PROTON：图AI生成神经疾病假说，在分子、类器官和临床系统中验证
研究团队开发了名为PROTON的异构图变换器模型，用于生成可在多个层面验证的神经疾病治疗假说。该模型应用于帕金森病、双相情感障碍和阿尔茨海默病研究，成功预测了与疾病相关的关键基因、有毒物质及潜在治疗药物。例如，在帕金森病中准确预测了杀虫剂硫丹的毒性；在双相障碍中预测了骨化三醇的潜在疗效；在阿尔茨海默病中，其预测的5种药物与超过61万患者的临床记录显示出的痴呆风险降低显著相关。
2025-12-17 速览
2025-12-17 共 133 条抓取，按综合热度排序
神经调节启发的门控联想记忆网络：扩展记忆检索与涌现多稳态
本研究提出了一种受生物物理启发的联想记忆网络模型，引入了类似神经肽的自适应、活动依赖性门控机制来模拟神经调节作用。通过多体模拟和动力学平均场理论分析，研究发现这种门控机制能从根本上重组网络的吸引子结构：网络绕过了经典的旋转玻璃相变，在远超标准临界容量的情况下仍能保持稳健、高重叠度的记忆检索，且不缩小吸引域。机制上，门控能将存储模式的瞬态“幽灵”痕迹稳定为多稳态吸引子。这为神经调节电路和神经形态架构实现更丰富的记忆动力学与计算能力提供了一条简洁通用的路径。
连续介质中时空Moran动力学的选择性波速差异研究
本研究通过推导连续介质中Moran动力学的时空极限偏微分方程，统一了描述种群结构随机演化的Moran过程与描述确定性波状扩散的Fisher-Kolmogorov-Petrovsky-Piskunov方程。模型区分了繁殖力与生存力两种适应度组分，发现空间Moran生死过程、死生过程与FKPP动力学的选择性波速存在显著差异。研究还扩展了框架至异质介质，并建立了连续空间中等温图类比及局部流守恒条件。
突破深度限制：时间干涉刺激实现人类深部脑区无创精准调控
传统非侵入性脑刺激技术存在深度与聚焦性难以兼顾的局限，使得深部脑区刺激长期依赖侵入性手术。本文聚焦新兴的经颅时间干涉刺激技术，该技术通过计算建模与动物实验验证后，已成功应用于人类，实现了对海马体、纹状体等深部脑区的首次无创、聚焦性电刺激。文章系统梳理了当前证据、作用机制，并讨论了该技术在基础神经科学研究和神经精神疾病干预中的机遇与挑战，以及未来在刺激强度与聚焦性方面的优化方向。
AI增强花粉识别：结合光学与全息显微镜的兽医影像新方法
本研究提出了一种结合光学显微镜与数字同轴全息显微镜（DIHM）的全自动花粉识别方法。针对DIHM图像中存在的散斑噪声和孪生像伪影等挑战，研究团队利用YOLOv8s进行目标检测，MobileNetV3L进行分类。在光学图像上检测准确率达91.3%，分类准确率达97%，而在DIHM图像上性能显著下降。通过引入基于Wasserstein GAN的合成数据增强技术，将DIHM图像的目标检测性能提升了7.25个百分点，达到15.4%，为兽医影像的自动化工作流程提供了重要进展。
球面等变图神经网络完整指南：构建三维分子建模的对称性框架
本文系统阐述了球面等变图神经网络（EGNNs）的理论基础与实现方法，为三维分子与生物分子系统的建模提供了遵循物理旋转对称性的学习框架。通过将节点与边特征表示为球面张量，并利用SO(3)群的不可约表示，模型确保了预测结果在输入旋转下具有物理意义的变化。文章从群表示、球谐函数、张量积等核心概念出发，逐步推导出Tensor Field Network和SE(3)-Transformer等架构，详细解释了如何在几何图上执行等变消息传递与注意力机制。该指南旨在为化学、分子性质预测、蛋白质结构建模及生成模型等领域的研究者提供全面的入门与实现参考。
利用基础模型增强贝叶斯优化，加速分子发现
本研究提出了一种无需显式代理建模的贝叶斯优化新方法，直接利用通用大语言模型和化学专用基础模型的知识来指导候选分子选择。该方法通过构建分子搜索空间的树状分区，并结合基于蒙特卡洛树搜索的局部采集函数，实现了高效探索。引入基于大语言模型的粗粒度聚类，将评估范围限制在具有更高统计属性值的分子簇内，显著提升了大规模候选集的可扩展性。实验表明，该方法在样本效率、鲁棒性和可扩展性方面均优于现有方法。
加速MHC-II表位发现：多尺度预测抗原呈递新方法
本研究针对MHC-II抗原表位预测的挑战，整合并标准化了来自IEDB等公共数据库的数据，构建了包含肽段结合、肽段呈递和抗原呈递三个递进任务的机器学习数据集。通过多尺度评估框架对现有模型进行基准测试，并采用模块化设计分析了不同建模方案。该工作为计算免疫疗法提供了宝贵资源，为机器学习指导的表位发现和免疫反应预测建模奠定了基础。
EXAONE Path 2.5：首个整合组织学与多组学的病理学基础模型
本文提出了EXAONE Path 2.5病理学基础模型，旨在克服仅依赖图像模型的局限，通过联合建模组织学、基因组、表观遗传和转录组等多模态数据，构建更全面的肿瘤生物学表征。模型核心包括支持跨模态对比学习的多模态SigLIP损失函数、保留空间结构的片段感知旋转位置编码模块，以及为WSI和RNA-seq提供专业嵌入的内部基础模型。在包含80项任务的Patho-Bench基准测试和内部临床数据集上，该模型展现出与顶尖模型相当的性能和最高的临床适应性，突显了整合基因型与表型建模在下一代精准肿瘤学中的潜力。
AnySleep：首个通道无关深度学习系统，实现高分辨率多中心睡眠分期
本研究提出AnySleep深度学习模型，解决了传统睡眠分期依赖特定电极配置和30秒固定时长的局限。该模型利用任何可用的脑电或眼电数据，可在可调时间分辨率下进行睡眠分期。在来自21个数据集的近20万小时多中心数据上验证，模型在30秒分期上达到最优性能，且在仅使用单通道数据时仍保持稳健。更重要的是，在30秒以下的分辨率上，模型能更精准地捕捉短暂觉醒，并提升对年龄、性别及睡眠呼吸暂停等生理与病理特征的预测能力，为大规模异质性睡眠研究和新型生物标志物发现提供了强大工具。
语言学家应关注语音深度学习模型：超越文本的局限
本文回应Futrell和Mahowald关于深度学习与语言学理论融合的框架，指出其过度聚焦于生成式文本大模型（LLMs）的局限性。作者认为，许多关于人类语言的有趣问题（如韵律、语调、实时加工）无法通过书面文本充分捕捉。因此，语音（音频）为基础的深度学习模型应成为语言学研究的核心工具，以更全面地探索语言本质。
社交媒体情绪轨迹解码：基于时间语义网络的潜在抑郁评估新方法
本研究提出了一种融合多尺度时间原型学习的语义解析网络模型，用于从社交媒体文本中评估潜在抑郁状态。该模型通过捕捉用户情绪表达的时间模式和语义原型，不仅能实现高精度的抑郁状态检测，还能提供具有临床意义的、关注症状持续时间的解释。在大规模数据集上的验证表明，其性能优于现有方法，并能识别出传统调查方法未系统记录的特定情绪表达模式。该框架为心理健康资源的精准配置提供了新工具。
PrIVAE：几何保持变分自编码器用于生物序列设计与优化
本研究提出了一种名为PrIVAE的几何保持变分自编码器框架，用于解决生物序列（如DNA、RNA、肽）设计中优化高维复杂功能属性的挑战。与依赖简单二元标签的现有模型不同，PrIVAE通过学习尊重属性空间几何结构的潜在序列嵌入，将属性空间建模为可通过最近邻图局部近似的高维流形。该框架利用图神经网络编码层和等距正则化器，引导潜在表示学习，从而构建出按属性组织的潜在空间，实现基于目标属性的理性序列设计。在DNA模板荧光金属纳米团簇和抗菌肽设计两个生成任务上的评估表明，模型在保持高重建精度的同时有效组织了潜在空间。湿实验进一步验证了其实际效用，对DNA纳米团簇的设计实现了高达16.1倍的稀有属性富集。
基于树对称性的多元高斯模型及其环面结构研究
本研究通过给定带颜色和零值节点的有根树，构建了一个由树组合结构决定的对称矩阵线性空间。该空间作为协方差矩阵时，推广了系统发育学中的布朗运动树模型；作为浓度矩阵时，则得到一类彩色高斯图模型。论文重点探讨了在何种条件下其逆矩阵空间构成环面簇，并证明了当导出图满足顶点正则且为块图时，通过导出拉普拉斯变换，该逆空间可由环面理想刻画。
基于加权核稀疏与全变分正则化的Pap染色RGB图像分解方法
本研究提出了一种无需训练的Papanicolaou（Pap）染色分解新方法，用于处理仅含三个通道的RGB图像。该方法通过引入加权核稀疏性（针对苏木精染色）和全变分平滑性约束，将主观的颜色观察转化为可量化的染料浓度。验证表明，其染色定量结果与多光谱成像高度一致。应用该技术区分宫颈小叶腺体增生（LEGH）前癌病变细胞与正常细胞时，基于染色丰度的分类器准确率高达98.0%，展现了RGB图像染色分解在定量诊断中的巨大潜力。
首次实验测量组织粘度，揭示细胞集体迁移中力与运动的关系
本研究开发了一种新方法，首次实验测量了上皮组织的粘度，其量级约为100帕·小时。通过分析剪切应力与应变率的分布，研究发现肌动蛋白细胞骨架和细胞间粘附的增强会提高组织粘度。该工作将组织粘度确立为描述上皮组织力学行为的有意义参数，并建立了组织微观结构与材料特性之间的直接联系，为区分细胞集体迁移中的主动力与构成性应力提供了关键一步。
安宁疗护远程医疗应用设计：从理论框架到临床实践
本研究提出并实践了一个用于安宁疗护的增强型远程医疗应用设计框架。该框架整合了三个社会技术维度：技术质量（性能、安全、合规）、人文价值（同理心、包容性、透明度）以及现实世界适应性。通过多学科、基于经验的协同设计方法，联合临床医生、患者及照护者进行原型迭代、可用性测试和真实世界评估，最终开发出一款安全、公平且具有韧性的数字健康应用。此设计方法可为医疗及其他领域的软件设计提供参考。
惯性导向驾驶技术：封闭赛道实验证实可优化跟车行为
本研究通过封闭赛道实验，验证了惯性导向驾驶技术（DI）对改善跟车行为的有效性。12名驾驶员在接受DI培训后，在真实跟车场景中表现出显著更低的加减速频率和速度波动，表明驾驶员能够从传统的“保持距离”策略转向“保持惯性”策略。该研究首次在真实赛道环境中证明了DI策略的实践潜力，为优化交通流稳定性提供了新思路。
游戏文本特效研究：拟声词与语义文本如何提升玩家体验
本研究探讨了游戏中的“多汁感”（Juiciness）与文本特效的关系。传统研究多聚焦于粒子特效，而本文则关注拟声词和用于提供游戏反馈的语义文本。通过一项多阶段受试者内实验，研究发现用户对“多汁”文本特效的评价与粒子特效相当，且能提供更可靠的反馈。研究还暗示，结合粒子与文本特效可能进一步提升用户体验，并揭示了文本刺激在感知上可能与其他视觉刺激存在差异。
物理引导深度学习提升热泵应力检测精度
本研究提出一种物理引导深度神经网络方法，用于热泵系统应力分类。该方法基于包含13万样本的When2Heat数据集，通过物理知识指导特征选择与类别定义，并采用双正则化策略的深度网络架构。模型在测试集上达到78.1%的准确率，较基线方法提升最高达5.0%。消融实验验证了物理引导特征选择与可变阈值策略的有效性，为热泵状态监测提供了高效解决方案。
AI时代写作共生：人类创意能动性的双重轨迹演化
本研究通过分析大语言模型（LLM）时代前后的海量写作数据，揭示了人类与AI在创意写作中的协同演化模式。研究发现，作者并未走向单一的文体同质化，而是呈现出“双重轨迹演化”：主题上围绕AI话题趋同，文体风格上却出现结构化分化。具体表现为三种适应模式：部分作者风格趋近AI，部分刻意远离，部分则保持稳定但内容涉AI。这一“创意原型地图”为理解人机协作、AI文本检测及创意多样性保护提供了新视角。
基于本地部署大语言模型的临床记录结构化提取框架
本研究提出了一种安全、模块化的框架，利用在符合HIPAA标准的本地计算基础设施上部署的大语言模型，从非结构化的电子健康记录中自动提取结构化特征。该系统集成了检索增强生成和结构化响应方法，可部署于广泛场景。评估显示，与专家标注数据集相比，该框架在大量患者记录中提取多种医学特征时具有高准确性，甚至发现了人工审查遗漏的标注错误。该框架展示了LLM系统通过自动化提取减轻人工图表审查负担、提高数据捕获一致性并加速临床研究的潜力。
无需位置标签的盲无线地图构建：基于空间正则化的贝叶斯轨迹推断
本文提出了一种无需位置标签的盲无线地图构建框架。该方法首先证明了在准镜面反射环境模型下，非视距信道状态信息具有空间连续性，并推导出与物理距离成正比的CSI距离度量。基于此，研究开发了一个空间正则化的贝叶斯推理框架，能够联合估计信道特征、区分视距/非视距条件并恢复用户轨迹。在射线追踪数据集上的实验表明，该方法实现了平均0.68米的定位误差和3.3%的波束图重建误差，验证了其有效性。
AI产品护照：提升医疗AI透明度与可追溯性的标准化框架
本研究提出了“AI产品护照”框架，旨在通过基于生命周期的标准化文档，系统性提升医疗AI的透明度、可追溯性与合规性。该框架在AI4HF项目中开发，整合了欧盟AI法案等法规要求，设计了关系数据模型以捕获从研究定义到部署监控的全周期元数据。通过开源平台实现自动化溯源，生成机器与人类可读报告，并遵循FUTURE-AI原则确保公平性、可追溯性与可用性。
Safe2Harm：利用语义同构攻击破解大语言模型安全防护
本文提出一种新型大语言模型越狱攻击方法Safe2Harm。研究发现，许多有害场景与合法场景在底层原理上高度一致。该方法通过四个步骤实现高效越狱：将有害问题重写为语义安全的同构问题，提取主题映射关系，让模型针对安全问题进行详细回答，最后根据映射关系反向重写得到有害输出。在7个主流模型和三类基准数据集上的实验表明，该方法具有较强的越狱能力，整体性能优于现有方法。
大语言模型训练中退火策略的缩放与可迁移性研究
本研究深入探讨了大语言模型训练中学习率退火策略的动态特性及其可迁移性。研究改进了Warmup-Steady-Decay调度器下的通用预测框架，通过整合训练步数、最大学习率和退火行为，实现了学习率调度的高效优化。实验表明，最优退火比率在不同训练配置间遵循一致模式，小模型可作为优化大模型训练动态的可靠代理，为免于繁琐超参数搜索而选择最优策略提供了实用指导。
混合训练策略：解决数学推理微调中的灾难性遗忘问题
研究发现在对大型语言模型进行数学推理任务微调时，模型会出现灾难性遗忘，即数学能力提升的同时，原有的自然语言推理能力急剧下降。通过实验，研究者提出混合训练策略，在训练中交错使用数学和自然语言推理样本。结果表明，1:1的混合比例能在保持数学性能的同时，完全避免遗忘，将自然语言推理准确率维持在86.2%。该策略表明，专业化训练无需以牺牲通用能力为代价。
基于机器学习的物联网设备行为识别：通过流量分析实现智能监控
本研究提出一种基于机器学习（随机森林、多层感知机、K近邻）的网络流量分析方法，用于识别物联网设备类型及其行为。通过搭建包含多种智能设备的测试环境，实验表明该方法能有效分类设备，其中随机森林模型准确率达91%，但安全摄像头的部分行为识别仍存在挑战。
机器学习模型利用环境数据预测RSV相关住院率
本研究开发了一个机器学习框架，通过整合废水监测、气象和空气质量数据，预测美国与呼吸道合胞病毒相关的住院率。研究发现，废水中的RSV水平是最强预测因子，其次是温度、臭氧浓度和比湿度等环境变量。分析还揭示了美国原住民和阿拉斯加原住民社区以及高海拔州的住院率显著更高。研究成果已集成至一个交互式R Shiny仪表板，以辅助公共卫生干预和资源分配。
LoopBench：用LLM群体发现分布式系统中的对称破缺策略
研究团队提出LoopBench基准，用于评估大语言模型在分布式对称破缺问题中的推理与协调能力。该基准聚焦于用有限颜色为奇数环图着色这一经典难题，其中非通信的确定性代理会陷入无限循环。通过引入策略传递机制作为一致性记忆，研究发现，尽管标准LLM和经典启发式算法难以应对，但具备高级推理能力的模型（如O3）能够设计出打破僵局的策略。LoopBench为研究基于语言推理的涌现式分布式算法提供了测试平台。
元分层强化学习框架提升O-RAN资源管理效率
本文提出一种自适应元分层强化学习框架，用于联合优化O-RAN中的资源分配与网络切片。该框架结合分层控制与元学习，高层控制器负责切片间资源分配，低层代理执行切片内调度，并通过基于时序差分误差方差的元更新机制提升稳定性。理论分析证明了两层学习过程的次线性收敛与遗憾界。仿真结果表明，相比基线方法，网络管理效率提升19.8%，在eMBB、URLLC和mMTC切片中实现了更快的适应性与更高的QoS满意度。
联邦小样本学习：在隐私约束下实现个性化癫痫发作检测
本研究提出了一种两阶段联邦小样本学习框架，用于解决临床实践中癫痫发作检测面临的数据稀缺、分布不均和隐私保护难题。第一阶段通过联邦学习在模拟的非独立同分布医院站点上微调预训练的BIOT模型，实现无需集中数据的共享表征学习。第二阶段仅使用每位患者的5个标记EEG片段进行个性化分类器适配，在保留发作特异性信息的同时利用跨站点知识。该方法在TUH事件语料库上验证，个性化模型平均平衡准确率达0.77，表明其在现实数据可用性和隐私约束下能有效支持患者自适应的癫痫检测。
q-数值范围新性质与精确上界研究
本文针对希尔伯特空间算子的q-数值范围展开研究。首先证明了对于紧正规算子，当原点在其q-数值范围内时，该范围是包含原点于内部的闭凸集。探讨了复对称算子下q-数值范围的行为，并给出了亚正规算子的自伴条件。其次，建立了关于q-数值半径的一系列新的精确上界，这些上界统一并改进了现有结果，为整个参数范围q∈[0,1]提供了全面的估计框架。
谱算子演算：迹形式求值器与谱增长分类
本文在可分希尔伯特空间上发展了一套谱算子演算，将自伴算子及其有界谱变换作为基本对象。在“谱几何”类上引入满足不变性、局部性、广延性及控制收敛连续性条件的抽象求值器。主要成果一为迹形式表示定理：在自然迹类包络上，每个此类求值器都可由一个单调递增轮廓函数通过函数演算后的迹给出，确立了求值器的刚性原理。成果二为谱增长分类法：通过计数函数渐近性对自伴算子分类，并证明多项式增长类在演算基本构造下是稳定的。这些结果为后续研究及具体谱模型应用提供了算术中立的解析框架。
通过同胚映射增强多项式对连续函数的逼近能力
本研究提出了一种通过将代数多项式与同胚映射相结合来增强函数逼近能力的新方法。该方法生成的函数族在连续函数空间中保持稠密性，并能实现更精确的逼近。对于具有有限个局部极值的单变量连续函数，研究证明了存在有限次多项式与同胚映射的组合，能以任意精度逼近目标函数。该方法尤其适用于多元逼近问题，可缓解传统数值方法面临的维度灾难。数值实验通过回归任务和分子势能面构建验证了理论结果，其中同胚映射由可逆神经网络参数化。
广义条件概率与群不变性：锥中不动点与阿门性的新判据
本文研究任意有序向量空间上条件概率的推广问题，以及如何为一个向量相对于另一个向量赋值。作者刻画了能使这些广义概率保持平稳或不变的群，并由此导出了群阿门性以及锥中不动点存在性的新判据。这项工作将概率论、动力系统、泛函分析与群论的思想联系起来，为相关领域提供了新的分析工具。
和积问题与凸和集问题的新指数突破
本研究在实数集上的和积猜想方面取得重要进展，为有限集合A的和集|A+A|与积集|AA|的最大值提供了新的下界指数4/3 + 10/4407 - ε。同时，针对凸集这一特殊情形，分别改进了和集与差集的下界指数至46/29 - ε和8/5 + 1/3440 - ε，推进了加性组合学中经典问题的研究。
利用区间交换变换改进度量图永久饱和时间上界
本研究通过将度量图与区间交换变换（IET）相关联，利用IET的遍历性和极小性，改进了度量图永久饱和时间的上界估计。主要定理给出了一个更精确的、依赖于边长度和图结构常数的上界。研究还定义了相关映射的Kontsevich-Zorich上同调的Lyapunov谱，并将其与系统动力学相联系。通过在完全图K4和星图等具体配置上的模拟验证了理论结果的准确性。
希尔伯特复形框架下的不完备流形调和形式上同调研究
本研究受Cappell等人的工作启发，将紧带边流形调和形式的上同调理论推广至希尔伯特复形的抽象框架。通过构建新的理论工具，作者将其应用于不完备黎曼流形，特别是光滑分层Thom-Mather空间，为这类几何对象的上同调分析提供了统一方法。
测度刚性理论从齐性动力系统向一般流形的扩展
该研究将动力系统中的测度与拓扑刚性理论从李群齐性空间推广至更一般的流形结构。通过突破传统齐性动力系统的限制，为理解一般动力系统的遍历性质和几何结构提供了新的理论框架，拓展了刚性理论在微分几何与动力系统交叉领域的应用边界。
测度逆半群及其在冯·诺依曼代数与等价关系上的作用
本文针对冯·诺依曼代数的正则包含与标准等价关系的强正规包含，提出了一个统一的证明框架。通过利用逆半群与群胚之间的对应关系，作者严格证明了这些包含结构可以分别表示为与商群胚的余循环作用的交叉积与半直积，填补了相关文献中的证明空白。
通用特征簇的稳定上同调：非阿贝尔霍奇理论与谱序列退化
本文研究了模空间M_g上的通用PGL_n特征簇，其纤维对应曲线C上的PGL_n局部系统。利用非阿贝尔霍奇理论和Saito混合霍奇模的性质，证明了投影到M_g的Leray-Serre谱序列在E_2页退化。作为应用，证明了当亏格g趋于无穷时，这些簇的有理上同调趋于稳定，并计算了稳定极限。类似结果也推广到了带标记点的模空间M_{g,1}上的通用G特征簇（G=GL_n或SL_n）。
噪声驱动正则化：让神经网络像大脑一样模块化，提升鲁棒性与泛化能力
本研究受大脑神经元Poisson噪声启发，提出一种基于噪声的正则化方法，能促使人工神经网络自发形成模块化结构。这种结构不仅增强了网络对噪声的鲁棒性，还使其获得了类似大脑的组合泛化能力，能有效外推超出训练范围的数据。研究揭示了模块化结构涌现需要足够训练样本，并发现预模块化网络具有显著性能优势。
静态姿势维持的代谢成本新度量：偏差Absement
本研究针对静态姿势维持中代谢成本的定量评估难题，提出了“偏差Absement”这一新概念，定义为肌肉-肌腱单元长度偏离参考值的时间积分。研究证明，在一大类准静态模型中，Absement是主导的一阶状态变量。代谢总成本可展开为Absement的线性项与微小振荡的二次项之和，从而首次在理论上将姿势系统性漂移与微震颤的能量贡献分离开来。该形式化方法使得通过标准运动学测量和间接测热法的实验数据进行线性回归，即可识别出具有物理意义的系数。
广义相对论二阶磁流体力学：基于祖巴廖夫非平衡统计算符的关联函数方法
本研究在祖巴廖夫非平衡统计算符框架下，利用总能量-动量守恒和比安基恒等式，构建了二阶相对论磁流体力学理论。研究聚焦于保持宇称和电荷共轭对称性的相对论磁化等离子体，获得了介质中所有耗散张量，并给出了二阶出现的所有输运系数的久保公式。此外，该工作还扩展了NESO形式体系，以系统性地考虑非局域贡献。
基于Atangana-Baleanu分数阶导数的粘弹性地震波传播模型与数值模拟
本研究提出了一种基于Atangana-Baleanu-Caputo分数阶导数（具有非奇异Mittag-Leffler核）的一维粘弹性地震波传播模型。采用空间有限差分和时间Adams-Bashforth-Moulton预测-校正格式进行数值求解，并计算了不同分数阶下的解。模拟结果表明，分数阶记忆效应同时改变了波的衰减和频散特性，导致能量衰减呈现非指数形式，与经典整数阶模型存在显著差异。
诊断高维哈密顿系统模拟中的辛结构保持性
研究提出一种基于刘维尔1-形式积分的数值诊断工具，用于监测哈密顿系统数值积分中辛结构的守恒情况。该工具能以谱精度逼近积分，其精度仅受限于哈密顿量的正则性。作为首次应用，该研究检查了辛静电粒子网格（PIC）等离子体模拟代码的辛结构保持性，发现使用实践中常见的线性插值会导致时间推进映射非辛，而至少需要二次插值才能实现真正的结构保持。
新型超声显微技术实现眼部微血管三维超分辨率成像
本研究利用256通道系统和1024阵元面阵，实现了活体后眼部微血管的三维超声定位显微成像。为克服晶状体声速不匹配和微泡信号信噪比低等挑战，研究采用了区域依赖声速波束成形技术来校正相位畸变，并结合四维非局部均值滤波抑制背景噪声。该方法将空间分辨率提升至约63微米，并成功重建了脉络膜血管的三维密度和血流速度图，为视网膜和脉络膜微血管的定量三维评估提供了潜在的临床实用途径。
细胞内粒子相遇时间：间歇性运动与网络结构的影响
本研究探讨了细胞内间歇性运动粒子（如马达驱动的细胞器）的首次相遇时间。研究发现，在无结构区域，粒子长程定向运动虽能扩大探索范围，但相遇时间反而比纯扩散粒子更长，且相遇多发生在边界。在密集的细胞骨架网络中，无偏运动可用连续“跑-停”模型近似；而有偏运动粒子则会被特定网络结构（如汇聚的微丝）捕获，这虽限制了空间探索，却因将粒子汇聚到低维区域而可能加速相遇。研究为理解细胞内反应动力学提供了物理框架。
胰岛β细胞网络中的“旅行嵌合体”与集体协调机制
本研究通过计算模型，探究了胰岛β细胞在非局部耦合环形网络中的集体动力学行为。模型整合了电与代谢两种耦合通路，模拟了胰岛内短程与长程相互作用。数值模拟揭示了多种涌现行为，包括同步、行波以及“旅行嵌合体”状态——即网络中相干与非相干区域共存并传播。这些发现为理解β细胞协调活动及脉冲式胰岛素分泌的调控机制提供了新视角，有助于阐明糖尿病中细胞间通讯失调的潜在原理。
新型数值模型揭示电动汽车轴承电致损伤机理
本研究针对电动汽车驱动系统高电压、高功率带来的轴承电致损伤问题，提出了一种新颖的数值模型。该模型首次表征了弹流润滑线接触界面在放电过程中的电流密度与电压降，并将其构建为线性互补问题，采用共轭梯度法高效求解。研究揭示了放电时难以观测的润滑界面电学特性，并强调了表面粗糙度曲率半径对电流密度的重要影响，为未来从根本上解决电机轴承电致损伤问题奠定了理论基础。
物理信息神经网络求解两相Stefan相变问题
本研究提出了一种物理信息神经网络框架，用于求解具有移动界面的两相Stefan相变问题。该方法创新性地使用两个神经网络分别表征移动界面和温度场，通过引入修正的零水平集函数精确捕捉界面处的温度梯度跃变。数值实验表明，该方法在精度和有效性上优于现有神经网络方法，并能捕捉与Mullins-Sekerka不稳定性相关的不稳定界面演化，为传统数值方法提供了稳健灵活的替代方案。
江门中微子实验完成全球最大液体闪烁体探测器灌装
本文详细介绍了江门地下中微子观测站（JUNO）的填充、溢出与循环（FOC）系统的设计与运行。该系统成功完成了全球最大液体闪烁体探测器的灌装工作，其中水填充耗时45天（6.4万立方米），液体闪烁体填充耗时200天（2.3万立方米）。系统在填充过程中实现了高精度的液位控制（±2厘米）和流量调节（±0.5%），并成功保持了液体闪烁体的高放射性纯度，确保了探测器长期稳定运行的基础。
表面张力主导的薄液膜水跃：零重力条件下的理论突破
传统理论认为薄液膜中的水跃现象主要由重力驱动，表面张力仅起次要作用。本研究挑战了这一观点，为零重力条件下的平面薄液膜流动建立了表面张力主导的水跃理论框架。通过分析完整的界面应力条件，发现法向应力的偏量分量在主导阶次上改变了力学平衡。主导平衡分析导出了无参数控制方程，并获得了速度剖面的相似解。深度平均动量守恒揭示了在韦伯数为1时存在奇点，这被解释为水跃控制准则。该工作为表面张力驱动的水跃现象奠定了理论基础，并给出了水跃位置和结构的解析预测。
基因表达噪声与信息传输的优化：多基因系统如何最大化信息流
研究通过一个简单模型探讨了基因表达噪声与信息传输效率之间的表面矛盾。模型显示，当细胞总mRNA分子数有限时，将资源分配到尽可能多的靶基因上，可以最大化转录因子浓度信息的传输能力。为实现此容量，转录因子浓度分布需偏向较小值。因此，在特定条件下，个体表达水平的噪声恰恰是信息传输优化的结果。此外，系统性能对参数变化不敏感，允许最优性能与显著变异性共存。
动态洛伊布尺度：实时演化分类星际天体
研究团队将静态的洛伊布尺度扩展为动态微分框架，通过将异常度量定义为日心距离的函数并引入有效分数的弛豫方程，使分类方案具备记忆、滞后和预测能力。该方法能基于遥远距离获得的稀疏数据，对天体最终洛伊布等级进行早期稳定预测，有助于在天体接近地球时更准确地量化其真实性质。
下一代系外行星科学前沿：直接成像邻近恒星系统
本文指出，随着透射光谱和掩星光谱在表征系外行星大气时面临恒星表面不均匀性和活动性带来的噪声限制，未来对小型温带岩石行星的深入研究将依赖于高对比度直接成像技术。下一代极大望远镜（ELTs）及其搭载的仪器（如ESO ELT的PCS和GMT的GmagAO-X）将在2035-2040年间投入运行，有望对附近红矮星周围的数十颗岩石行星进行表征。文章探讨了在空间望远镜任务时代，地基观测在系外行星研究中的持续作用。
哈勃继任者HWO将首次直接成像“冷系外木星”
白皮书提出，未来“宜居世界天文台”（HWO）将利用反射光光谱和偏振测量技术，直接成像并光谱分析有效温度低于400K的冷气态巨行星。该计划旨在测定其大气分子组成、云层特征和温度结构，填补热系外行星与太阳系巨行星间的观测空白，为行星形成、云微物理及光化学作用提供关键约束。
银河系潮汐扰动宽双星系统，解释热木星起源之谜
研究揭示宽双星系统在银河系潮汐场扰动下，能显著提升热木星形成效率。相比孤立双星，宽双星可多产生约1.8倍的热木星，解释了观测中26%-40%的热木星来源。该机制尤其擅长形成年龄超过25亿年的古老系统，并自然产生自由漂浮的巨行星，解决了冷/热木星比例长期存在的理论预测与观测不符的难题。
首次确认超大质量恒星风质量损失率存在“拐点”
本研究首次通过流体动力学一致的非局部热动平衡大气模型，确认了超大质量恒星（VMS）辐射驱动星风的质量损失率存在一个“拐点”。当恒星质量约60倍太阳质量时，星风光学深度跨越临界值，质量损失率急剧上升，斜率高达约10。这一发现解释了从O型星到WNh型星的观测转变，并与银河系拱星团中的过渡恒星位置吻合。研究还识别出由铁电离变化驱动的两个质量损失双稳态跃迁。
DESI数据确认16个本星系群矮星系成员，揭示六分仪座星系动力学特征
研究团队利用暗能量光谱仪首批数据，结合盖亚卫星的自行、位置和测光数据，成功确认了16个本星系群矮星系（包括超暗弱、经典和不规则星系）的恒星成员身份。研究证实了基于盖亚数据的筛选算法能有效减少前景污染，并首次利用DESI数据追踪了六分仪座星系的恒星运动学至大半径范围。研究发现，该星系内金属丰度较低的恒星群速度弥散更高、分布更广，而富金属恒星群则运动学更冷、更集中于中心，其金属丰度梯度在内部区域较陡，外围则几乎无梯度，暗示了外部晕或“由外向内”的恒星形成历史。
麦哲伦云化学DNA研究：最古老小麦哲伦云恒星中r过程主导中子俘获元素生成
通过对12颗金属贫乏的小麦哲伦云巨星进行高分辨率光谱分析，研究发现这些形成于星系诞生初期的古老恒星中，中子俘获元素（如Eu、Sm）丰度存在巨大星间弥散，部分恒星呈现极高的r过程元素富集。研究指出，在早期小麦哲伦云中，中子俘获元素的生产主要由r过程驱动，因为低质量AGB恒星尚未演化并留下s过程印记。定制的随机化学演化模型支持了这一结论，揭示了早期星系中元素合成的随机性和气体混合效率低下的影响。
Ia型超新星高速特征起源研究：单一密度增强模型无法解释观测
本研究利用辐射转移代码TARDIS，对六颗Ia型超新星（SNe Ia）中普遍存在的高速吸收特征（HVFs）进行了建模分析。研究团队通过建立基准光球速度模型，并在高速度区引入高斯密度增强，训练神经网络模拟其对硅谱线轮廓的影响，进而使用马尔可夫链蒙特卡洛方法推断最佳密度增强参数。结果表明，单一的密度增强无法同时解释观测到的硅和钙元素HVFs的演化，暗示当前主流爆发机制模型（如延迟引爆或双引爆机制）可能遗漏了某些关键物理过程。
HOLCon框架：优化宇宙模拟中的晕光锥构建与星系目录生成
本研究开发了HOLCon框架，用于从宇宙学模拟中高效构建暗物质晕光锥并生成模拟星系目录。该框架通过优化光锥在模拟盒中的方向，有效减少了当巡天体积超过单个模拟盒时产生的重复结构问题，并采用线性插值方案追踪晕属性随时间的演化。基于Uchuu模拟，研究者构建了覆盖50平方度、红移高达z=10的光锥，为下一代深场巡天提供了代表性覆盖。该框架利用Dask并行计算实现快速构建，并预测了Hα发射星系的成团性，为宇宙学推断提供了重要资源。
利用白矮星吸积盘探索物质流动：面向2040年代的光谱-时序观测愿景
理解物质和角动量如何在吸积盘中流动是天体物理学的基本难题。白矮星吸积系统是理想的实验室，其秒到分钟级的变光可用于研究。现有宽带时序观测已发现与X射线双星相似的时延信号，暗示了波动传播机制，但受限于光谱混合而难以进行物理解释。2040年代，鲁宾-LSST等新一代探测器将发现大量吸积系统，为实现高时间分辨率的光谱-时序观测提供了契机。该白皮书阐述了通过同时解析连续谱和发射线，直接绘制变光在盘中的传播图景、检验从白矮星到超大质量黑洞的吸积物理是否具有尺度不变性的科学目标与所需观测能力。
毫米波观测揭示太阳活动起源，助力空间天气预报
随着社会对天基服务的依赖加深，预测太阳爆发事件影响的需求日益迫切。毫米波观测能直接探测太阳大气层中太阳活动起源区域的实时物理条件。研究提出，一个具备全太阳盘、高时间分辨率、多频率成像能力的观测设施，将彻底改变我们对太阳及其影响日球层的认识。AtLAST项目有望实现这一能力，并推动欧洲在建立可靠的空间天气业务化预报科学基础方面发挥引领作用。
ALMA揭示HD 100546原行星盘中气体螺旋与垂直下落的动力学特征
本研究利用ALMA对HD 100546原行星盘中五种CO分子发射线进行观测，通过Discminer包拟合分析气体运动学。研究发现盘内存在显著的、大尺度的运动学螺旋结构，其螺距角支持由50天文单位内的嵌入伴星驱动。在90-150天文单位区域，首次探测到与尘埃间隙重合的向下垂直流动，同时13CO和C18O的积分强度径向剖面出现凹陷，暗示该处可能存在另一颗伴星。此外，红移与蓝移侧的发射高度存在不对称性，可能源于盘外物质吸积或内盘翘曲的阴影效应。
绘制宇宙结构演化图景：大孔径毫米波望远镜的迫切需求
本文指出，当重子物质落入星系、星系团等大质量结构时，会被加热至超过10^5 K并电离，形成“温/热”宇宙介质。目前，ALMA等深空毫米波观测仅能探测少数高红移系统，而低分辨率巡天虽能发现数千个天体，但分辨率不足。为了真正推进大尺度结构演化的研究，需要一台大孔径单口径（亚）毫米波望远镜，其测绘速度需比现有设备快数个量级，同时保持角秒级分辨率，以精确成像电离气体分布并排除射电与尘埃信号的污染。
暗物质晕如何塑造星系盘结构？TNG50模拟揭示关键参数
本研究基于TNG50宇宙学模拟，系统探究了星系盘结构（大小、厚度）与其宿主暗物质晕性质之间的关联。通过随机森林回归与符号回归分析，发现仅凭暗物质晕的密度结构、角动量、形状及形成历史等参数，即可高精度预测星系盘结构，其中盘厚度比大小更易预测。研究揭示了浓度、内禀自旋、近期质量吸积等是影响盘结构的关键晕参数，并指出盘-晕相关性主要源于盘形成过程中对晕内区的重排作用，而非原始关联。
ExoMol发布12种二氧化碳同位素分子的高精度光谱线列表
研究团队利用变分程序TROVE，结合精确的动能算符、经验势能面和从头算偶极矩面，为12种二氧化碳同位素分子构建了全面的振转光谱线列表。数据融合了MARVEL分析、HITRAN和CDSD数据库的实测能级，并采用机器学习方法分配量子数。生成的线列表已通过TauREx等四种辐射传输代码验证，可用于系外行星大气建模，所有数据已在ExoMol平台公开。
Y Combinator创业融资研究：创始人背景影响有限，团队规模更关键
一项针对2005-2024年间4323家Y Combinator初创公司的研究发现，创始人背景（如FAANG工作经历或顶尖教育）对融资差异的解释力不足4%。回归分析显示，FAANG经历与融资额负相关（约-22%），但该结果不稳健。最稳健的发现是，创始团队规模每增加一人，融资额约增加21%，凸显团队动态的重要性。研究表明，行业趋势、产品质量等未观测因素在精英加速器融资决策中可能起主导作用。
创新如何重塑金融结构：股票市场与银行体系的相对演变
本研究基于1982-2021年75个国家的面板数据，探讨了创新对股票市场相对于银行部门发展的影响。研究发现，创新显著提升了股票市场的活跃度、效率和规模，但这种效应受到国家技术前沿距离和制度质量的调节。制度质量对市场活跃度和效率有正向调节作用，但对规模却有负向影响，且其调节效应可能非线性并随时间减弱。创新对市场活跃度的边际影响具有持久性。
多园区AI数据中心成本保留混合定价方法，解决地理差异下的预算失真问题
针对大型AI数据中心在多地采购相同设备时，传统按部署量加权的混合定价法虽能保留总成本，但可能引发辛普森悖论，导致设备排名逆转和决策信号扭曲。研究提出两种实用算子：双向固定效应算子通过分离全局设备效应与园区效应，在保持成本精确的同时提供可解释的分解；凸共同权重算子则在会计约束下计算单一园区权重集，建立位置稳健的基准以防止排名逆转。仿真与案例表明，新方法在维持成本准确性的同时，显著减少了排名违规。
波兰研究：灵活用工如何提升临时派遣服务商的竞争力
本研究基于对波兰企业管理者的调查，实证分析了灵活用工对企业竞争力的影响。研究发现，灵活用工安排能显著降低停工时间、加速员工入职流程并削减人事与招聘成本。它使企业能快速根据需求波动调整人力规模，并在无需长期承诺的情况下获取专业技能。此外，灵活用工增强了组织的市场响应能力，提升了短期项目的盈利能力，并加强了应对季节性和市场波动的韧性。研究指出，灵活性是客户满意度和忠诚度的关键决定因素，已超越单纯的成本控制，成为一种支持竞争力和可持续绩效的战略人力资源能力。
全球铝贸易数据揭示新型洗钱模式：硬件伪装与空岸转移
本研究提出了一种无监督机器学习框架，用于分析2020至2024年联合国贸易数据，以识别铝贸易中的异常行为。研究发现，在碳边境调节机制等政策影响下，主要驱动因素并非预期的可持续性套利，而是一种更严重的“硬件伪装”现象。不法分子通过将废铝错误归类为高价值异质商品，制造高达每公斤160美元的价格异常，这被识别为贸易洗钱行为。网络分析进一步揭示了风险集中在作为非法转运关键节点的“影子枢纽”，而非主要出口国。研究证实价格偏差是异常的主要预测指标，呼吁海关监管从物理量检查转向动态算法化估值审计。
利用部分验证数据修正调查误分类偏差
本文研究当调查数据存在误分类但其中一个响应类别可被验证时的二元选择模型估计问题。作者证明，通过部分验证可将初始的双向误分类问题转化为单向问题，并指出直接使用更新后的响应进行估计无法解决误分类偏差。研究提出了一种利用部分验证数据构建参与模型的方法，并给出了克服误分类误差的一致且渐近正态的估计量。模拟实验验证了方法的有限样本性能，并以加纳医疗保险覆盖率的决定因素为例进行了实证说明。
大语言模型能否形成通胀预期？GPT-3.5与英国家庭调查的对比研究
本研究探讨了GPT-3.5-turbo根据宏观经济价格信号形成通胀感知和预期的能力。通过模拟英国央行通胀态度调查的信息集和人口特征，并与家庭调查数据及官方统计对比，发现GPT在短期能追踪总体调查预测和统计数据，并在收入、住房产权和社会阶层等维度复现了家庭通胀感知的关键经验规律。模型对食品通胀信息表现出与人类受访者相似的敏感性，但缺乏一致的消费者价格通胀模型。该方法为评估LLM在社会科学中的行为提供了新途径。
基于路径签名的回归方法实现经济指标实时预测
本研究提出了一种利用路径签名进行回归的新方法，用于经济指标的实时预测（Nowcasting）。该方法通过捕捉时序数据的几何特性，能自然处理混合频率和缺失数据。理论证明和模拟实验表明，该方法不仅包含了线性卡尔曼滤波器，还具有良好的稳健性，在数据序列中断时（如疫情期间）表现优于传统方法。该方法在美国GDP增长和英国失业率的实时预测中展现出优异性能。
双/去偏机器学习方法实现时间序列脉冲响应函数的半参数推断
本研究提出了一种基于双/去偏机器学习的估计器，用于估计在时间序列中受到多个离散处理影响的脉冲响应函数。该方法允许处理变量与结果变量之间完全非参数的关系，从而能够利用灵活的机器学习方法来估计动态因果效应。研究将双机器学习理论从独立同分布设置扩展到时间序列设置，证明了该估计器的一致性和渐近正态性，为时间序列中的动态效应提供了半参数推断基础。数值模拟验证了其在有限样本下的良好性质，并应用于宏观经济冲击效应的实证分析。
高管性别多样性对企业价值的影响：新统计方法揭示关键阈值
本研究开发了一种名为concATE的有限样本非参数边界方法，通过结合Dvoretzky-Kiefer-Wolfowitz尾界和Bonferroni校正，改进了传统Manski边界在重尾数据中的局限性。应用于901家上市公司数据发现，高管性别多样性对企业价值（托宾Q值）的正面影响存在显著阈值：在增长与创新行业，女性高管比例需达到约55%才产生统计显著影响；而在防御性行业，这一阈值约为60%。
利用网络与知识图谱对偶性，构建智能供应链风险分析框架
本研究提出一种基于大语言模型的智能体框架，用于分析复杂的供应链风险。其核心创新在于利用网络与知识图谱之间的对偶性，将供应链网络视为知识图谱，并运用网络中心性指标指导图遍历，高效提取关键风险路径。该框架整合了图结构、数值因子表和新闻流等多模态数据，并引入“上下文外壳”技术，将原始数据转化为大语言模型可理解的自然语言描述，从而无需微调即可实时生成简洁、可解释且上下文丰富的风险叙事。
冬小麦田野燕麦生态管理：不同密度下产量损失模型与经济阈值研究
本研究通过田间试验量化了野燕麦对冬小麦的竞争影响，并确定了不同小麦密度下的经济防治阈值。结果表明，提高小麦播种密度可显著抑制野燕麦的竞争力，并允许在采取化学干预前容忍更高的杂草密度。这为将播种密度调整作为综合杂草管理的关键措施提供了依据，有助于优化经济效益并减少除草剂使用。
新方法精准估算低流行传染病传播率
本研究提出了一种改进的逆向方法，用于估算低流行环境下传染病的时变传播率。该方法结合了连续和离散逆向方法，并引入了指数B样条插值技术，确保即使在病例观察稀疏的情况下，也能获得非负且平滑的传播率估计。研究利用中国真实数据，在猩红热、多株流感及年龄结构流感等模型中验证了该方法的准确性和鲁棒性，为流行病学建模和公共卫生决策提供了可靠的技术支持。
基于脑电α纺锤波动态与机器学习的麻醉过深预测新方法
本研究提出了一种实时、数据驱动的框架，利用前额脑电图提取α纺锤波动态特征，通过经验模态分解分割瞬态事件并提取振幅、时长等统计特征。采用LightGBM分类器在包含麻醉诱导、维持和苏醒阶段的临床数据集上进行训练。模型对麻醉阶段分类准确率超80%，并能提前90秒以96%的准确率预测标志麻醉药物过量的等电位抑制发生。该方法为非侵入性、可解释的预测工具，有助于预防麻醉过深及其术后不良影响。
Arbor-TVB：首个多尺度脑模拟框架，揭示癫痫从局部发作到全脑传播机制
本研究首次将微观神经元模拟器Arbor与宏观全脑模拟平台TVB集成，构建了名为Arbor-TVB的多尺度协同模拟框架。该框架通过MPI通信实现实时双向交互，将Arbor产生的离散神经元脉冲信号与TVB的连续区域平均活动相互转换。其模块化设计允许独立选择各尺度模型，并以癫痫为例，展示了如何模拟特定脑区癫痫发作及其向全脑传播的过程，为研究神经疾病机制和优化干预策略提供了新工具。
华南亚热带水库叶绿素a多因子建模研究
本研究基于2020-2024年对广东三座水库的长期监测数据，分析了水温、总氮、总磷与叶绿素a的动态关系。研究发现叶绿素a浓度呈上升趋势，且总氮比总磷对藻类增殖的影响更为显著。团队据此构建并校准了一个动态多因子水生态模型，该模型能高精度模拟叶绿素a变化，揭示了水温与营养盐的协同效应，为水库富营养化预测与科学管理提供了理论工具。
自适应择优框架：通过社会经济地位校正实现锚定公平的大学招生机制
本文提出自适应择优框架（AMF），旨在解决大学招生中择优与公平的结构性矛盾。该框架包含三个核心设计：以常规录取者最低分为基准的择优锚定架构、动态调整的录取阈值，以及基于行政数据验证的连续社会经济地位测量。基于PISA 2022韩国数据的实证分析表明，AMF能在不降低学术标准的前提下，识别出因社会经济劣势而被低估潜力的学生，实现小幅但精准的扩招。该框架为替代零和博弈的配额制、构建统一且多维的招生评估体系提供了模板。
大语言模型存在“我们vs他们”偏见，角色扮演会加剧群体对立
本研究基于社会认同理论，揭示了GPT-4.1、DeepSeek-3.1等多款主流大语言模型普遍存在“内群体偏好、外群体贬损”的偏见。研究发现，模型在默认状态下已习得此类社会关联，而角色扮演（如保守派/自由派人设）会系统性改变其评价与归属语言模式，加剧偏见。研究还提出了一种名为ION的微调优化方法，可将情感偏差降低最高69%，为未来LLM的偏见缓解提供了可行路径。
Adjudicator：基于知识图谱与多智能体辩论的标签噪声纠正系统
本文提出Adjudicator系统，旨在解决高价值工业应用中训练数据标签噪声问题。该系统采用神经符号方法，首先构建动态知识图谱统一项目上下文，然后驱动一个由多个专业大语言模型智能体组成的“委员会”进行辩论和投票，以判断标签有效性。在AlleNoise基准测试的1000项平衡子集上，该系统F1分数达到0.99，显著优于单LLM基线（0.48）和无知识图谱的委员会（0.59）。其核心优势在于通过知识图谱驱动的覆盖逻辑，实现了对复杂结构性错误的完美识别，为受严格监管的工业环境生成高质量“黄金数据集”提供了可解释的自动化验证方案。
VPIA：从稳态数据中重建复杂交互网络的变分物理信息方法
本文提出了一种变分物理信息拟设（VPIA）方法，用于仅从异构稳态数据中推断复杂动力系统的交互结构。该方法将动力学的稳态约束嵌入可微分的变分表示中，通过最小化物理导出的稳态残差来重建潜在的耦合关系，无需时间轨迹、导数估计或监督。结合残差采样和自然梯度优化，VPIA能够可扩展地学习大规模和高阶网络。实验表明，该方法能在强噪声下准确恢复有向、加权和多体结构，为仅能获取快照观测的复杂交互网络物理约束推断提供了一个统一且鲁棒的框架。
结合SAR与机器学习预测肯尼亚洪水易发区
本研究利用哨兵-1号合成孔径雷达（SAR）影像和环境水文数据，对肯尼亚尼安多河流域的洪水易发性进行建模。通过处理2024年5月洪水事件的SAR数据生成洪水清单，并结合坡度、高程、土地利用等六种环境因子，训练了逻辑回归、决策树、支持向量机和随机森林四种机器学习模型。评估结果显示，随机森林模型预测性能最佳（准确率0.762），其生成的易发性地图成功识别出维多利亚湖附近低洼的卡诺平原为最高风险区，与历史记录一致。该方法为数据稀缺地区的洪水风险制图与灾害防控提供了有效工具。
文档分类高效遗忘新方法：Hessian重分配实现类级别数据移除
本文提出Hessian重分配方法，用于文档分类模型的高效类级别遗忘学习。该方法通过两步实现：首先利用共轭梯度求解Hessian-向量系统，一次性减去目标类别所有训练数据的影响；其次通过Top-1分类强制执行决策空间保证，避免随机重分类。在标准文本基准测试中，该方法在保持接近完整重训练精度的同时，运行速度提升数个数量级，并能有效降低针对移除类别的成员推理攻击优势。
AI辅助标注管道：提升大语言模型稳定性的协同方法
针对大语言模型在关键行业应用中存在的不稳定、幻觉及性能波动问题，本研究提出了一种人机协同的AI辅助标注管道。该方法通过自动化弱监督与置信度标注，结合人工验证，系统性地识别、标记并修正模型输出中的不稳定模式。框架引入了语义一致性、事实正确性和逻辑连贯性等稳定性专项标注类别，旨在通过持续反馈循环校准模型，以可扩展的方式提升其鲁棒性与可靠性。
ValuePilot：基于人类价值观的两阶段个性化决策框架
本文提出ValuePilot框架，旨在解决AI在现实应用中如何根据个人价值观进行个性化决策的挑战。该框架包含数据集生成工具包和决策模块两阶段：前者通过人机协作构建多样化的价值标注场景；后者学习基于个人价值偏好评估行动，实现情境敏感的个性化决策。在未见过的场景测试中，其决策模块在符合人类行为选择方面，表现优于GPT-5、Claude-Sonnet-4等主流大模型基线。研究表明，以价值驱动的决策是构建可解释、个性化AI代理的有效工程路径。
科拉茨猜想新进展：区间内满足条件的数至少达 x^0.946
本研究通过分析满足科拉茨猜想的数的计数函数，并深入探究一个相关的指数同余方程，提出了一种从自由变量构造其解的方法。利用该方法，研究者证明了在区间 [1, x] 内，满足科拉茨猜想的数至少为 x^0.946 个，这一结果超越了此前 0.84 的历史记录。
线性序的广义和：超越传统加法的新运算
本研究系统探讨了线性序的广义和运算。这些二元运算将两个线性序A和B组合成一个新序A⊕B，其结构可分解为A的副本与B的副本交错排列。论文揭示了除传统加法及其对偶外，存在大量不同的结合性广义和。核心贡献在于引入了“和生成类”概念，该类为每个线性序提供了规范的左右半分解，并研究了其结构与代数性质。进一步，在复杂序类上，研究证明了可以灵活构造结合性广义和，这些和可能缺乏传统加法所具有的结构特性。研究还完整刻画了序数上的所有结合性与交换性和运算。
特殊二项式Waring分解研究：揭示x^ky^kz^k + ℓ^{3k}的秩与分解结构
本研究确定了形如x^ky^kz^k + ℓ^{3k}的齐次多项式的Waring秩，其中ℓ为线性型。核心方法是通过研究ℙ^2中特殊点构型的Hilbert函数与消解。作为重要推论，证明了单项式x^ky^kz^k不存在长度为(k+1)^2 +1的不可约分解，深化了对多项式分解唯一性与最小表示的理解。
高维Q-曲率存在多重爆破现象
该研究证明，在维数n≥25且满足特定正性条件的闭黎曼流形上，任意接近给定度量的C¹邻域内，存在一个共形类，其中包含无穷多个具有相同常Q-曲率但能量任意大的光滑度量。同时，该共形类内还存在一个常Q-曲率等于n(n²-4)/8且体积无界的度量序列。这一结果将此前关于标量曲率的结论推广到了Q-曲率情形。证明方法基于构造多个标准气泡的微小扰动并将其粘合。
随机唯一可扩展约束满足问题的可满足性阈值与解空间结构
本研究探讨了随机唯一可扩展约束满足问题的可满足性阈值与解空间几何。通过引入一个灵活的模型 H_n(π,k,m)，该模型允许约束类型上的任意分布 π，从而涵盖了随机线性系统和先前研究的 UE-SAT 模型。主要结果为广泛的分布 π 族确定了可满足性阈值。在支撑集满足自然可约性或对称性条件下，证明了该模型的阈值与经典的 k-XORSAT 阈值一致。
非局部延迟反应扩散肿瘤治疗模型的动力学分析
本研究探讨了一个包含非线性相互作用和非局部延迟的肿瘤治疗反应扩散模型。通过应用Lyapunov-Schmidt约化方法，证明了从平凡解分岔出非平凡稳态解的存在性，并给出了空间非齐次稳态解的近似表达式。研究详细刻画了线性化算子的谱特性，给出了显式的稳定性判据，并识别了依赖于延迟的Hopf分岔区域。通过一个具体算例，验证了理论结果，并数值展示了治疗参数变化如何影响系统的稳定性和分岔行为。
群中心化子格中的元素中心化子研究
本研究融合群论与泛代数，探讨了群上的中心化子运算。研究证明该运算是群幂集上的闭包算子，并与经典的“子群生成”闭包算子进行了比较。文章深入分析了中心化子格的性质，并重点研究了元素中心化子（单个元素的中心化子）及其对偶概念——元素中心，揭示了它们在中心化子格中的基础性作用。此外，研究还考虑了元素中心偏序集上的默比乌斯函数，并在p-群的中心化子问题上获得了一些新结果。
射影代数几何新突破：超越最小度与del Pezzo簇的极值簇刻画
本研究在射影代数几何中，针对“除最小度簇和del Pezzo簇外，哪些簇在几何与Syzygy理论意义上最为基本与简单”这一核心问题，取得了关键进展。作者给出了二次Strand中分次Betti数的上界，并完整刻画了达到该上界的极值簇。这些极值簇被精确分为两类：一类是满足特定深度与Green-Lazarsfeld指数的度d=e+2的簇；另一类是度d=e+3的算术Cohen-Macaulay簇。该成果推广了Castelnuovo、Fano和Park关于二次曲面数量的经典结果，并扩展了Han和Kwak从二次型线性Syzygy角度对最小度簇和del Pezzo簇的刻画。此外，研究还证明了每类极值簇都作为除子唯一地包含于某个有理正规Scroll中，并描述了其除子类。
Cartier对偶的Mittag-Leffler模构造及其在傅里叶-向井变换中的应用
本文为仿射交换群概形建立了Cartier对偶等价性，其坐标环是任意基环上的平坦Mittag-Leffler模。对偶对象G^∨被构造为R上的一个归纳有限归纳概形。当基环R是诺特环且具有对偶化复形时，作者进一步构建了G与BG^∨之间、以及G^∨与BG之间的拟凝聚导出范畴上的傅里叶-向井变换，深化了对偶理论与表示范畴的联系。
动力系统中的不变性原理：零中心李雅普诺夫指数测度分解
本文是一篇关于动力系统中不变性原理的综述。该原理指出，具有零中心李雅普诺夫指数的测度分解，会展现出由全纯映射（holonomies）带来的额外不变性。文章重点解释了该原理背后的基本定义和核心思想，梳理了一系列相关结果，并简要介绍了其在动力系统研究中的基本应用。
Lipschitz凸优化误差界问题的最优次梯度方法研究
本研究针对满足一般误差界的Lipschitz凸优化问题，分析了其迭代复杂度。研究表明，对于此类问题，采用Polyak步长或衰减步长的次梯度下降法，在减小与最优解距离方面，能够达到极小极大最优的收敛保证。主要贡献在于提出了一种新颖的下界论证方法，该方法能构造出同时满足零链条件和全局误差界的困难函数。
图论新突破：Bell与Stirling着色图的哈密顿性研究
本研究探讨了图G的k-Bell着色图与k-Stirling着色图的哈密顿性。主要结论为：除完全图Kn及其删边图外，所有n阶图的n-Bell着色图均存在哈密顿圈，且此结果最优。同时证明，对于k≥4，至少具有k+1个顶点的树的k-Stirling着色图是哈密顿的；至少具有3个顶点的树的3-Bell着色图也是哈密顿的。这些结果为图的结构性质与组合优化提供了新的理论支撑。
通过重复代数建立经典倾斜理论与τ-倾斜理论的等价性
本研究证明了代数Λ的τ-倾斜理论可以自然地等同于其重复代数Λ̄的经典倾斜理论，通过建立偏序集同构sτ-tilt Λ ≅ tilt Λ̄。这一结果将τ-倾斜理论视为倾斜理论的特例，推广了遗传代数情形下的已知结论。研究还揭示了sτ-tilt Λ × sτ-tilt Λ如何作为Bongartz区间嵌入到重复代数的τ-倾斜偏序集中，并由此在极大绿序列层面获得了类似的结构包含关系。
DAMA：首个统一加速框架解决去中心化非凸极小极大优化问题
本研究提出DAMA框架，首次在去中心化多智能体网络中实现了非凸极小极大优化的多层级统一。它集成了在线/离线随机算法与多种去中心化学习策略，并引入GRACE梯度加速估计器，统一了动量法与方差缩减技术。该框架建立了通用性能边界，达到了目前已知最优的样本复杂度，为分布式学习提供了更灵活高效的解决方案。
非局部弹性理论中的欧拉弹性线问题研究
本研究将经典的欧拉弹性线问题推广至非局部弹性理论框架。在经典欧拉-伯努利梁模型中，大变形下的控制方程为线性非齐次方程，其一般解可用雅可比椭圆函数和不完全椭圆积分表示。针对所讨论的非局部微分本构模型，其控制方程变为非线性，但一般解仍可通过三种不完全椭圆积分的线性组合以参数形式表达。未来研究计划将施加多种边界条件，以比较非局部解与经典局部解在相应边值问题下的差异。
基于Geant4的环保气体混合物性能重建方法，助力RPC探测器优化
本研究开发了一种宏观重建方法，利用Geant4模拟观测值和单一实验锚点，推断电阻板室（iRPC）的性能。该方法通过Geant4能量沉积估算初级电离产额，并通过编码在有效增益G(E)中的感应电荷描述来模拟效率开启。通过将标准CMS混合物校准至其GIF++效率曲线并提取宏观汤森参数（A,B）来固定绝对标度。该程序被推广至四种替代混合物，包括两种HFO和CO2环保混合物，以重建效率曲线和工作点，从而无需微观输运输入即可实现探测器混合物筛选。
基于证据神经网络的冬季降水类型预测与不确定性量化
本研究开发了一种物理一致的机器学习方法，用于预测冬季降水类型及其认知不确定性。模型结合了众源mPING观测数据和NOAA快速更新模型的垂直剖面数据，通过静态和交互评估验证了其气象一致性。相比传统热力学方法，该方法在2020-2022年及2023年高分辨率案例中表现出更优的预测性能，尤其在当前数值天气预报模型难以准确表征的大气条件下，能合理量化不确定性。
高能储存环中辐射自旋极化的复杂物理
本文探讨了高能储存环中电子自旋极化的真实物理图景，超越了传统的均匀磁场单粒子模型。研究指出，实际储存环中磁场的非均匀性、粒子束团以及轨道分布会导致“退极化自旋共振”等复杂现象。一个关键见解是，在非均匀磁场中，“自旋翻转”通常并非简单的180度反转。文章旨在跨学科地阐述辐射自旋极化的基本原理，并简要联系了天体物理学中强磁场（如中子星）下的电子辐射问题。
生成式蒙特卡洛方法：实现恒定成本的粒子输运模拟
研究团队提出了一种名为“生成式蒙特卡洛”的新范式，将生成式人工智能直接集成到线性玻尔兹曼方程的随机求解中。该方法将粒子在网格单元内的传输问题重构为条件生成任务，通过训练神经网络来直接采样粒子的出射状态，无需模拟复杂的散射历史。核心创新在于引入了光学坐标缩放技术，使得单个训练模型能够泛化到任意材料。在核反应堆堆芯和高能量密度辐射传输等典型基准测试中，该方法在保持标准蒙特卡洛方法统计保真度和精度的同时，在光学厚区域实现了数量级的加速，计算成本从随光学厚度线性增长变为恒定。
亚带隙激发实现氧化镓光电开关性能突破
本研究通过调控阳极栅距和激发光谱，发现272nm亚带隙光可有效激活Fe掺杂β-Ga2O3中的深能级缺陷态，实现高效体载流子传输。在40μm阳极栅距优化条件下，器件获得4.14A峰值光电流和10.4Ω的创纪录低导通电阻，并定义了响应度-电导优值FoMRC达4.7×10⁻⁶ S/W。
广义LSVD方法：提升三轴试验中土体抗剪强度参数确定精度与鲁棒性
本研究提出了一种扩展的最小二乘虚拟位移法（LSVD）通用公式，用于从多个土样中准确估计抗剪强度参数。该方法能适应无粘性、摩擦性及混合型等多种土体，通过寻找穿过多个莫尔圆的公共切线来求解，即使存在测量误差导致精确解不可行时依然有效。研究引入了对数、抛物线、多项式及幂律等多种广义LSVD变体，以适应岩土材料中观察到的不同破坏包络线形状。通过合成噪声下的性能基准测试，并与p-q法、CTPAC等现有方法对比，结果表明LSVD在模拟复杂土体行为方面具有更高的灵活性和可靠性。
光子散射中的首次返回统计：Motzkin多项式框架解析
本研究提出了一种解析框架，用于计算光子在半无限散射介质中的首次返回概率。通过将三维随机游走投影到轴向，将其简化为可由Motzkin型多项式描述的一维交替过程。该方法的核心贡献在于，通过一个由蒙特卡洛模拟确定的柯西分布截断因子，高效处理了边界约束的返回项。该模型在各项异性参数g≤0.7时，其预测结果与完整三维蒙特卡洛模拟的误差在2%以内，为辐射传输问题提供了一种精确且计算高效的替代方案。
生成式AI降尺度降水预测对比：扩散模型与cGAN在气候变化响应上的表现差异
研究对比了条件生成对抗网络（cGAN）与扩散模型在降尺度降水预测中的性能。两种生成式方法在多数指标上均优于确定性基线，整体技能相近。扩散模型能更好地预测降水的精细空间结构和干旱期长度，但在预测极端降水的未来气候变化信号时，相比高分辨率区域气候模型存在低估。相比之下，cGAN以更低的计算成本，在多数指标上取得了可比拟的技能，同时更好地预测了整体降水分布和极端降水的气候变化响应。结果表明，扩散模型生成的预测视觉上更“真实”，但未必比带强度约束的cGAN更好地保留气候变化响应。
全集成混合腔实现自持微梳激光，无需外部驱动
本研究提出了一种全集成混合腔方案，实现了自持微梳激光生成。该方案将泵浦激光器、非线性谐振器和反馈回路集成于一个片上双元件腔中，仅依赖激光与克尔非线性的协同振荡，无需外部驱动。系统实现了自启动操作和超过24小时的稳定运行，生成的相干微梳本征线宽低于1kHz，集成线宽约100kHz。这一超紧凑架构为集成光子系统提供了可扩展的相干多波长光源的实用路径。
超薄氮化钛薄膜在近零介电常数区域展现强非线性光学响应
研究团队发现，厚度降至纳米尺度的超薄氮化钛（TiN）外延薄膜，在近零介电常数（ENZ）光谱区域表现出显著增强的非线性光学吸收。系统测量显示，非线性吸收随薄膜厚度减小而急剧增加，在ENZ区域可比传统薄膜强近两个数量级。该现象源于电子限域效应诱导的非局域电磁响应，为超薄光子材料结构中的非线性过程提供了一个耐高温的稳定平台。
JWST揭示再电离时期透镜星系尘埃与莱曼α发射的关联
本研究利用JWST、HST和CANUCS项目数据，对红移z=6.5676的引力透镜莱曼α发射星系HCM 6A进行了多尺度分析。通过定制化SED拟合框架，在积分、狭缝和像素尺度上解析了其恒星、星云和尘埃性质。研究发现，最年轻的恒星形成区（S3）呈现出由反馈塑造的多相星际介质结构，其中心尘埃清除区域是莱曼α辐射高效逃逸的关键通道。这为理解再电离时期尘埃性莱曼α发射星系的物理机制提供了独特的空间分辨视角。
BL Lacertae伽马射线变异性研究：单一参数解释光谱与时间变化
本研究利用费米伽马射线空间望远镜的LAT数据，分析了活动星系核BL Lacertae的伽马射线光谱和时间变异性。研究发现，在单区同步自康普顿（SSC）模型框架下，仅通过改变电子峰值能量这一单一物理参数，即可成功解释观测到的所有变异性特征。分析显示，逆康普顿峰值光度与峰值能量之间存在线性相关，这为理解此类天体的高能辐射机制提供了简约而有力的物理图像。
暗物质晕演化新解：早期尖峰如何转变为NFW轮廓
本研究通过64次高精度N体模拟，揭示了暗物质晕内部结构从早期形成的“瞬时尖峰”向普遍存在的NFW轮廓演化的关键机制。研究发现，大质量合并、人工碎片吸积以及大尺度纤维结构的相互作用是导致尖峰转变的三条主要路径。值得注意的是，即使整体轮廓已呈NFW形式，与原始峰值相关的粒子仍保留着最初的幂律尖峰特征。这项工作为理解NFW轮廓的普适性起源及早期坍缩对现今晕结构的印记提供了新视角。
寻找银河系卫星星系中的中等质量黑洞
中等质量黑洞（IMBH）是黑洞家族中尚未被充分探索的成员，其质量介于约100至10万个太阳质量之间。本文指出，探测银河系矮卫星星系中是否存在IMBH及其占据比例，是检验早期宇宙黑洞种子形成模型的关键。目前此类观测证据非常有限。文章强调，下一代宽视场光谱设施将有望首次实现对矮星系中IMBH占据比例的可靠测量，从而区分不同的早期黑洞形成理论。
利用本星系群矮星系探测暗物质本质
本星系群矮星系可作为关键探针，区分冷暗物质模型面临的星系尺度挑战是源于重子过程理解不足，还是需要新物理模型。研究提出需系统测定其暗物质晕性质与恒星质量、恒星形成历史的关系，这要求对数千颗恒星进行精确视向速度测量，需要12米级和30-40米级望远镜的多目标光谱仪协同观测。
大质量恒星主序演化新框架：提升快速群体合成物理一致性
研究团队在COMPAS代码中实现了一个适用于快速双星群体合成的主序演化新框架。该框架基于半解析模型，能准确捕捉恒星在主序阶段经历任意质量损失或增益历史时的对流核演化，并处理了恒星“返老还童”及主序并合过程。相比常用方案，新框架预测了更重的氦核、更致密的剥离恒星半径以及系统更高的黑洞质量，从而显著提升了快速群体合成中恒星与双星演化的物理一致性。
SRG/ART-XC宽视场X射线搜寻Geminga脉冲星晕未获显著信号
本研究利用SRG/ART-XC望远镜对Geminga脉冲星进行了首次宽视场（3.5°×3.5°）X射线扫描观测，旨在搜寻其理论预测的大尺度同步辐射晕。通过结合粒子注入、扩散与冷却的物理模型，并利用现有X射线上限及GeV-TeV伽马射线数据，研究团队在4-12 keV能段进行了高均匀性成像分析。结果表明，在考虑高粒子本底及其不确定性后，目标区域未发现显著X射线辐射，所得流量上限较窄视场望远镜结果约束稍弱。尽管如此，该工作首次为宽视场搜寻脉冲星晕建立了系统方法，并直接约束了Geminga周围磁场强度，模拟显示未来延长观测时间有望提升探测概率。
利用中子星磁层搜寻银河系中心暗物质轴子
研究提出利用银河系中心中子星磁层作为暗物质轴子探测环境。该区域极高的磁场强度和暗物质密度，使轴子能在厘米至亚毫米波段高效转化为光子。探测这种累积辐射需要具备超高灵敏度、空间分辨率和宽频覆盖能力的亚毫米波观测设施，这将开辟轴子参数空间的新探索领域。
星系分子多样性：多谱线观测揭示宇宙气体演化
亚毫米分子谱线（如CO、HCN、SiO）是研究恒星形成和星系演化的关键探针。目前对银河系外分子宇宙的认识仍不完整，仅少数极端星系有完整化学清单。未来十年，通过多物种、多跃迁观测，将建立从早期宇宙至今的星际介质化学诊断体系，逐物种解析气体如何响应环境、星系如何生长与物质循环。
快速检验反演：提升重采样方法置信区间计算效率
本文提出了一种基于代数结构的新型方法，用于高效构建随机化推断中的精确置信区间和置信区域。传统网格搜索法计算量大且可能因离散化导致区间保守。新方法将检验统计量表达为感兴趣参数的有理函数，通过解析识别检验统计量秩发生变化的临界值，直接推导精确的p值曲线，避免了为每个参数值重复计算。该方法适用于包括方差估计依赖于原假设在内的广泛检验统计量，并能扩展到向量参数情形，显著降低了计算负担。
网络干扰下内生处理效应的异质性识别：以进口竞争对美国劳动力市场的影响为例
本文提出了一种在大型单网络环境中识别和估计内生处理异质性效应的计量框架，该框架考虑了干扰和溢出效应。研究将内生处理选择建模为明确考虑溢出的均衡结果，并推导了保证均衡存在性和唯一性的条件。在此基础上，识别了可能随相邻节点处理状态和未观测异质性变化的异质性边际暴露效应。作者开发了相应的估计策略并建立了其大样本性质。应用该框架分析进口竞争对美国地方劳动力市场的异质性影响时发现，尽管边际暴露效应为负，与现有文献一致，但这些效应在存在已处理邻居的地区以及倾向于选择较低进口竞争水平的地区中，会被溢出效应放大。这些新的实证发现得益于本文提出的计量框架。
稳健最大似然更新：在模糊性下解释非贝叶斯决策行为
本文针对决策者常偏离贝叶斯更新的现象，提出了稳健最大似然更新模型。该模型将偏差归因于多重先验或模糊性，通过公理化方法构建了表征：决策者拥有一个作为初始最佳猜测的基准先验，以及一个代表所有无法排除可能性的合理先验集合。接收新信息后，决策者在合理先验集合内，依据最大似然原则更新基准先验，再应用贝叶斯规则，从而确保最大程度的动态一致性。模型能在一个统一框架内解释多种常见的更新偏差。
群组随机试验中平均处理效应估计量的精确方差与上界估计
本文研究了有限总体群组随机对照试验中，霍维茨-汤普森平均处理效应估计量的设计方差问题。由于方差依赖于未观测的群组聚合潜在结果联合分布，无法精确识别。作者推导了该估计量的精确（但不可行）方差表达式，并扩展了Aronow等人的工作，提出了该方差的一个尖锐、可达上界，并利用观测结果和已知抽样/分配概率构造了该上界的一致估计量。模拟和实证应用表明，基于此上界的置信区间有效，且通常比基于群组标准误的区间更窄。
长记忆时间序列估计方法评估：局部Whittle估计量的比较与选择指南
本文系统评估了用于估计分整时间序列记忆参数d的多种半参数局部Whittle估计量。通过复制文献关键结果、进行新的蒙特卡洛实验和深入实证研究，比较了各估计量在存在短期动态、未知均值、时间趋势和结构突变等情况下的表现。研究结果为应用研究者提供了关于估计量选择、带宽选取以及如何解释不同估计量间潜在冲突结果的实用指南。