设施、开展培训项目及整合课程。
本研究通过对213名菲律宾教师的调查，采用岭回归分析探讨了教师对AI检测工具的信任、担忧及决策影响因素。研究发现，教师对AI工具的信任是预测其感知公平性和决策行为的最重要因素，而担忧和社会规范的影响相对较弱。研究强调，建立信任对于AI工具在教育场景中的有效应用至关重要，并建议通过培训、明确指南及实践社区分享来促进工具的合理使用。
本研究提出一种融合物理模型与数据驱动的混合方法，用于提升复杂不确定物理系统的状态估计与预测能力。该方法基于参数化背景数据弱（PBDW）框架，整合了最优可用模型的降阶表示与测量数据。为处理降阶空间未捕获的模型偏差，创新性地引入了一个被约束为与已知物理流形正交的深度算子网络（DeepONet），专门学习模型偏差的未知部分，从而保持了物理模型的解释性与保真度。研究还探讨了最优传感器布置策略以最大化测量信息。方法在涉及亥姆霍兹方程的代表性问题中得到了验证。
本研究利用Hanlon-Hicks-Lazarev对角分解方法，首次系统研究了五维光滑射影环面法诺簇的例外线丛集合。在已知的866个此类簇中，成功确定了300个具有完全强例外线丛集合的实例，为理解高维环面簇的导出范畴结构提供了新的具体数据。
本文深入研究了(2n+1)维海森堡群的若干性质，并建立了该群上不变微分算子的相关定理。海森堡群作为一类重要的非交换李群，在调和分析、量子力学和几何分析中具有基础性地位。研究其上的不变微分算子有助于理解该群上的偏微分方程和表示理论。
本研究证明了在配备条件期望算子T的Dedekind完备Riesz空间E中，具有自然向量值范数的空间Lp(T)是强完备的，成功推广了Kuo等人p=2的情形，解决了该领域一个悬而未决数年的问题。研究首先通过引入一种广义收敛及其无界变体，统一并推广了序收敛、范数收敛和绝对弱收敛，并提供了更简洁的证明。基于此框架，不仅确立了Lp(T)和泛完备化E^u的完备性，还将其应用于遍历理论，获得了条件保持系统遍历性的新结果。
本文对原论文中命题3.2第(ii)项的陈述进行了更正。作者指出，在假设任意两指标i≠j满足gcd(a_i, a_j, q-1)=1的条件下，原陈述及论文其余结论均成立。该勘误确保了关于有限域上加权射影空间超曲面有理点计数理论结果的严谨性。
传统“无限猴子定理”指出，随机打字的猴子终将打出莎士比亚全集，但所需时间远超宇宙寿命。本研究引入“受过教育的猴子”概念，即猴子在打字时被约束为仅生成“统计典型”文本。利用信息论方法计算发现，生成特定短句（如“宁早三小时，不晚一分钟”）的时间从天文数字般的2.7×10^63年大幅缩短至7.3万年。然而，生成完整《哈姆雷特》仍需长达10^42,277年，表明即使引入统计约束，生成复杂有序文本的难度依然极高。
本文系统研究了傅里叶限制问题，即寻找使傅里叶变换在特定子集上的L^q范数受空间域L^p范数控制的参数范围。论文首先回顾了线性限制理论，包括Hausdorff-Young不等式、曲线上的限制估计证明，以及通过Stein-Tomas方法处理球面和抛物面上的限制问题。随后深入探讨了双线性限制，在二维情形下利用反向平方函数估计和横向波包的双线性相互作用证明了相关估计，并将结果应用于验证二维抛物面上的限制猜想。最后部分简要介绍了多线性限制，给出了I. Bejenaru多线性限制估计相关结果的一个简洁证明。
本文从哲学与数学双重视角探讨“无”的概念，区分了绝对的非存在与作为差异原则的关系性否定。研究聚焦于数学形式化“无”的两大基石：数字零与空集。文章追溯了零从巴比伦的位置标记演变为印度数学中独立代数实体的历史，并分析了空集作为公理对象在构建现代集合论数系中的基础作用。最后，借鉴库萨的尼古拉哲学与非欧几何的发现，论文将数学诠释为人类心灵从无中创造的自由行为。
该研究提出并论证了一类涉及亚纯函数的广义积分变换等式。对于特定的亚纯函数u、解析函数A1以及任意满足柯西主值收敛的可积函数F，存在另一个解析函数A2，使得积分∫A1(x)F[u(x)]dx等于∫A2(x)F(x)dx。这一结果为处理包含复杂函数变换的广义积分提供了新的解析工具和简化途径。
研究者提出了两种低复杂度算法，分别用于数据集的降维与升维。这两种方法适用于任何数据集，无论其是否具有内在维度。其核心是通过构建一系列共形同胚映射链，将原始高维空间中的数据点变换到任意指定维度的新空间中。关键特性在于，变换过程严格保持了数据点之间形成的所有角度，从而在局部上保留了原始数据的形状结构。这为需要保持几何关系的数据处理任务提供了新工具。
本文重新审视了关于三变量超几何函数FK的Erdélyi型积分结果，给出了新的证明，并导出了与Appell函数F2相关的新积分。研究进一步扩展到物理学中出现的L变量FK函数，并证明了FK函数q-模拟的多种q-Erdélyi型积分，同时包含了有趣的离散模拟。附录还汇编了多种超几何函数已知Erdélyi型积分的宝贵来源。
本文研究了素数幂级模曲线上孤立点的j不变量集合。孤立点是指模曲线上不属于由P^1或正秩阿贝尔子簇参数化的同度数点集的闭点。作者证明了在给定有界扩张次数下，这些j不变量集合是有限的，这推广了Bourdon和Ejder关于X_1(n)和X_0(n)曲线上有理孤立点的分类工作。
本研究将置换链偏序集的概念推广至更一般的有限长词集合，特别是由集合划分诱导的受限增长函数。通过变化元素数量n与划分块数k，证明了这些偏序集构成射影系统，并具有树与格的结构。研究进一步将结构扩展至B型集合划分的带符号受限增长函数，并探讨了相关格的性质，如蛇形图连分数的划分偏序集、Dyck路径的上升格等。
本文研究了一类具有不兼容势阱或边界条件的奇异扰动双势阱能量泛函的标度律。在几何线性双势阱问题中，作者刻画了二维情况下几乎所有线性边界条件与无应力应变组合下的能量标度行为。研究发现，当边界条件迫使系统振荡且表面能权重ε较小时，最小能量（扣除零阶贡献后）的标度取决于势阱差异矩阵的秩：秩一差异对应ε^(4/5)标度，秩二差异对应ε^(2/3)标度。对于梯度和散度自由的双势阱问题，在振荡受能量偏好时同样观察到ε^(2/3)标度。这些结论通过建立匹配的上下界标度估计得到证明。
针对Faizal等人（2025）关于哥德尔不完备性定理导致宇宙无法被形式化算法模拟的论断，本文通过区分认识论不完备性（形式系统内可证明性的限制）与本体论不完备性（系统可计算或可执行性的限制），澄清了关键概念。作者以康威生命游戏为例，论证了不可判定性仅限制可证明性，而不必然限制可计算性或实际执行。除非物理现象本身涉及不可判定命题的解决，否则仅凭不完备性不足以推断模拟必然失败。该分析表明，在缺乏自然界存在超计算证据的情况下，"宇宙无法被模拟"的论断缺乏经验与逻辑依据。
本研究提出了一种可解释的参数化代理模型，用于实时预测近壁球体的运动轨迹。通过高精度CFD模拟生成不同壁面距离与下落高度的参数数据集，应用稀疏非线性动力学辨识方法，为每条轨迹识别出包含多项式与谐波项的低阶非线性常微分方程。随后，利用神经算子网络学习从输入参数到ODE系数的平滑映射，构建出无需重复昂贵CFD计算即可预测任意工况动力学的代理模型。该方法为发射与回收操作中的实时、物理信息代理建模提供了实用路径。
本研究通过高精度轴对称模拟，系统揭示了第二法向应力差（N₂）对粘弹性流体杆爬升效应的决定性影响。传统理论认为该效应主要由第一法向应力差驱动，而N₂常被忽略。模拟结果表明，增大N₂的幅度会显著削弱爬升响应，当法向应力比超过临界值ψ₀≈0.25时，甚至会导致流体沿杆下降。此外，较大的N₂还会促进流动失稳，导致气泡提前形成、亚临界振荡及三维非对称运动。研究在（Wi， ψ₀）参数空间中绘制了不同流态，统一了微扰理论、实验与数值模拟之间的分歧。
本研究通过解析方法证明，仅基于静力平衡、胡克定律和层间完美粘结这三个基本条件，由各向异性层组成的层合结构的等效刚度矩阵即可满足互易性。等效材料的属性被表示为各层属性的加权和，整个过程无需引入额外的能量原理或假设。
本研究提出“自适应切割”新方法，通过马尔可夫链蒙特卡洛模拟退火优化，在层次树状图中实现多级切割，克服传统单级切割在非平衡树状图中的局限。同时引入基于信息论的“平衡度评分”量化树状图平衡性。在200多个真实与合成网络上的评估显示，该方法在分区密度和模块化方面有显著提升。研究还探讨了利用网络几何重划行政边界、在双曲空间表示层次数据，以及通过引入凝聚态物理中的对分布函数，从地理约束中分离人类移动选择，发现了跨越五个数量级的普适幂律。
本研究通过大涡模拟分析了Ma=2.0、Re=395000条件下超音速涡轮叶片凸面上的激波边界层相互作用，重点关注极端分离泡事件。研究发现，当分离泡收缩时，近壁高速条纹穿透泡体，伴随流向涡的蜿蜒运动，引发强烈流体混合，导致壁面压力和摩擦系数剧烈波动；而在泡体扩张时，高速条纹被输运至分离区上方，混合作用减弱。质量通量分析揭示了涡旋结构对泡体收缩与扩张阶段流体输运的关键调控作用。
本研究提出了基准攻击噪声检测（BAND）模型，用于量化高精度时间同步系统在核心互易性假设被破坏时的安全性。该模型通过统一的“攻击强度”指标来表征非互易攻击，并在100公里双光梳双向时间传递系统中成功预测了瞬时和累积攻击。此外，BAND模型还能解释固有的光纤噪声和延迟未抑制噪声，为建立环境敏感链路模型提供了有效工具，为构建安全的大规模集成时间、传感和通信网络奠定了基础。
本研究发布了一个开源有限差分工具包，专门用于计算高斯端面泵浦条件下磷酸氧钛钾（KTP）晶体在连续波二次谐波生成过程中的温度场。该工具整合了几何与材料定义、边界与冷却模型、瞬态与稳态求解器，支持参数化场景扫描与可复现流程，并通过重现已发表数据进行了验证。
JAX-in-Cell 是一个完全基于 JAX 实现的全电磁、多物种、相对论性 1D3V 粒子网格（PIC）框架。它利用即时编译和自动向量化技术，在 CPU、GPU 和 TPU 上实现了媲美传统编译代码的性能。该框架弥合了教学脚本与生产代码之间的鸿沟，为可微分物理和人工智能集成提供了测试平台，支持端到端的基于梯度的优化。
本研究提出并验证了一种悬浮硫系玻璃波导增强的近红外光热光谱技术，成功将片上气体传感的检测限从ppm级提升至ppb级。通过CMOS兼容的两步图案化工艺制备了低损耗悬浮波导，并结合等效模型优化其几何结构，使光热相位调制效率相比非悬浮波导提升了45倍。最终系统实现了330 ppb的乙炔检测限、接近6个数量级的动态范围和小于1秒的快速响应，为高灵敏度、背景无干扰的集成光子传感芯片提供了关键进展。
本研究通过理论和实验，探索了中性钡原子中5d6p³D₁⁰能级自电离共振在离子阱装载中的应用。理论预测存在多个具有大共振截面的窄共振，但实验发现，在阱装载过程中，多普勒展宽会显著降低大多数窄共振的实际有效截面。研究团队最终识别并演示了一条位于531纳米的强而宽的共振跃迁，与已报道的其他共振相比，该跃迁可将离子阱的装载效率提高一个数量级。
本研究通过Chapman-Enskog分析，澄清了在模拟磁流体动力学（MHD）流动时，外部体积力数值方案引入的伪影项对剪切应力与应变率张量计算的影响可忽略不计。这简化了流体-壁面相互作用研究和大涡模拟（LES）的实现。研究还推导了计算流体-壁面相互作用力的直观动量交换率公式，并讨论了为保持伽利略不变性及与流体压力、粘性剪切应力关联而需移除的额外项。
本文提出了一种统一且计算高效的框架，用于预测二维域中多个浸没物体周围不可压缩、无旋（势）流动，重点量化多体配置中的无旋相互作用效应。该方法集成了三个核心组件：快速的贴体网格生成策略、拉普拉斯方程的无矩阵有限元求解，以及确定每个浸没固体相关流函数值的系统化流程。通过矩阵自由共轭梯度法求解流场，无需组装全局刚度矩阵，显著降低了内存需求。研究结果表明，该方法能以最小的案例设置成本和极低的内存需求，解析微妙的多体相互作用现象，并为复杂浸没体系统中的势流干扰提供定量度量。
本研究系统回顾了国家及以上层面的能源系统优化路径文献，聚焦于模型前瞻性选择、终端效应、分辨率权衡及投资动态等关键方法论问题。文章揭示了长期规划与高时空细节之间的平衡难题，并指出模型数学设计选择可能随时间扭曲决策结果。研究为模型构建者和使用者提供了识别潜在偏差及改进方法的建议，旨在提升能源转型路径研究的科学性与实用性。
本研究报道了一种利用硅衬底高阶声学模式的泛音超宽带磁电天线，在3-4 GHz频段实现了22.6 GHz带宽。该天线被封装成微型机器人，采用银纳米颗粒油墨键合磁电异质结构，在生物负载下保持稳定工作。体外实验证实了氮化铝的生物相容性及聚对二甲苯封装对铁镓合金的保护作用。离体大鼠和人体组织测试识别出3.3 GHz和3.9 GHz附近可重复的频率窗口。该微型机器人平台兼容7T MRI，为无线生物集成通信与遥测提供了可扩展的解决方案。
本研究通过实验与混合RANS/LES数值模拟，分析了高过膨胀状态下火箭喷嘴壁面压力波动的统计特性。研究发现，由激波诱导流动分离产生的气动侧向载荷并非连续变化，而是由间歇性爆发构成。基于小波变换的分析表明，压力信号在特定频率附近表现出显著的尺度间间歇性，且间歇事件的时间间隔与幅值统计对工况参数不敏感，遵循对数正态分布。这一普适性规律为建立气动侧向载荷的随机模型提供了关键依据。
本研究对银河系中心超大质量黑洞Sgr A*周围的环核盘（CND）提出了更广泛的动力学模型。在黑洞与核星团的共同引力势中，作者测试了非开普勒玫瑰花结轨道和由同心环构成的圆盘模型，共计约33万个模型。通过模拟观测并与HCN分子谱线数据对比，发现最佳拟合模型是一个内半径1.0 pc、外半径2.9 pc、倾角60度、位置角35度的圆盘结构，而非单一圆轨道。
本研究利用MUSE大型巡天项目“宇宙二重奏”，对30个亚角秒间距的双活动星系核（AGN）及引力透镜类星体候选体进行了高空间分辨率（0.1”-0.2”）积分场光谱观测。通过盖亚多峰技术预选，成功确认了19个AGN多重系统，包括6个双AGN、10个双像透镜类星体和3个四像透镜系统。样本贡献了文献中已知7千秒差距以内紧密双AGN对的25%。研究发现，亮系统以透镜类星体为主，而较暗系统中双AGN比例增加。该工作展示了预选与光谱结合的高效性，为研究星系演化、黑洞并合及强透镜质量分布提供了关键数据。
研究团队利用CHIME望远镜的复数值电压数据，对快速射电暴FRB 20220413B进行了分析。该暴显示出复杂的脉冲结构，可能源于等离子体透镜效应产生的多重图像。研究通过时滞相关分析和频滞相关分析发现，虽然脉冲形态与等离子体透镜模型一致，但观测到的相关信号特征（仅存在于绝对功率而非相位中）与来自银河系共同散射屏的预期相符，而非相干等离子体透镜。这表明所有爆发分量都穿过了银河系中同一块散射屏。
研究团队利用TESS卫星、帕洛玛天文台等多源观测数据，统计验证了五颗新的凌星行星，包括地球大小的TOI-5716 b、超级地球TOI-5728 b以及超短周期行星TOI-5736 b。其中TOI-5489系统包含两颗大小相近的超级地球。TOI-5716 b和TOI-5728 b的平衡温度较低，为研究大气质量损失提供了理想案例。
本研究提出了一种新的非参数化技术，用于量化局部恒星形成率与尘埃衰减之间的空间解析关系。利用JWST/NIRISS无缝光谱数据，对14个宇宙正午时期的恒星形成星系进行分析。通过构建巴尔末减幅图，推导出尘埃衰减和本征恒星形成率分布图。研究定义了A^SFR_10%、A^SFR_50%和A^SFR_90%等指标，量化了不同比例恒星形成所对应的尘埃遮蔽水平。结果显示，这些星系中50%的局部恒星形成发生在3.41星等或更高的衰减背后，表明其恒星形成活动受到尘埃的显著遮蔽。全球测量值更接近A^SFR_10%，意味着传统方法低估了典型恒星形成区域所遭遇的衰减程度。
本研究结合LoVoCCS巡天的宽视场深空图像与哈勃太空望远镜存档数据，对图卡纳矮椭球星系进行了新的半光半径测量。通过椭圆拟合获得恒星密度轮廓，经背景扣除后拟合Sérsic轮廓，测得半光半径为0.89角分（对应225.7秒差距）。得益于更广的观测范围，该结果比先前测量值增大约10%，为理解该孤立矮星系的恒星分布与演化提供了更精确的约束。
本研究重新评估了哈勃太空望远镜WFC3/UVIS相机中电荷转移效率（CTE）的串行（水平方向，x-CTE）损耗。通过分析暖像素、宇宙射线、饱和恒星和过扫描像素，发现串行CTE对图像的影响远小于并行（垂直方向）CTE。截至2023年，串行CTE对亮源的影响约1%，对暗源约3%，而并行CTE的影响可达5%至50%以上。研究开发了基于像素的串行CTE捕获与释放模型，并发布了独立测试版校正工具，为需要高精度天体测量的用户提供支持。
本研究采用图形套索与分位数回归方法，分析126个国家的主观幸福感与可持续发展目标指数关系。研究发现，在控制治理、收入与预期寿命后，两者直接条件相关性约为0.21。分位数回归进一步揭示关联具有异质性：在低幸福感但高可持续性国家呈正相关，在高幸福感但低可持续性国家呈负相关，其他情境则基本中性。结果表明幸福与可持续性关联微弱、不对称且依赖情境，政策应超越均值回归，关注制度质量等主导因素。
本研究提出了一种仅利用回顾性数据、无需目标人群信息的估计器，用于预测同一政策在不同地点或时期实施时的处理效应。该方法通过最小化以源分布为中心的Wasserstein球内一类分布中最坏情况下的均方误差，并利用潜在结果边际分布的最佳和最差连接函数进行部分识别，从而得到最小化最大优化器的上下界。研究区分了处理效应同质与异质情况下的不同解，推导了边界估计量的一致性和渐近分布，并提供了两步推断程序及Wasserstein球半径的选择讨论。
本文提出了管道运输通用理论（GTPT），旨在解决现有理论碎片化问题。该理论将管道系统视为一个复杂的社会技术实体，其状态由物理动力学、生命周期动力学和社会经济动力学三个相互依存的领域完全耦合决定。通过将韧性定义为核心设计目标，并将联合国可持续发展目标（SDGs）操作化，GTPT为跨关键领域的基础设施设计、管理和治理提供了新的理论基础。
针对面板数据中常见的非随机性样本流失问题，研究提出了一种结合辅助“刷新样本”与迭代比例拟合算法的估计方法。该方法在仅需对流失过程做出较弱假设的前提下，即可恢复模型的全识别性，并有效解决了传统方法中需进行复杂函数最小化的问题。算法在连续及中等高维数据中收敛迅速，研究同时证明了密度估计量与矩估计量的一致性及收敛速度，并提供了简便的渐近方差估计递归程序。模拟实验与实际数据应用均验证了其良好性能。
研究通过声誉模型探讨选举更替能否促使官员始终为选民利益服务。模型假设官员分为始终尽责的“好”类型和可能卸责的机会主义者。研究发现，长期良好结果总是可达成的，但机制和稳健性取决于经济环境。在激励充足的环境中，部分均衡能维持尽责，但另一些仍存在长期卸责；在激励不足时，机会主义者无法被完全约束，但选择效应占主导——所有均衡最终都会稳定在好官员上，实现永久尽责。
本文研究具有历史背景的索赔问题。在连续多期中，一组代理人持续对不足的资源持有索赔权。当前问题的解决方案可能受到过去各期解决方案（历史）的影响。作者引入了一个自然的历史算子，将解决单期索赔问题的标准规则扩展为能处理历史索赔问题的规则。研究分析了该算子对规则性质的保持性，并给出了其特征化结果。
本文探讨了当真实数据生成过程为非线性时，如何解读多元线性回归的系数。研究发现，若关注变量与其他协变量间呈线性关系，其回归系数可解释为结果变量条件期望函数对该变量导数的加权平均。若关系非线性，则系数会相对于此加权平均产生偏差，该偏差可被解释，类似于标准线性模型中测量误差和遗漏变量偏差的性质。
本文扩展了经典的贝叶斯劝说模型，研究状态依马尔可夫律演化的动态场景。发送者始终知晓真实状态，而接收者仅以一定概率随机获知。文章重点分析了当发送者耐心程度（贴现因子趋近于1）时，其期望收益的极限行为，并探讨了该极限值与状态“揭示率”（即每阶段接收者获知真实状态的概率）之间的关系。