今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
今日物理学研究聚焦高性能计算、极端条件物理与复杂系统建模，强调方法创新与跨领域应用。
今日数学研究聚焦于群论、图论、调和分析、几何与动力系统等多个领域，展现出从经典问题深化到跨学科方法创新的整体趋势。
今日计算机科学领域整体聚焦于AI与多模态技术的深度融合与创新应用，尤其在提升模型能力、解决现实问题及优化人机协作方面涌现出显著进展。
今日q-bio领域研究聚焦于跨尺度生物系统的计算建模与智能分析，核心趋势是利用数学、计算与AI方法，从分子、细胞到生态系统层面，解析复杂生物动力学、优化实验设计并提升医学诊断能力。
今日经济学研究聚焦于方法创新与政策评估的精准化，强调在复杂现实约束下寻求稳健解。核心趋势是利用新颖的计量工具与模型处理高维数据、网络干扰与行为偏差，以优化决策机制并量化政策影响。
今日天体物理领域聚焦于宇宙学、星系演化与观测技术的前沿进展，核心在于通过多信使数据与创新模型深化对宇宙结构、星系形成及引力本质的理解，并推动下一代观测手段的发展。
哈勃张力新解：局部空洞模型
研究提出观测者位于巨大局部空洞（如KBC空洞）的假设，通过引力诱导的流出效应放大局部退行尺度，从而在保持CMB预测的哈勃常数前提下解释低红移测量值偏高的问题，并关联到BAO距离异常，为宇宙学标准模型提供了一种可能的修正方向。
星系巡天高效建模：pop-cosmos生成模型应用
首次将贝叶斯生成模型pop-cosmos应用于KiDS-1000巡天的400万个星系，基于COSMOS2020校准的物理先验，通过GPU加速实现快速后验推断，获得了高精度的红移与恒星种群参数，为大规模巡天的精确宇宙学测量奠定了基础。
活动星系核新现象：潮汐撕裂事件后的准周期喷发
在潮汐撕裂事件遗迹中发现了独特的准周期喷发（QPEs），其上升阶段伴随短暂的冠状热耀斑，这为理解黑洞吸积过程、盘冕相互作用及极端环境下的辐射机制提供了新的观测窗口。
银河系X射线起源：低质量恒星主导热辐射
eROSITA观测揭示银河系0.7 keV软X射线背景主要来自低质量恒星（尤其是M型矮星），其分布与恒星质量相关且不对称，挑战了传统均匀热气体模型的解释，并对星系际介质密度给出了更强约束。
原初黑洞形成机制：双场暴胀中的功率谱增强
提出双场暴胀轨迹在低能标急剧转向可放大原初扰动，在功率谱中产生显著峰值，从而解释原初黑洞的生成并预言可探测的次级引力波，为早期宇宙物理提供了可检验的理论模型。
观测技术革新：量子计算框架用于VLBI数据处理
开发了基于量子算法的VLBI数据相关流程，通过振幅编码和量子傅里叶变换大幅降低计算复杂度，虽面临大数据编码挑战，但为未来超高分辨率射电观测开辟了新的计算路径。
2026-02-05 共 135 条抓取，按综合热度排序
本研究提出了一种新方法，将描述生长中自催化系统的n维常微分方程（ODE）网络，重新表述为一维延迟微分方程（DDE），以刻画其长期动力学。该方法通过追踪反应路径上的生物质转移，将网络的整体放大效应和转移延迟总结为DDE的核函数，该函数可作为自催化动力学的特征标识。这种降维的DDE公式化方案，使得不同拓扑结构和复杂度的反应网络得以比较，并为网络生长速率提供了严格的估计框架。
本研究提出了一种用于生物神经系统的概率建模框架。该框架将生理记录视为一个底层连续时间随机动力系统的离散时间部分观测，该系统通过其状态演化实现计算。我们采用具有可微漂移和扩散函数的耦合随机微分方程系统，并利用变分推断来推断其状态和参数。该框架允许无缝集成现有数学模型、神经网络或两者的混合体，以学习和比较不同模型。通过在三个涵盖不同物种、脑区和行为任务的神经科学数据集上进行评估，结果表明，与复杂的黑盒方法相比，这些混合模型在预测刺激诱发的神经和行为反应方面实现了有竞争力的性能，同时所需参数数量少一个数量级，并能提供不确定性估计和自然的解释语言。
本研究提出了一种两阶段生成模型，用于设计具有新颖化学组成的金属有机框架（MOFs）。该模型克服了现有方法依赖固定构建块和已知局部坐标的限制。第一阶段使用基于SMILES的自回归模型生成金属和有机构建块，并结合化学信息学工具进行3D结构初始化。第二阶段引入一种流匹配模型，预测构建块的平移、旋转和扭转角（$\theta_{\text{torsion}}$），从而将它们组装成有效的3D框架。实验表明，该方法在重构精度、生成有效、新颖且独特的MOFs方面表现优异，并具备创造新型构建块的能力。
高通量测序数据是生命科学的基础，并正成为P4（预测、预防、个性化、参与式）医学的一部分。目前，基因组数据处理依赖于高能耗的计算集群和数据中心，存在数据传输、能耗高和耗时长的痛点。本文介绍了BioPIM项目，该项目旨在利用新兴的内存内计算技术，通过协同设计适用于多种PIM架构的算法与数据结构，实现基因组学工作负载的高效、节能、低成本分析，从而摆脱对数据中心和云平台的依赖。
研究探索了人机混合模式识别高影响力科研问题的可行性。该方法分为三个阶段：首先利用AI大规模处理文献生成混合信息库；其次通过集成多个大语言模型提出候选问题池，并采用交叉模型投票机制进行初步筛选；最后通过多阶段过滤流程，逐步增加人类专家监督，对问题进行精炼。实验表明，AI在识别已确立的突破上与人类专家高度一致，但在预测前瞻性问题时存在较大分歧，凸显了人类判断在评估主观、前瞻性挑战中的关键作用。
本研究提出了一种视觉语言模型（VLM），能够自动编辑网页HTML以修复违反Web内容无障碍指南（WCAG2）的问题。该方法将任务定义为有监督的图像条件程序合成，模型根据HTML代码及其渲染图像学习修正。团队构建了包含人工修正样本的新数据集WebAccessVL，并进一步提出违规条件VLM，通过额外输入WCAG2违规数量来引导修正过程。实验表明，该方法能将每个网站的平均违规数从5.34降至0.44，性能优于Gemini、GPT-5等商业大语言模型API。感知研究证实，修正后的网站在保持原始视觉外观和内容方面表现良好。
本研究通过半结构化访谈和反思性主题分析，探讨了十名中国研究生对AI认知行为疗法聊天机器人（AI-CBT）的认知与使用体验。研究发现，学生对AI-CBT持谨慎开放态度：其感知有用性和全天候可及性支持积极态度，但数据隐私、情感安全及对复杂问题适配性的担忧限制了使用意愿。社会规范（如污名化和同伴看法）和感知控制（数字素养、语言质量）进一步影响采纳行为。研究为针对中国学生群体的AI心理健康工具提供了文化敏感的设计、传播和部署建议，并围绕透明度、安全措施和分级护理路径提出了具体设计启示。
本研究通过定量方法，调查了沙特阿拉伯公民在接触自动驾驶技术前后的态度变化。研究发现，信任、感知安全和便利性是影响公众接受度的关键因素，而年龄、性别、教育水平和驾驶习惯等人口统计学变量也会对接受度产生影响。研究结果为沙特“2030愿景”框架下的智慧交通政策制定和产业推广提供了实证依据。
本研究提出了PaperX框架，旨在解决将科学论文自动转化为多模态演示内容（如幻灯片、海报）的难题。传统方法将每种格式视为独立任务，导致处理冗余和语义不一致。PaperX的核心创新是引入“学者DAG”这一中间表示，将论文的逻辑结构与最终呈现语法解耦。通过应用自适应图遍历策略，该框架能从单一源论文生成多样且高质量的演示输出。综合评估表明，PaperX在内容保真度和美学质量上达到先进水平，同时相比专用单任务代理显著提升了成本效率。
本研究首次从特征学习的理论视角，分析了差分隐私随机梯度下降（DP-SGD）在长尾数据上的训练动态。研究发现，DP-SGD在长尾子群体上的测试误差显著高于整体数据集误差。理论分析表明，梯度裁剪和噪声注入的联合作用，会损害模型对信息丰富但样本稀少的代表性样本的记忆能力，从而解释了DP-SGD在长尾数据上泛化性能下降的现象。该结论在合成与真实数据集上得到了广泛实验验证。
本研究首次将测试时缩放（TTS）技术应用于音频语言模型（ALMs）的模糊情绪识别任务。通过系统评估8个前沿ALMs模型和5种TTS策略在三个主流语音情感数据集上的表现，深入分析了模型容量、TTS策略与情感模糊性之间的交互关系。研究为开发更鲁棒、上下文感知的语音AI系统奠定了基础，并揭示了弥合模型假设与真实世界复杂情感之间差距的关键方向。
本研究提出了一种用于13C核磁共振（NMR）的可逆深度学习模型，采用单一的条件可逆神经网络（cINN）统一了分子结构与光谱之间的双向映射。模型基于i-RevNet风格的双射块构建，其前向映射与逆映射在结构上天然可得。训练时，模型从基于图的结构编码预测128位分箱光谱代码，其余潜在维度捕获残差变异性。推理时，可逆同一训练网络，从光谱代码生成结构候选，显式表征了谱到结构推断的一对多性质。在过滤子集上，模型在训练样本上数值可逆，光谱代码预测优于随机基线，且在验证光谱上逆推时能产生粗略但有意义的分子结构信号。结果表明，可逆架构可在单一端到端模型内统一光谱预测与不确定性感知的候选结构生成。
本文提出了一种名为GOPO（Group Ordinal Policy Optimization）的新策略优化方法，旨在解决基于人类反馈的强化学习（RLHF）中奖励模型与策略优化目标不匹配的问题。传统方法依赖奖励的绝对值进行训练，而GOPO仅利用奖励的排序信息，舍弃其具体数值。在摘要、指令遵循等奖励难以验证的任务中，该方法相比现有技术（如GRPO）能带来更优的训练/验证奖励轨迹、在多数训练步骤中获得更好的LLM-as-judge评估结果，并能以更少的训练步骤达到同等质量的策略。实验表明该方法在不同任务和模型规模上均能带来一致改进。
本文首次系统性地综述了3D高斯泼溅（3DGS）资产的知识产权保护研究。3DGS已成为实时3D场景合成的主流表示方法，其商业价值与显式参数化结构引发了新兴的IP保护问题。文章提出了一个自下而上的分析框架，系统梳理了(i)基于高斯扰动的底层机制、(ii)被动与主动保护范式，以及(iii)生成式AI时代下的鲁棒性威胁，揭示了当前技术基础与鲁棒性表征方面的不足，并指出了深入研究的机遇。最后，文章围绕鲁棒性、效率与保护范式提出了六个未来研究方向。
本文提出TruKAN，一种改进的Kolmogorov-Arnold网络架构。它用k阶样条理论中的截断幂函数族替代原KAN的B样条基，在保持表达力的同时提升了精度与训练效率。每层TruKAN结合截断幂项与多项式项，并采用共享或独立节点配置，增强了模型可解释性。研究将TruKAN集成至EfficientNet-V2框架，在计算机视觉基准测试中对比了MLP、KAN、SineKAN等模型。结果表明，TruKAN在复杂视觉任务上实现了更高的精度、更优的计算效率与内存使用。
本研究提出了一种名为DiGAN的扩散引导注意力网络，用于解决阿尔茨海默病（AD）早期诊断中因脑结构变化细微且时间进程不规则带来的挑战。该方法将潜在扩散模型与注意力引导的卷积网络相结合：扩散模型能从有限的训练数据中合成逼真的纵向神经影像轨迹，丰富时间上下文并增强对不规则间隔临床访问的鲁棒性；注意力卷积层则能捕捉区分认知正常、轻度认知障碍及主观认知下降的判别性结构-时间模式。在合成数据和ADNI数据集上的实验表明，DiGAN在早期AD检测任务上优于现有先进基线方法。
本研究提出PriorProbe方法，基于“人参与的马尔可夫链蒙特卡洛”技术，从个体参与者中恢复精细的、个体特定的认知先验。在面部表情识别任务中，将恢复的先验与最先进的神经网络结合，显著提升了模型对个体在模糊刺激上分类决策的预测能力，性能优于单独使用神经网络或其他先验来源，同时保持了模型对真实标签的推断准确性。该方法为深度神经网络的个性化提供了一个通用且可解释的框架。
本研究提出了一种用于增材制造三维断层扫描体积中孔隙检测与临界性评估的可解释计算机视觉框架。该框架通过强度阈值分割与连通分量分析识别了500个孔隙，并提取了尺寸、长宽比、范围及距表面距离等几何特征。通过构建包含24,950个连接的孔隙交互网络，利用机器学习模型预测孔隙临界性。SHAP分析表明，归一化表面距离是预测临界性的主导因素，其重要性比其他所有描述符高出一个数量级以上，揭示了边界驱动的失效机制。该框架为增材制造工艺优化与质量控制提供了透明且可操作的见解。
本文针对语言引导的音视频分割任务，提出了无需真值标注的掩码质量评估新任务（MQA-RefAVS）。研究者构建了包含多种几何与语义错误模式的基准数据集MQ-RAVSBench，并开发了基于多模态大语言模型的评估器MQ-Auditor。该模型能联合推理视频、音频、文本及掩码信息，输出预测IoU、错误类型诊断及质量控制建议。实验表明，MQ-Auditor优于现有开源及商用MLLM，可集成至现有分割系统中，用于检测分割失败案例并支持下游性能提升。
本研究提出了一种基于视觉Transformer（ViT）基础模型的零样本动物图像聚类方法，无需人工标注即可将数千张未标记图像直接聚类至物种级别。通过系统评估5种ViT模型、5种降维技术与4种聚类算法的组合，在60个物种（30种哺乳动物、30种鸟类）数据集上验证了方法的有效性。结果显示，使用DINOv3嵌入结合t-SNE与监督层次聚类可实现近乎完美的物种级聚类（V-measure: 0.958），无监督方法也达到0.943的性能，仅需专家复核1.14%的异常图像。该方法还能通过有意过聚类可靠地识别种内变异，如年龄、性别二态性等生态学有意义模式。
该研究提出了NH-Fair基准，旨在标准化评估从视觉模型到大型视觉语言模型（LVLMs）的偏见缓解方法。研究发现：1）许多去偏方法在精心调优的经验风险最小化（ERM）基线面前并未表现出可靠优势；2）一种复合数据增强方法能持续提升公平性且不牺牲模型性能，是实用的策略；3）LVLMs虽平均准确率更高，但仍存在子群差异，且模型规模带来的增益通常小于架构或训练协议的选择。研究为公平性评估提供了可复现、考虑超参数调优的流程。
本研究开发了一种利用心电图（ECG）客观检测产前心理压力的深度学习方法。研究团队采用ResNet-34编码器，通过SimCLR对比学习在FELICITy 1队列（151名孕妇）的40,692个ECG片段上进行预训练，并利用多层特征提取进行二元分类和连续压力评分（PSS）预测，覆盖母体、胎儿和腹部ECG信号。模型在内部验证中表现优异（胎儿ECG准确率达99.8%，$R^2=0.95$），并在使用不同设备的FELICITy 2 RCT队列中进行外部验证（母体ECG准确率77.3%，AUC=0.826）。基于信号质量的通道选择策略使性能提升12%。该方法为替代主观问卷、实现连续客观的产前压力监测提供了新途径。
本研究提出GPCRLMD，一种用于高效模拟G蛋白偶联受体（GPCR）与配体复合物全原子动力学的深度生成框架。该方法首先通过谐波先验变分自编码器（HP-VAE）将复合物映射到受物理信息约束的规则化等距潜空间，以保持几何拓扑。随后，在潜空间内利用残差潜流采样演化轨迹，再解码回原子坐标。通过以初始结构为锚点的相对位移捕获时间动力学，该残差机制有效解耦了静态拓扑与动态涨落。实验表明，GPCRLMD在GPCR-配体动力学模拟中达到先进水平，能准确复现热力学观测量及关键的配体-受体相互作用。
本研究提出了一个梦境过程的认知与计算模型，旨在调和关于梦境功能的理论分歧。传统观点认为梦境内容源于随机信号，因此可能无重要功能。然而，该模型通过模拟表明，即使是由海马体自发激活的随机信号，也能在梦境睡眠中促进学习与记忆巩固。模型模拟了清醒时模式在睡眠中的神经重放过程，其特性与多项实证研究的结论一致，为“梦境是大脑清醒活动的延续”这一观点提供了计算依据。
本文综述了将强化学习范式引入演化博弈论的最新进展。传统模型多基于模仿学习，假设个体固定地复制成功邻居的策略，这常导致理论与行为实验的预测偏差。强化学习则假设个体通过试错与环境反馈进行内省式策略优化。综述表明，这一新范式为理解合作、公平、信任、资源协调及生态动力学等复杂社会与生态现象提供了一个统一且有前景的理论框架。
本研究构建了一个基于斑马鱼神经力学仿真的“透明”测试平台，以解决神经回路机制模型缺乏真实基准的验证难题。研究发现，基于大语言模型（LLM）的树搜索方法能够自主发现预测模型，其性能显著优于现有预测基线。研究指出，仅依赖感觉驱动信号不足以实现忠实的系统辨识，模型会利用统计捷径；而引入结构先验知识对于实现鲁棒的分布外泛化及恢复可解释的机制模型至关重要。该成果为真实神经记录建模提供了指导，并为AI驱动的科学发现提供了更广泛的模板。
本研究提出BrainVista，一个多模态自回归框架，旨在解决自然态fMRI研究中多模态输入与复杂皮层网络拓扑之间的时间尺度不匹配问题。该框架通过引入网络级标记器解耦系统特定动态，并利用空间混合头捕获网络间信息流。其核心创新在于提出刺激到大脑（S2B）掩蔽机制，以同步高频感官刺激与血流动力学滤波信号，实现严格的历史因果条件建模。在Algonauts 2025、CineBrain和HAD数据集上的验证表明，该模型在fMRI编码性能上达到最优，并在长时程推演中显著优于基线，模式相关性分别提升了36.0%和33.3%。
本研究对226篇关于岛屿生态系统服务与气候变化的同行评议文献进行结构化分析，发现仅30%的研究明确分析了不确定性，超过半数完全未涉及。不确定性评估主要依赖情景分析，概率与集合框架应用有限。文化服务和极端气候影响的不确定性整合程度最低，且少有研究将不确定性处理与政策决策框架关联。在生态阈值狭窄、海陆耦合强、缓冲空间有限的岛屿系统中，对不确定性的忽视会放大决策风险。研究为未来强化不确定性整合指出了具体方向。
本研究系统比较了泊松潜变量模型中两种梯度估计方法：指数到达时间模拟与Gumbel-SoftMax松弛。主要技术贡献是对EAT方法的改进，理论上保证了一阶矩的无偏性（精确匹配发放率），并减少了二阶矩偏差。在变分自编码器和部分可观测广义线性模型任务中，改进的EAT方法在分布保真度、梯度质量和超参数鲁棒性方面表现优异，性能常与精确梯度相当。
本研究提出了AtlasPatch，一个用于计算病理学工作流的高效、可扩展的全切片图像预处理框架。它解决了现有工具在组织检测上依赖不准确的启发式阈值，或采用基于AI但计算复杂度高的方法的问题。AtlasPatch的核心是基于约30,000张异质性、半手动标注的WSI缩略图数据集，对Segment-Anything模型进行高效微调，以训练其组织检测模块。该工具将组织掩码从缩略图外推至全分辨率切片，以提取用户指定放大倍率的图像块坐标，并可选择将图像块直接流式传输到常见图像编码器中进行嵌入或存储。评估表明，AtlasPatch在分割精度、计算复杂度和下游多实例学习任务中均达到最先进性能，同时计算成本仅为现有方法的一小部分。
本文提出GROOVE，一种针对高内涵扰动数据的半监督多模态表征学习方法。其核心创新是GroupCLIP损失函数，它弥合了用于配对数据的CLIP与用于单模态监督对比学习的SupCon之间的差距，专门解决弱配对场景下的对比学习问题。该方法结合了动态回译自编码器框架，以鼓励跨模态纠缠表征，同时在共享潜在空间中保持组级一致性。研究还引入了一个全面的组合评估框架，系统地评估不同最优传输对齐器下的表征学习效果。在模拟和两个真实单细胞遗传扰动数据集上的实验表明，GROOVE在下游跨模态匹配和插补任务中表现优异。
本研究提出S3-GFN模型，通过软正则化序列生成式流网络，结合大规模SMILES语料库学习到的化学先验知识，引导分子生成向高奖励、可合成的化学空间发展。模型采用基于可合成与不可合成样本缓冲区的对比学习信号进行离策略回放训练，实验表明S3-GFN能生成高可合成性（≥95%）且具有更高奖励的分子，解决了传统硬约束方法在灵活性与可扩展性上的不足。
本文提出了一种名为MILCCI的新型数据驱动方法，用于分析大规模重复测量（试验）产生的时间序列数据。该方法能够识别数据背后的可解释成分，捕捉跨试验的变异性，并整合试验的元数据标签信息（如任务难度、动物选择等类别），以区分每个类别标签对数据的具体贡献。MILCCI扩展了稀疏的逐试验分解框架，利用每个类别内的标签相似性，对成分构成进行细微的、标签驱动的跨试验调整，并学习每个成分随时间演化的时间轨迹。其性能在合成数据及投票模式、在线页面浏览趋势和神经元记录等真实世界数据中得到验证。
本研究通过修改经典的Wright-Fisher模型，探讨了种群规模变化和短期环境波动如何影响植物种子库（种子休眠）的演化。模型区分了仅产生非休眠种子的野生型个体和产生休眠种子的突变型个体。分析表明，在种群规模下降时，种子库策略更易被选择；而在种群规模恒定或增长时则相反。令人惊讶的是，即使种群规模变化非常缓慢（在进化时间尺度上），这一结论依然成立。数学上，该分析将问题简化为一个受强漂移作用而被限制在流形上的随机动力系统，并通过Lyapunov-Schmidt约化方法，推导出极限扩散系数的显式公式，为具有强漂移和非线性约束的模型提供了一个推导扩散近似的通用框架。
本研究通过将公共物品博弈与复杂网络上的流行病模型耦合，揭示了异质性在集体免疫形成中的双重作用。研究发现，社交网络的结构异质性（如枢纽节点）能促进合作并抑制疾病传播，因为高度连接的节点出于自身风险考虑会采取保护策略。相反，个体感染成本的异质性则会破坏合作、放大疫情，形成“最薄弱环节”问题。研究指出，异质性的影响取决于它创造的是影响力不对称（杠杆点）还是动机不对称（薄弱环节），为干预政策提供了新思路。
本研究提出了蛋白质自回归建模（PAR），这是首个通过从粗到细的下一尺度预测来生成蛋白质骨架的多尺度自回归框架。PAR利用蛋白质的层次化特性，像雕刻雕像一样生成结构，先形成粗略拓扑，再跨尺度细化结构细节。该框架包含三个核心组件：多尺度下采样操作、编码多尺度信息的自回归Transformer，以及基于流的、以条件嵌入为指导的骨架原子解码器。研究通过引入噪声上下文学习和计划采样，有效缓解了自回归模型中因训练与生成过程不匹配导致的暴露偏差问题，显著提升了生成质量。值得注意的是，PAR展现出强大的零样本泛化能力，支持灵活的人为提示条件生成和基序支架搭建，无需微调。在无条件生成基准测试中，PAR能有效学习蛋白质分布，生成具有高设计质量的骨架，并展现出良好的扩展性。
本文研究了群论与图论交叉领域中的完美码问题。在群G的凯莱图中，若子群H能构成一个完美码（即H中顶点互不相邻，且图中每个不在H中的顶点都恰好与H中一个顶点相邻），则称H为G的子群完美码。作者对对称群S_n中的循环2-子群完美码进行了完整分类，详细分析了其结构与性质，并将讨论扩展到S_n中包括交换与非交换情形在内的各类子群码，提供了大量示例以佐证结论。
本文研究了在速率和计算约束下的战略高斯语义压缩问题。编码器和解码器优化不同的二次目标，解码器通过最小均方误差估计进行最优响应，从而将编码器问题简化为信息速率约束下的后验协方差设计。作者刻画了直接、远程和全信息三种机制下的战略率失真函数，推导了语义注水与速率约束高斯说服的解决方案，并证明了在目标错配下的高斯最优性。进一步研究表明，架构计算限制充当了隐式速率约束，使得语义精度随模型深度和推理时间计算量呈指数级提升，而多模态观测则消除了远程编码固有的几何平均惩罚。这些结果为数据与能源高效的人工智能提供了信息论基础，并为现代多模态语言模型在资源约束下作为后验设计机制提供了原理性解释。
本文系统综述了调和分析与偏微分方程研究中各类函数空间的构造方法，将经典结果与最新进展统一于一个共同概念框架：这些函数空间可视为相空间上简单函数空间通过波包分解投影的收缩。核心观点是，研究特定PDE时选择适当的函数空间等价于选择相关的波包分解。文章提供了实用选择指南，并展示了包括薛定谔算子 $\Delta - V$（其中 $V \geq 0$）在内的新构造示例。
本文推广了Eldan的随机定位方法，将高斯正则化替换为任意正整数的对数拉普拉斯变换正则化，从而适用于非欧几何下的采样问题。该框架与优化中的镜像下降算法相呼应，并给出了在目标分布满足功能庞加莱不等式时，所诱导马尔可夫链的混合时间上界。应用方面，该研究改进了在$\ell_p$范数（$p \in [1, 2)$）下差分隐私凸优化的零阶模型中的查询复杂度，达到了当前最优水平。
本文系统梳理了黎曼猜想自提出以来165年的研究历程，涵盖从经典解析方法到现代几何、物理方法的各类理论，并讨论了其多种等价形式。论文的核心原创贡献是撰写了一封“致黎曼的信”，仅使用黎曼时代的数学工具，通过优化一个二次型（现代语言中即Weil二次型的限制），获得了黎曼ζ函数零点的惊人近似值。仅使用小于13的素数，该优化程序对前50个零点的近似精度范围从$2.6 \times 10^{-55}$到$10^{-3}$，并证明了这些近似值精确位于临界线上。文章随后用现代术语解释了背后的数学，揭示了Weil二次型与信息论世界的深刻联系，并基于迹公式发展了几何视角，为未来研究勾勒了潜在证明路径。
本研究提出了一种基于Julia语言的高性能三维重力建模与反演框架，解决了地球物理建模中的计算复杂性、不适定性和非唯一性等关键挑战。该框架采用数据空间反演公式，降低了问题维度，在保持精度的同时显著减少了内存需求并提升了计算效率。其核心创新在于实现了后端无关的核抽象，允许同一代码库在CPU和GPU上执行。性能分析表明，在处理涉及约330万个矩形棱柱的大规模数据集时，GPU加速带来了显著的运行时缩减。框架通过数据空间公式和深度加权灵敏度引入隐式模型约束，缓解了深度相关的振幅衰减，生成了地质一致的高分辨率地下密度模型。合成模型验证和实地数据应用均证实了其准确重建复杂地下结构（如垂直和倾斜岩脉）的能力及实用性。
本研究针对一维冷等离子体方程，探讨了电子-离子碰撞在相对论与非相对论情形下的影响。理论表明，当碰撞系数ν为常数时，柯西问题的解可能失去光滑性；若ν对电子密度N的依赖超过线性，则解对任意初值保持全局光滑。然而，ν(N)的引入会导致系统类型改变，丧失双曲性，引发计算困难。本文提出了一种新的欧拉变量隐式解法，克服了上述困难，适用于相对论与非相对论情形，并在阈值情况ν(N)=ν₁+ν₀N下进行了测试，数值实验与现有理论结果完全一致。
本研究探讨了非完整系统动力学中变分算子与时间导数交换关系的有效性。在完整系统中，这是一个几何恒等式，但在处理速度相关约束时变得复杂。通过分析转置规则，我们定义了切塔耶夫变分与约束总变分之间的形式关系。研究表明，同时满足运动学容许变分和切塔耶夫条件的要求，通常与标准交换规则不相容，除非满足一个特定的几何条件——该条件通过斜对称代数结构和约束的拉格朗日导数来编码。此外，工作将分析扩展到具有多重约束的系统，引入了动态补偿的概念。结果表明，即使单个约束本质上是不可积的，它们的相互作用也可以抵消对完整性的偏离，从而保持全局一致性。
本研究突破了传统宇宙射线回溯模拟中采用大气锐边界近似的局限，系统分析了两种终止粒子传播的真实物理过程：基于Bethe-Bloch公式的能量损失机制，以及基于Glauber-Gribov形式的总截面硬散射相互作用。研究发现，低刚度（质子约低于0.57 GV）时前者主导，高刚度时后者主导。研究引入了相对刚度偏移Δℛ/ℛ和硬散射事件期望数⟨N⟩两个无量纲变量作为判据，并利用US Standard Atmosphere 1976模型，揭示终止高度依赖关系可近似因子化为exp(−0.14h/km)。计算表明，对于质子，简化的锐边界高度至少应为50 km（对应Δℛ/ℛ+⟨N⟩≲1），而对于铁等重核，该高度还需增加15 km以上。
美国天文学会教育委员会下属的本科与研究生教育分委员会（SURGE）对78所授予天文学/天体物理学本科学位的机构进行了调查，覆盖了每年约1000名专业学生。调查发现，目前学术界对于该专业本科生应掌握的知识与能力缺乏共识，这削弱了学位证书对雇主和研究生院的可信度与可解释性。报告提出了9项关键发现和10项建议，旨在推动社区就课程要求与学习目标展开更广泛的讨论。
本研究提出了一种拓扑保持的离散化方法，用于精确耦合不可压缩流体与薄壁可变形结构。该方法通过基于拉格朗日流体粒子生成裁剪Voronoi图，并应用缝合算法，保证了流体域在障碍物周围的路径连通性，从而从根本上防止了流体泄漏。几何离散化自然地贴合任意薄的结构，使得流体-固体界面处的边界条件能够被精确施加。通过在贴合网格上离散压力投影方程，该方法能在界面处为流体施加速度边界条件，同时将压力直接作用于固体边界，实现了相间的锐利双向耦合。该方法允许流体在流体域内连续路径存在的地方流动，同时防止其穿透固体。
本研究分析了在接近或超过施温格极限（约 $4 \times 10^{13}$ 高斯）的超强磁场中，超相对论电子-正电子等离子体的本征模式。研究发现，磁场和等离子体相对论温度的共同作用显著降低了等离子体频率截止点，导致相对论性和磁场诱导的透明效应。此外，电磁波的折射率表现出与温度无关的修正，其行为与冷QED等离子体中的观测一致。这些发现对理解磁星、中子星等天体物理现象以及激光-等离子体实验具有重要意义。
本研究提出一个基于网络的框架，用于分析议会动态。通过分析意大利议会（2018-2021）超过400万次投票记录，结合网络模块度、投票距离和中介中心性等方法，揭示了集体决策的结构。研究发现，系统层面的极化程度（由网络模块度 $Q$ 衡量）与联盟结构而非规模相关。技术性政府虽然获得更广泛的形式支持，但全球极化程度反而更低，反映了结构上混合的投票模式。在移民等极化议题上，网络极化程度强烈依赖于反对派的碎片化或凝聚力。中介性分析显示，仅有约2%的议员充当社区间的结构性桥梁。该框架仅依赖公开的唱名表决数据，为立法投票网络的比较分析和联盟监测提供了可量化的基础设施。
超指向性天线通过强耦合电流、近场能量存储和可控模态干涉，使电小尺寸结构实现高方向性辐射，无需扩大物理孔径。本文综述了两种主要实现路径：一是基于谐振紧密耦合阵列，包括全驱动阵列和基于寄生或电抗加载单元的单链设计；二是基于单一体辐射器，通过馈电激发目标多极子或谐振/特征模式混合，如对称性破缺介质谐振器和电磁混合设计。研究强调，随着超指向性增强，辐射电阻降低、阻抗快速变化、可用带宽变窄以及对微小扰动敏感等问题随之出现。除了几何合成和多谐振堆叠，新兴手段如低损耗材料、低温操作以及时变加载匹配（Floquet/参数化方法）可在特定系统背景下改善这些权衡，但会增加控制复杂性和频谱转换。
本研究为线性单模一维损耗波导系统建立了统一的质能框架，提出能量与功率流变量 $(\mathcal{U},\mathcal{S})$ 满足普适不变量 $\mathcal{U}^2-\mathcal{S}^2=|\Gamma_g|^2$，其中有效驻波“质量” $|\Gamma_g|$ 在非对称下呈状态依赖。该框架通过Cai-Smith图直观映射稳定性与反馈邻近度，明确区分了最大吸收与有用功率传输。研究推导了四条吸收与发射定律，在光学多端口系统中通过奇异值分解准则验证了例外点处的相干完美吸收，并将电化学极化映射到同一几何框架，揭示了跨pH值的普适存储-转移转变。
本研究提出了一种基于零空间几何相位的纯几何方案，在光子芯片上实现了大规模相干光的均分。该方法利用由零本征值简并态张成的零空间，其演化映射到由特殊正交群SO(N)描述的实空间旋转，从而通过调控系统参数实现对光分布的精确、可扩展控制。实验在玻璃基光子芯片的波导阵列上实现了一对九的光均分，该框架可扩展至一对N的光分布，为集成相干光源提供了一个通用且可扩展的平台。
本研究详细介绍了在哈佛大学一门本科生天文学导论课程中，全面整合生成式人工智能（GAI）的实践经验。课程将GAI应用于教学Python笔记本、部分作业、学生报告准备，并使其作为“参与者”（结合基于RAG技术编码的教科书）进入课程Slack频道。作业被分为“鼓励使用GAI”和“不鼓励使用GAI”两类，同时通过禁止电子设备的期中与期末考试来激励学生掌握核心知识。课程评估显示，学生满意度与未使用GAI的往年课程相比并未下降。
本研究探讨了在有限光学超晶格中引入谐波约束对局域态产生的影响。系统揭示了三种不同的局域化机制：在中等约束频率下，拓扑非平庸构型中的四个最低本征态形成一个有效的四能级系统；高约束频率下，系统进入谐波势主导区域，所有低能带态呈现经典配对与局域化；低约束频率下则讨论了拓扑边缘态的命运。研究结合精确对角化和紧束缚近似方法，为光学超晶格的实验实现及不同局域机制的观测区分提供了理论依据。
本研究验证了UGA-SSMRPT2方法在计算电子激发能方面的优异性能。该方法是MkMRCC理论的微扰版本，以其尺寸广延性和无入侵态问题著称。结果表明，对于常见的$\pi \to \pi^*$、$n \to \pi^*$、电荷转移、价层-里德堡和里德堡激发态，其预测精度接近化学精度（0.20 eV以内），常优于NEVPT2、CASPT2等主流方法，且所需活性空间更小。其态特定公式避免了入侵态问题，也无需像CASPT2那样依赖IPEA位移等经验参数，为处理复杂激发态提供了一个稳健、可扩展的计算框架。
本研究通过一个资本预定的短期结构模型，量化了将正式工作时间上限从每周44小时降至36小时的即时影响。核心指标是维持基准GDP水平所需的全要素生产率提升幅度（A_req），即政策下产出与基准产出相等时需对生产率施加的乘数因子。基准模拟显示，44小时向36小时的转变意味着A_req约为8.5%。
本文研究了一个双边平台上的动态匹配问题，其中供给方（如司机、卖家）具有长期耐心并承担等待成本，而需求方（如乘客、买家）则缺乏耐心，若不及时匹配便会离开。模型假设高质量（H型）和低质量（L型）的供需双方随机到达，匹配收益具有超模性。研究发现，在集中式最优策略下，平台会采用阈值规则，保留高质量供给以等待未来的高质量需求。在去中心化系统中，通过适当调整匹配收益的分配比例，可以使自私的个体决策与集中式最优结果完全一致。研究还比较了不同耐心程度（双方均有耐心、仅一方有耐心、双方均无耐心）下的社会福利，发现在去中心化系统中，社会福利的排序取决于收益分配规则和等待成本，赋予耐心可能提升也可能降低整体福利。
本研究探讨了超市零售业中，将临期生鲜食品的折扣销售纳入未来需求预测的常见做法。通过对一家欧洲大型零售商超过1700种商品、676家门店的数据进行两步回归分析，研究发现，当发生折扣销售时，大多数商品的预测需求会低于实际需求。这种“剩余提升效应”与降价销售的数量显著相关。研究结果强调了需要更精确的方法来整合折扣销售数据，以避免库存积压及由此产生的经济和环境浪费。
本研究提出了DeXposure-FM，这是首个用于度量和预测去中心化金融（DeFi）网络中协议间信用敞口的时序图基础模型。该模型采用图-表格编码器架构，在包含超过4300个协议、24300多种代币、4370万条数据的DeXposure数据集上进行训练，能够联合预测协议层面的资金流以及信用敞口网络的拓扑结构与权重。实证验证表明，其性能优于现有的图基础模型和时序图神经网络。该模型进一步支持宏观审慎监控和基于场景的DeFi压力测试，可生成协议级系统重要性评分和部门级溢出与集中度度量。
本研究将限制平均损失时间（RMTL）方法扩展应用于医疗保险优势计划（Medicare Advantage）的支付政策评估。针对私人保险公司可能存在的“过度编码”（upcoding）行为——即夸大患者诊断以获取更高政府支付，研究提出了几种新颖的估计量来量化编码强度与可能的欺诈。通过利用美国国立卫生研究院“全民研究计划”数据进行模拟，并开发开源R包生成带标签的模拟数据，该方法为在存在竞争风险和不可靠报告的现实场景下进行稳健的生存分析提供了工具。据估计，此类欺诈行为在2025年可能使联邦政府损失高达400亿美元。
本文验证了“因果消息传递”方法在估计网络干扰下的总处理效应时的有效性。该方法不依赖网络拓扑结构，而是利用结果数据中的时序变化来推断溢出效应。研究将其应用于两个大规模实地实验，并与需要网络知识的二分图方法进行对比。结果表明，在无法获取交互网络的情况下，因果消息传递得到的效应估计在方向和统计显著性上与网络感知方法基本一致。这为网络数据难以获取、不完整或不可靠的实际场景提供了一种有效的替代方案。
本研究在选民众多、候选人规模更大的标准公正文化模型中，探讨委员会选举问题。通过概率方法、对偶论证和舍入技术，揭示了两种集体优势概念（α-获胜集和α-支配集）的尖锐阈值现象。研究发现，α-获胜集存在阈值 α*_win = 1 - 1/k，而更强的α-支配集阈值则为 α*_dom = 1/2 - 1/(2k)。当α超过相应阈值时，相应规模的委员会几乎不可能存在。该结果改进了此前所有k≥2情况下的已知界限。
本研究构建了一个包含同伴效应的离散选择模型，探讨了同伴如何同时影响个体的偏好和考虑集。研究证明了在特定条件下，可以从选择序列中非参数地识别出网络中的连接类型、个体偏好及考虑机制，且无需依赖外生协变量或菜单变化。应用该模型分析茶饮连锁店扩张决策，发现了有限考虑的证据，并通过反事实模拟表明，有限考虑会减缓市场渗透与竞争速度。
本文研究了无货币转移的多物品再分配问题，其中代理人初始拥有多个不可分割物品，并对物品组合有严格偏好（例如公司员工的班次交换）。研究聚焦于仅需个体物品排序信息的边际规则，在词典序和响应式偏好域上，对广义顶级交易循环规则进行了公理化刻画。在词典序域上，TTC可由平衡性、个体物品效率、最差禀赋下界以及截断策略证明性或放弃策略证明性来刻画。在响应式域上，TTC是唯一满足个体物品效率、截断策略证明性以及最差禀赋下界或个人理性的边际规则。在Shapley-Scarf住房市场中，TTC可由帕累托效率、个人理性和截断策略证明性刻画。此外，在条件词典序域上，增强的顶级交易循环规则由平衡性、帕累托效率、最差禀赋下界和放弃策略证明性刻画。该域是帕累托效率与个体物品效率重合的最大域。
本研究探讨了分配多种异质物品的高效机制设计，目标是最大化“剩余盈余”（分配产生的总价值减去筛选成本）。研究发现一个稳健趋势：随着商品种类的增加，不进行筛选的机制（如按外生优先顺序的序列独裁）往往表现更优。研究通过分析一个程式化环境中渐近高效的机制来探究原因，并应用自动化机制设计方法进行数值模拟，在一般环境中验证了这一趋势。基于此，研究者提出了“注册-邀请-预约”系统，作为应对大流行病的疫苗接种高效调度方案。
本研究提出一个理论框架，证明个体在决策时的响应时间数据能够揭示传统方法难以观测的经济相关潜变量，如支付意愿、偏好强度、产品质量或主观幸福感。该框架统一并扩展了现有文献，并通过实证应用展示了其广泛价值：包括显示性偏好分析、识别最优助推策略、检验收入边际幸福感递减假说以及预测处理效应异质性。研究表明，响应时间可作为补充传统选择数据的重要信息源，为行为经济学和实证研究提供新工具。
本文首次为线性回归中遗漏变量敏感性评估方法建立了公理化比较框架。作者提出，敏感性参数的选择应基于其协变量抽样分布，并定义了参数一致性和单调性两个核心性质。研究证明，文献中最流行的方法既不满足一致性也不满足单调性，而几种替代方法则同时满足这两个性质。该框架为选择稳健的敏感性分析方法提供了客观、形式化的标准。
本研究针对固定预算下的最优臂识别问题，提出了一种两阶段自适应实验策略。第一阶段为均匀采样的试点阶段，用于剔除明显次优臂并估计方差。第二阶段前，通过求解一个高斯极小极大博弈，得到最优采样比例与决策规则，并据此分配样本。采样结束后，依据决策规则推荐最优臂。理论证明，该单一策略在简单遗憾准则下，同时达到了渐近的极小极大最优与贝叶斯最优，其上界与下界（包括常数项）完全吻合。
本文提出了一种结合张量与非张量预测因子的扩散指数预测框架，核心在于通过CP张量因子模型保留数据结构。当非张量预测因子较少时，研究证明了最小二乘估计的渐近性质，并推导了考虑潜在因子估计不确定性的预测区间解析公式。同时，提出了一种对横截面依赖稳健的高维协方差矩阵阈值估计方法。当非张量预测因子维度较高时，引入了多源因子增强稀疏回归模型，并证明了相应惩罚估计的一致性。模拟与对美国贸易流的实证应用均验证了该方法优于现有主流方法。
本文探讨了哈勃常数在局部低红移（$z < 0.15$）测量与基于宇宙微波背景（CMB）的$\Lambda$CDM模型预测值之间存在显著不一致的问题。作者提出，如果观测者（如银河系）位于一个巨大的局部空洞（如KBC空洞）内，引力诱导的流出和红移效应会放大局部推断的退行尺度$cz'$，从而在保持$H_0 = H_0^{\mathrm{CMB}}$的前提下解释观测到的哈勃张力。该模型还能自然地关联到低红移处观测到的重子声学振荡（BAO）距离异常（$\alpha_{\mathrm{iso}} < 1$），并预测在$z \gtrsim 0.2$时膨胀率会迅速收敛到与CMB一致的预期值。未来可通过更精确的局部密度场测绘、运动Sunyaev-Zel'dovich效应、快速射电暴及红移漂移测量等进行检验。
研究首次将贝叶斯生成模型pop-cosmos应用于宽视场弱引力透镜巡天KiDS-1000，对400万个星系进行了光谱能量分布拟合。模型基于COSMOS2020数据校准，在恒星种群合成参数空间构建了物理驱动的先验分布。利用GPU加速的MCMC采样，以每星系6.5秒的速度完成了全后验推断，获得了星系红移与物理性质的联合约束。验证显示，其光测红移与DESI光谱样本相比偏差低（$3\times10^{-3}$）、散射小（$\sigma_{\mathrm{MAD}}=0.04$）、离群值少（3.7%）。研究还识别出标准颜色选择无法发现的$z \simeq 0.4$处的大质量、尘埃、恒星形成污染源，并推断出与已知标度关系一致的恒星质量、恒星形成率等趋势。该方法为基于物理性质定义弱透镜样本、减轻系统误差提供了可扩展的解决方案。
研究团队在五年前的潮汐撕裂事件eRASSt J234402.9-352640的星系核中，发现了复杂的耀斑活动。通过爱因斯坦探针和XMM-牛顿望远镜的观测，他们探测到高度结构化的软X射线变异性。对光变曲线进行时间分解和时间分辨光谱分析后，识别出每约12小时重复一次、持续约2小时的宽热耀斑，符合准周期喷发（QPEs）特征。值得注意的是，这些QPEs伴随着前所未有的冠状热耀斑，每个持续5至30分钟，温度更高，主要出现在QPEs的上升阶段。这些发现将J2344确立为新的QPE发射体，并揭示了挑战现有QPE模型的新现象。
通过分析SRG/eROSITA对银河系西半球X射线背景的观测数据，研究发现低质量恒星（主要是M型矮星及F、G、K型恒星）贡献了大部分0.7 keV（约800万度）的X射线辐射。该辐射强度与银河系恒星质量分布高度相关，且相对于银道面呈不对称分布，可能与太阳位于银道面上方及附近恒星形成区的不对称分布有关。研究还约束了假设存在的均匀热超维里大气在10 kpc处的电子密度上限为$n_e<4\times10^{-4}~\text{cm}^{-3}$。这一发现有助于完善星系周介质模型，增进对热重子流和星系演化的理解。
研究提出了一种在双场暴胀模型中增强原初功率谱的直观机制。当暴胀轨迹在低能标处经历急剧转向时，穿越哈勃视界的涨落可被放大数个量级，从而在标量功率谱中产生一个显著的峰。该峰可导致显著的原初黑洞丰度和次级引力波信号，为相关宇宙学观测提供了理论模型基础。
本文介绍了GASV，一款基于Python的新型软件包，专门用于分析甚长基线干涉测量（VLBI）数据。该软件设计注重易安装和用户友好性，支持流水线和交互式两种处理模式。GASV处理标准格式（如HOPS输出和NGS卡文件）的VLBI基线延迟和速率数据，以估算关键的大地测量和天体测量参数，包括测站坐标、地球定向参数、源坐标、钟参数和大气模型。评估表明，GASV对IVS INT、Regular和CONT观测的参数估计精度，与BKG和USNO的VLBI分析中心相当。作为一款先进工具，GASV不仅能进行高质量的单次观测数据处理，还支持对长期SINEX文件的全球分析，生成具有可靠精度的天球参考架和地球参考架解。
为实现2035-2040年发射太阳引力透镜（SGL）任务，以在20年内抵达距日650 AU的观测点，研究对比了三种推进方案。太阳帆方案需在极近太阳（0.05 AU）处展开，要求帆面面密度低至$\sigma_{\rm tot} \simeq 2.3~\mathrm{g\,m^{-2}}$，技术挑战巨大。核电动推进（NEP）方案在典型比质量$\alpha_{\rm tot}=10$-$20~\mathrm{kg\,kW_e^{-1}}$下需27-33年，难以实现20年目标。混合方案（如结合奥伯特效应）在提供初始速度$v_0\gtrsim 50$-70 km/s后，有望在20年内抵达，是更可行的技术路径。研究指出，相关系统级演示需在2030年代初完成。
本研究提出了一种用于甚长基线干涉测量（VLBI）数据相关的量子计算框架。通过振幅编码，可将长度为N的经典基带时间序列数据嵌入到仅需log₂N个量子比特的叠加态中。核心的VLBI相关与条纹拟合操作（如条纹旋转、傅里叶变换、延迟补偿和互相关）均可通过量子算法实现，显著降低了计算复杂度。研究构建了完整的量子处理流程，并通过与经典流程的直接对比验证了其可行性与准确性。尽管大数据量的振幅编码仍是主要瓶颈，但VLBI原始数据的量化特性有助于降低量子态制备的复杂度。该工作表明，量子计算为VLBI数据处理提供了极具前景的新范式。
本研究针对传统希贾字母教学中重复记忆导致的低参与度问题，设计并实现了一套基于游戏化的创新学习系统。该系统采用ADDIE框架开发，集成Unity 2D与Firebase技术，融合积分、徽章、排行榜等游戏元素，并包含视觉动画、标准发音音频及互动描摹练习。实证评估显示，50名小学生的平均测试分数从42.8提升至88.6（提升107%，p < 0.001），效应量极大（Cohen's d = 4.87），同时用户参与度高（日均4.2次会话），动机评分达4.82/5。该方法不仅提升了认知技能，还培养了毅力与责任感等内在价值。
本研究开发了一套基于裸眼3D显示的虚拟课堂系统，通过呈现具有不同行为（如点头、记笔记、打瞌睡）的3D学生角色来模拟课堂共在感。实验对比了仅呈现积极行为与混合呈现积极/消极行为两种条件，通过分析学习者的姿势和记笔记行为发现，混合行为场景更能帮助维持学习专注力。这为提升点播式在线讲座的教学效果提供了新策略。
计算可重复性是科学研究的基石，但实践中仍面临激励不足、技术门槛高及期刊标准不一等障碍。本文首先综述了可重复性对作者和期刊的益处，并基于在多家期刊进行可重复性核查的实践经验，提出了简洁、跨学科的实用操作指南。文章进一步分析了当前期刊政策的巨大差异，并为此提出了一个统一的多层级可重复性标准框架概念，旨在支持跨期刊和研究社区的透明、一致评估，以降低实践门槛，推动可重复性研究的广泛采纳。
本研究通过分析美国土木工程师学会1999-2025年间近15万篇论文摘要，首次对LLM在土木与环境工程（CEE）学术写作中的使用及其影响进行了大规模数据驱动评估。研究采用基于词汇频率偏移的方法，估计2024年和2025年发表的摘要中分别有15%和26%可能由LLM生成。分析发现，自2023年起，摘要的词汇选择、句式结构、标点使用及语气均出现系统性偏移，LLM生成的文本倾向于使用更多样化的词汇、更复杂的句法、更少的被动语态和不确定性修饰语，使行文更显分段化、复杂化和断言化。
本文提出了首个专为动态点云序列理解设计的MLLM模型4DPC^2hat，解决了现有方法主要关注静态对象、缺乏大规模跨模态数据集的局限。核心贡献包括：1）构建了大规模跨模态数据集4DPC^2hat-200K，包含超过44K动态序列和200K问答对；2）设计了Mamba增强的时间推理MLLM，以捕捉点云序列中的长程依赖和动态模式；3）提出了一种失败感知的自举学习策略，通过迭代识别模型缺陷并生成针对性监督来持续增强推理能力。实验表明，该模型在动作理解和时间推理方面显著优于现有模型。
本研究提出了一种名为GPAIR的超快三维光声迭代重建方法，解决了传统迭代重建算法在三维成像中耗时过长（可达数小时）的瓶颈。该方法的核心创新在于使用连续各向同性高斯核替代传统空间网格，并推导了压力波的解析闭式表达式。通过结合强大的GPU加速可微分Triton算子，GPAIR在包含840万个体素的动物实验数据上，实现了亚秒级的超快重建速度，比传统方法快数个数量级。这一突破使大规模三维光声成像接近实时化，有力推动了该技术向临床应用的转化。
本研究借鉴认知与教育科学中的任务-方法-知识（TMK）框架，提出了一种新的提示方法，以解决大语言模型在复杂规划任务中的推理缺陷。通过在PlanBench基准的Blocksworld领域进行测试，TMK提示法使模型在原本失败的不透明符号任务（准确率31.5%）上取得了高达97.3%的准确率。结果表明，TMK不仅能提供上下文，更能引导模型从默认的语言模式转向形式化的代码执行路径，有效弥合语义近似与符号操作之间的鸿沟。
本研究结合集总参数模型，通过引入尺寸依赖的室间隔缺损分流阻力与年龄依赖的体肺循环缩放关系，模拟了不同大小室间隔缺损（VSD）在儿童成长过程中的血流动力学变化。研究揭示了VSD尺寸、血管参数与年龄三因素对心内分流、心室负荷及循环压力的综合影响，为构建儿科VSD数字孪生模型、实现个性化医疗管理奠定了理论基础。
针对全球数百万罕见孟德尔病患儿面临的诊断困境，本研究提出了RareCollab智能诊断框架。该系统将稳定的定量诊断引擎与基于大语言模型的专家模块相结合，整合基因组、转录组测序数据和临床表型信息，对潜在致病变异进行优先级排序。在未确诊疾病网络患者的严格基准测试中，RareCollab实现了77%的前5位诊断准确率，相比广泛使用的变异优先级排序方法提升了约20%。该框架展示了模块化人工智能如何利用多模态证据实现准确、可扩展的罕见病诊断。
本文研究了不含鱼图$H(4,3)$且边数为奇数的图的谱半径极值问题。在排除已知极值图——书图$K_2 \vee \frac{m-1}{2}K_1$后，作者对$m \geq 58$的奇数$m$，确定了此类图谱半径的尖锐上界，并刻画了达到该上界的唯一极值图。该结果推广了先前关于$H(4,3)$-free图谱半径上界$\lambda(G) \leq \frac{1+\sqrt{4m-3}}{2}$的工作。
本文研究了图的强边着色问题，要求距离不超过2的边颜色不同。针对Ore度（一条边两端点度数之和的最大值）为7或8的稀疏图，作者运用放电法和霍尔婚姻定理，改进了色数上界。主要成果：对于Ore度为7且最大平均度小于$\frac{34}{11}$的图，强边色数$\chi_s'(G) \le 13$；对于Ore度为8且最大平均度小于$\frac{113}{31}$的图，$\chi_s'(G) \le 20$。前者将先前的最佳平均度界从$\frac{40}{13}$提升至$\frac{34}{11}$。
本文在图论中引入了Hyers-Ulam型稳定性概念，针对单调图、次可加图和凸图进行研究。通过将标准定义推广到近似意义下，证明了对于满足近似条件的图，存在一个具有相同顶点集和边集的图，其精确满足理想的结构性质。研究结果表明，两个图之间的权重差异仅依赖于初始近似误差，且不会显著变化，为图结构在扰动下的稳定性提供了理论保证。
本研究针对半无限均匀介质在原点受脉冲激励的力学响应问题，在Kelvin-Voigt模型框架下提出了新颖的积分形式解。该方法避免了传统需要通过复平面数值积分进行拉普拉斯逆变换的计算过程，为δ脉冲和阶跃脉冲激励提供了更简洁、计算效率更高的表达式。所得结果还能推导出响应函数$r(x,t)$在$x,t \to 0,\infty$时的渐进公式，对地震学等应用领域具有实用价值。
传统度量空间在处理具有重复值的数据系统（如交易数据库、传感器日志）时，会忽略值的频率信息，导致相似性判断失真。本文提出一种定义在多重集上、取值于多实数系统的多度量空间，为将频率信息纳入距离计算提供了理论框架。通过一个频率敏感的重复检测示例，证明了该方法相比传统基于度量的方法具有更高的准确性。
本文研究了与树图度序列相关的贪婪树$\mathcal{T}_\mathscr{D}$的拓扑指数极值问题。通过比较所有$n$阶树$\mathcal{T}_n$、毛毛虫树和贪婪树三类树族中图不变量$\sigma$的最小值，证明了毛毛虫树无法在所有树中达到$\sigma$的最小值，而贪婪树的$\sigma$值不小于全局最小值。同时发现存在既非毛毛虫也非贪婪的树，其$\sigma$值严格介于全局最小值与毛毛虫树最小值之间，揭示了这两类常见树结构在极值问题中的结构局限性。
本文综述了关于曲线上自然定义丛稳定性的最新研究进展。这些丛在曲线的形变理论中扮演核心角色，其稳定性分析对于理解代数几何中的模空间结构和几何不变量具有重要意义。研究聚焦于通过代数几何方法探讨这些丛的几何性质及其在形变理论中的应用。
本文提出了一种在具有余齐性一结构的黎曼流形之间构造等变调和映射的方法。调和映射是黎曼几何与数学物理中的核心研究对象，可视为测地线在高维的推广。该工作通过利用流形的对称性（余齐性一），将复杂的偏微分方程系统简化为常微分方程问题，从而系统地构建出这类重要的几何对象。
本文在特征p>0的优等、等维局部环(R, m)中，研究了参数理想q的Hilbert-Samuel重数e(q)与其Frobenius闭包q^F的商环长度之差e(q) - ℓ_R(R/q^F)不依赖于q选择的局部条件。除了理想论等价条件外，作者利用导出范畴给出了一个部分刻画。该工作受Schenzel关于Buchsbaum性质的经典判别法以及Ma-Quy在紧致闭包情形下类似结果的启发，为Frobenius闭包理论建立了新的联系。
本文针对闭光滑流形上的非奇异体积保持流，建立了一个新的全局截面存在性判据。核心条件是：存在一个黎曼度量，使得流生成的向量场满足特定范数不等式（具体为 $\lVert \delta_g (i_X \Omega) \rVert_g < 1$ 或等价地 $\lVert dX^\flat \rVert_g < 1$）。满足此条件时，流必存在全局截面，且可构造新度量使典则形式 $i_X \Omega$ 成为余闭（即上同调）形式。
本文研究了在 $d\geq2$ 维空间中的波映射方程和 $d\geq3$ 维空间中的幂次非线性波动方程的有限时间奇点形成的外部稳定性。针对奇点 $\mathcal{C}=\{t+r=0\}$ 的后向光锥上的特征初值，以及外行光锥上的合适数据，作者证明了在区域 $\{t+r\in(0,v_1),t-r\in(-1,0)\}$ 内解的存在性，即一直延伸到柯西视界。证明的关键在于对初值正则性的一系列特定假设，并依赖于坐标变换和 [KK25] 中的散射结果，该结果适用于尺度临界势。对于波映射方程，证明目前限于共旋转对称类，但文中也概述了如何推广此限制。
本文回顾了匹配理论在图论发展中的核心地位。从早期作为图论的主要动机，到W. T. Tutte在1947年的里程碑工作《线性图的因式分解》将图论通过匹配问题牢固嵌入经典数学（特别是线性代数和多项式理论）体系，匹配问题持续推动新工具的发展。文章追溯了该领域的一条发展脉络，最终提出一项新贡献，解决了开放挑战并扩展了已知结果。
本文提出了一种针对机组组合问题的新型计算算法，无需线性化近似，性能较现有最优方法提升数个数量级。该算法通过引入一个专门针对UC问题的启发式方法实现性能突破，可利用现有连续优化求解器实现，并能适应不同应用场景。研究在现有工具无法处理的规模下，通过高级UC分析案例展示了新方法的价值，其处理能力对于应对数据中心等波动性大负荷及大量小型发电单元（包括大量表后发电）构成的新兴电力系统挑战至关重要。
本研究利用等变极小极大理论，在单位四维球面 $\mathbb{S}^4$ 中构造了一个嵌入的非赤道极小超球面，为陈省身的球面伯恩斯坦问题提供了新的解答。该方法基于作者发展的 $G$-等变极小极大理论，其中 $G$ 是作用在具有三维轨道空间的闭黎曼流形上的紧李群。该结果证实了 Pitts-Rubinstein 于 1986 年的一个断言，并同时证明了 $G$-等变 Plateau 问题与 $G$-等变同痕面积极小化问题解的正则性。
本文研究了无限维向量空间$V$上Clifford代数$\mathrm{Cl}(V,f)$的Bogolyubov自同构。给定特征不为$2$的域上的非退化二次型$f$，任何$V$的正交线性变换均可延拓为$\mathrm{Cl}(V,f)$的Bogolyubov自同构。作者获得了此类自同构为内自同构的充要条件，深化了对无限维Clifford代数自同构结构的理解。
本研究推广了经典的一维热粘弹性动力学模型，考虑了粘度和弹性刚度随温度变化的特性。在特定增长条件和初始数据假设下，研究发现了温度变量在 $L^\infty$ 范数意义下会发生有限时间爆破现象，即温度在有限时间内趋于无穷大，这为理解材料内部热点的形成机制提供了新的理论依据。
本文研究了一个描述非等温环境下粘性声波传播的拟线性模型，该模型耦合了位移方程 $u_{tt} = (\gamma(\Theta) u_{xt})_x + a (\gamma(\Theta) u_x)_x$ 与温度方程 $\Theta_t = D\Theta_{xx} + \gamma(\Theta) u_{xt}^2$。研究证明，当弹性系数 $\gamma(\Theta)$ 满足特定凸性条件 $D\cdot (\gamma+D) \cdot \gamma'' + 2\gamma \gamma'^2 \le 0$ 时，对于所有充分正则的初值，该问题存在全局经典解。这补充了已有文献中关于 $\gamma$ 增长过快可能导致有限时间爆破的结论。此外，若参数满足 $a|\Omega|^2 \le \frac{\pi^2 \gamma(0)}{1+\sqrt{1+\frac{\gamma(0)}{D}}}$，则所有解在长时间极限下会稳定趋于某个空间均匀的平衡态。
本文研究了一维热粘弹性标准线性固体中声波传播产热的简化模型：$u_{ttt} + \alpha u_{tt} = (\gamma(\Theta) u_{xt})_x + ( \widehat{\gamma}(\Theta) u_x)_x$，$\Theta_t = D \Theta_{xx} + \Gamma(\Theta) u_{xt}^2$。在$D>0$、$\alpha\ge 0$及系数光滑正定条件下，作者证明了该模型在Neumann边值问题中局部强解的存在唯一性，为热-力学耦合系统的分析提供了严格数学框架。
本研究为理解高分辨率核磁共振（NMR）谱的对称性提供了全面的理论框架。论文分析了谱图呈现镜像对称（回文性）的条件，并揭示了其产生的两种不同机制：一是哈密顿矩阵在广义正则基下的直接几何双对称性（常见于$A_nB_n$或$A_nX_n$等平衡系统）；二是更根本的、由自旋系统内部对称性诱导的、在参数交换下的拓扑等谱性（相似性），该机制在矩阵本身缺乏几何对称性时（如$AA'BB'$系统）依然适用。
2024年5月的极端太阳活动引发了自2003年以来最强的地磁暴，对地球磁层产生了显著影响。国际空间站上的量热电子望远镜（CALET）的观测数据显示，此次事件在辐射带中创造了一个新的、持续数月的相对论电子存储环。该存储环能量范围延伸至多MeV级，并深入至L=2.2（低于通常的“槽区”屏障L=2.8）。研究通过分析CALET电荷探测器和成像量热器的计数率，量化了这一新辐射带结构随时间和能量的演化与衰减速率。
本研究为新兴的概率计算范式寻找硬件基础单元（概率比特或p-bit），类比于晶体管在数字计算中的角色。通过基于莫尔斯理论和奇点理论的拓扑框架，作者发现所有光滑、偶对称的双势阱势能在鞍点附近均可约化为标准的四次方形式。在此区域内，噪声、突触偏置和势能曲率的相互作用产生了一种拓扑鲁棒的短时演化，其特征是类tanh响应。这使得系统能够进行类似于玻尔兹曼分布的采样，且该行为在很大程度上独立于势能的具体形状，仅依赖于其有效温度标度。分析推导和多个代表性系统的数值模拟均证实了这一普适行为。该工作为评估和设计一大类物理平台（包括振荡器、双稳态锁存器和磁性器件）作为在同步框架下进行随机采样和概率计算的p-bit提供了统一的理论基础。
本研究利用43年的WAVEWATCH III模拟数据，开发了一个全球机器学习参数化模型，用于预测海浪破碎引起的空气夹带速度（Va）。模型采用多层感知机，输入七个物理相关的预测因子（风速、波高、波龄、波陡、方向和水深），能够高精度地再现谱参考Va。该模型显著改善了传统经验公式的偏差，特别是在涌浪主导的低纬度地区（传统高估）和风暴路径区域（传统低估）。全球应用表明，该模型将气泡介导的CO₂传输速度和海盐气溶胶排放的预测误差降低了一个数量级，并通过独立观测数据验证了其在深水区的稳健性能。
本研究通过泊松-能斯特-普朗克（PNP）方程这一基于第一性原理的方法，重新评估了经典电化学教材中用于分析电化学电池内离子传输的“平衡表”方法。通过重新计算教材中的示例，作者指出平衡表方法仅在有限场景下有效，而PNP方程提供了更符合物理本质的分析路径，有助于更准确地理解复杂电化学系统中的离子浓度与通量分布。
本研究利用X射线自由电子激光脉冲诱导库仑爆炸成像技术，成功区分了三种化学式同为C7H8的复杂烃类异构体：甲苯、环庚三烯和1,6-庚二炔。通过测量碎片离子的动量分布，研究揭示了不同异构体之间可辨别的差异，并提供了分子中特定碳和氢位点的特征信号。与以往工作不同，本研究证明，在解释动量空间数据时，构建有意义的分子参考系并不严格依赖于特定的“标记原子”。这项工作为追踪纯烃类分子在异构化反应中的超快核运动铺平了道路。
本研究首次将交换空穴偶极矩（XDM）色散校正模型及其多体色散（MBD）变体在全面的GMTKN55数据库上进行基准测试。研究引入并实现了一种新的XDM变体，该变体采用基于原子序数（Z）的单参数阻尼函数，替代了传统的基于原子半径的双参数Becke-Johnson阻尼。使用新的WTMAD-4度量进行离群值分析，评估了多种泛函（包括广义梯度近似、全局杂化和范围分离杂化）与Z阻尼XDM配对的性能。结果表明，revPBE0和B86bPBE0杂化泛函与Z阻尼XDM配对，在分子和分子晶体固态基准测试中均表现出优异的精度和一致性。
本研究采用相机在环校准技术，对远场全息术装置中的纯相位空间光调制器进行校准。记录的强度分布与计算结果高度一致，表明了对主要像差的精确校准和充分建模。工作深入探讨了所建模的像差，并分析了在校准中纳入或排除这些像差对图像质量和衍射效率的改善或损失。研究进一步展示了像差对散斑抑制全息图的影响，并评估了散斑对比度。
本研究重新审视了超音速运动的带电空间碎片激发离子声前驱孤子的过程，引入了两个先前被忽略的物理因素：碎片的动态充电过程及其表面的不可渗透性。通过改进的一维流体-泊松模型，将源电荷作为动态变量与核心等离子体方程自洽求解，发现动态充电并不阻碍孤子的产生与演化。进一步的二维流体模拟表明，将碎片建模为无限大不可渗透壁会切断上下游等离子体区域，无法形成孤子；而将其建模为有限尺寸物体，允许等离子体绕流，则能恢复上下游连通性并自然产生前驱孤子。
本研究提出了一种角度依赖的剂量变换算法（ADoTA），用于加速质子笔形束扫描治疗的3D剂量计算。该方法通过引入快速解析的束斑形状投影来显式编码束流方向，避免了传统深度学习方法所需的计算密集型网格重插值。模型在108名患者的CT数据上训练，并在50名患者的独立队列中测试。结果显示，单束斑推理时间仅需1.72±0.8 ms，端到端3D剂量计算时间比现有最快方法减少约86%，同时保持了与蒙特卡洛方法相当的精度（γ通过率高达99.87%）。
本文基于动态异质面板交互效应分析的最新进展，对产出收敛的实证基础进行了批判性检验。研究发现，假设平行趋势和同质动态的流行工具（如Barro跨国回归和双向固定效应估计量）会严重低估收敛速度并导致误导性推断。相反，Chudik和Pesaran（2015a）提出的动态共同相关效应估计量能提供一致估计和有效推断，对非平行趋势和相关异质性具有稳健性，即使在潜在技术因子存在断点、趋势和/或单位根时也适用。文章还提出了一种估计增长缓慢变动决定因素效应的方法。理论发现辅以宾大世界表数据的实证证据，发现跨国人均产出收敛的证据很少，跨国增长收敛的证据非常缓慢，而国家内部收敛则相对较快。资本积累是跨国产出差异最重要的单一决定因素，而冲突潜力和产权保护等缓慢变动指标被证明是人均产出稳态水平的统计显著决定因素。
本研究探讨了个体认知偏差与集体选择机制的交互作用。在投票者拥有内在偏好排序但采用批准投票制的情境下，引入锚定偏差：备选方案由社会规划者按顺序呈现，投票者仅当方案可接受且优于之前所有方案时才会批准。研究首先分析了哪些批准投票规则具有锚定免疫性，即无论呈现顺序如何总能选出相同获胜者，发现该要求极为苛刻，仅极少数规则满足。其次，研究发现当规划者不了解投票者偏好时，无法操纵结果。
本文提出了一个由代理人工智能（AI）进行选择的模型，其关键特征是AI在推荐选择前可能误读菜单。一个单一的非循环性条件保证了存在单调的解释和严格的偏好关系，能共同合理化AI的推荐。由于该偏好通常不唯一，无法保证其与决策者的偏好对齐。验证此类AI对齐的关键在于满足双重单调性的解释。双重单调性确保了完全可识别性和内部一致性。然而，还需要额外的幂等性属性来保证推荐是完全理性的，并保持在原始可行集内。
本研究提出一个集成框架，将时间折现经济分析与线性回归相结合，以评估制造业企业的财务绩效与控制系统效率。研究首先构建了一个理论折现模型，利用复利函数将不同时间点发生的成本与收益转换为现值，可处理一次性支出、时间比例成本及系统开发调试中的复杂成本结构。随后，采用线性回归作为近似方法，实证评估了多决策准则如何影响折现后的经济绩效，为传统依赖确定性折现的方法提供了更全面的补充。
本文通过荷兰赌论证，探讨了模型设定错误时贝叶斯学习者的脆弱性。研究发现，即使使用错误似然函数，只要严格遵循贝叶斯规则更新信念，代理人就不会被确定性地荷兰赌（即所有状态下都必然亏损）。然而，要完全避免期望亏损的荷兰赌，代理人必须同时满足：使用词典序先验、遵循贝叶斯规则，并且知晓真实的数据生成过程。研究将金融工具设计和蒙提霍尔问题中的行为解释为从错误设定群体中提取确定期望收益的荷兰赌。
本文研究了偏好对齐但使用简单语言进行多维廉价沟通的模型。专家通过一个评分函数将多维状态汇总为一维信息传递给决策者。研究发现，即使双方利益一致，简单语言的使用也会引入战略摩擦，导致均衡收益可能低于承诺使用特定评分规则时的收益。在二次损失效用下，任何均衡评分函数必须是状态的线性函数或是离散的。对于正态分布的状态，研究刻画了均衡线性评分函数的集合，并证明该集合仅包含事前最优和最差的线性评分函数。
本研究利用阿塔卡马宇宙学望远镜（ACT）第六次数据发布的SZ星系团样本，对早期宇宙的局域型原初非高斯性参数 $f_{\rm NL}$ 给出了新的观测约束。通过精确建模1201个星系团在10347平方度天区内的红移和质量分布，并考虑巡天完备性、SZ信号内禀弥散以及弱引力透镜校准的质量偏差，团队使用Log–Edgeworth晕质量函数计算理论丰度。在ΛCDM框架及合理外部先验下，得到 $f_{\rm NL} = 55 \pm 125$（68%置信水平），与高斯初始条件一致。该结果探测了共动尺度 $5$–$10~{\rm Mpc}~h^{-1}$，弥补了CMB双谱和尺度相关偏置测量无法触及的小尺度空白。
本研究开发了一种基于深度学习的模拟器，用于预测高红移（z~5-6）宇宙再电离过程中电离光子的平均自由程（MFP）。该模型利用多层感知机神经网络，在小型高分辨率宇宙学辐射流体动力学模拟数据上训练，能够根据再电离红移、光致电离率、波长和密度等参数预测MFP，中值相对误差仅为1.6%。应用该模拟器分析观测数据发现，宇宙再电离过程可能结束较晚，在$z \lesssim 6$时仍存在显著中性氢成分，再电离中点约为$z_{\rm re} = 6.8\pm 1.2$。该方法为解释MFP测量提供了高效且收敛的替代方案，避免了传统幂律假设的局限性。
本研究开发了pop-cosmos正向建模框架，以解决第四阶段星系巡天（如KiDS）中红移分布推断的精度瓶颈。该方法结合了基于COSMOS2020数据校准的星系演化生成模型，以及从模拟数据中机器学习得到的噪声与选择效应模型。通过直接合成光测数据并应用KiDS的分层划分，研究在五个红移层中推导了红移分布，无需依赖传统的光谱重加权法。与半解析模型shark的对比显示，在部分红移层存在Δz∼0.05–0.1的系统差异，其量级与光谱校准方法的不确定度相当。该工作为第四阶段巡天提供了独立于光谱校准、避免选择偏差的交叉验证途径。
本研究通过尺度无关的层级碎裂模型，探讨了气体云核碎裂如何共同塑造恒星初始质量函数（IMF）与恒星多重性。研究发现，从W43-MM2&MM3区域观测到的顶部较重的云核质量函数出发，至少需要四级层级碎裂才能产生IMF的转折峰。模型表明，更重的云核产生的碎片更少且质量传递效率更低，这有助于形成普遍的IMF（如Salpeter幂律）。然而，仅靠层级碎裂无法完全解释观测到的恒星多重性，作者提出碎裂过程可能包含质量依赖（建立Salpeter斜率）和质量无关（设定转折）两个不同阶段。
本研究对洛斯阿拉莫斯国家实验室开发的X射线暴中子星大气辐射传输计算模型进行了验证。通过基准测试，模型输出的光谱颜色修正因子与早期研究及理论预期高度一致。研究揭示了模型通过一系列迭代精化的、时间无关的大气快照，逐步收敛至正确的爆发态大气状态的计算机制。分析表明，偏离纯黑体谱的现象源于与频率相关的不透明度源，而康普顿散射在光子能量再分布中起关键作用。
本研究通过密度泛函理论计算，揭示了乙醇与氟、氯在气相中可发生无势垒的氢原子提取反应，生成的乙醇自由基随后与氢原子反应，部分路径可生成乙醛。将这一新反应纳入人马座B2(N)恒星形成区的天体化学模型后，发现在热核条件下该反应效率较高，能在气相乙醇丰度较高时期适度提升乙醛的丰度。研究还预测乙醇自由基CH3CHOH在星际介质中可能具有可探测的丰度。这为星际复杂有机分子中醇类与醛类之间的“自上而下”气相化学联系提供了新证据。
本研究测量了T300、T700、HS40、M55J和IMA等多种碳纤维增强聚合物（CFRP）在100 mK至20 K极低温范围内的热导率。研究人员采用新开发的分析方法，对不同纤维排布和密度的样品进行了系统测量，揭示了各材料在此温度区间的热传输行为，并与已有研究进行了对比。该工作为航天器及低温系统的轻量化热管理设计提供了关键数据。
本研究将超过7400幅哈勃太空望远镜WFC3/UVIS相机在2009至2022年间拍摄的图像与盖亚DR3星表对齐，系统分析了其几何畸变线性项（平移、旋转、缩放和倾斜）的时间演化。研究发现，缩放和倾斜项随时间变化较小（13年小于0.2像素），但受高达±0.3像素的固有散射主导。同时观测到缩放项存在明显的滤光片依赖性偏移，F275W与F814W图像在所有时期均存在最大0.3像素的差异。旋转偏移在2017年中之前稳定（0.003±0.004度），之后偏移增大至0.01度且散射显著。研究建议高精度天体测量用户使用DrizzlePac工具的tweakreg程序，根据匹配源数量选择4参数或6参数拟合来重新对齐图像，以校正这些线性项演化带来的影响。
本研究利用蒙特卡洛模拟代码McFACTS，首次系统预测了活动星系核（AGN）吸积盘中双黑洞合并事件产生的电磁对应体（如喷流和激波）的辐射光度。研究发现，在稠密的Sirko-Goodman型AGN盘中，迁移陷阱能有效驱动分级黑洞合并，产生高质量、高自旋的合并残余黑洞，从而在不同合并世代中产生可观测的电磁信号。此外，对于啁啾质量大于约40倍太阳质量且在足够稠密盘中的合并，若吸积盘寿命足够长且黑洞初始质量函数呈顶部较重分布，则极有可能产生可观测的电磁对应体。这项工作为利用LIGO-Virgo-KAGRA引力波探测与ZTF、LSST等时域巡天进行实时多信使天文学研究提供了关键的统计预测模型。
研究通过半解析模型模拟了围绕超大质量黑洞的核星团内恒星级黑洞的动力学演化。模型考虑了黑洞与恒星的直接碰撞以及引力波捕获过程。研究发现，当初始黑洞质量分布上限较高时，可形成质量约500太阳质量的中等质量黑洞，其中大部分最终会沉降至星团中心并与超大质量黑洞合并。此外，黑洞-恒星碰撞会使黑洞自旋分布更均匀。合并率主要取决于初始质量分布上限，每星系年约10^{-10}至10^{-9}次，而原初双星的存在可使第二代及以上合并事件数量增加一个量级。
本研究通过高分辨率流体动力学模拟，量化了银河系中心棒状结构引起的非圆周运动对运动学距离（KD）方法测量气体分布的偏差影响。研究发现，在棒状结构主导区域（R∼0.5–3 kpc），传统的轴对称KD反演会系统性地产生各向异性、象限依赖的误差，包括弧状过密度和视线拉长的低密度空洞，导致径向混合效应并掩盖真实的“棒状间隙”。距离误差可达1–2 kpc，相对误差达数十%，主要出现在几何敏感度$S \equiv \left|\partial d/\partial V_{\rm LOS}^{\rm circ}\right|$较大的区域。
本研究利用哈勃与韦伯空间望远镜，对840个光谱证认的高红移莱曼α发射体（LAEs，$z=2\sim7$）进行分析。JWST的高分辨率图像显示，近半数星系呈现多组分结构。在248个具有多个相对独立组分的样本中，通过测光红移估算发现，仅68%的组分是真实关联的“真实组分”，其红移与星系光谱红移一致，其余多为前景天体。真实组分的比例随投影距离增大而快速下降（从$0\farcs2-0\farcs4$处的约80%降至$0\farcs8-1\farcs0$处的约30%）。研究指出，以往基于地面望远镜、采用2角秒孔径测光的研究可能因前景污染而高估了关键参数（如恒星质量）。
本研究结合重子声波振荡（BAO）的角直径距离测量与基于哈勃参数H(z)的非参数高斯过程重建的光度距离，对宇宙曲率Ω_{k0}和宇宙距离对偶关系（CDDR）进行了联合检验。通过系统比较2D BAO、3D BAO和DESI 3D BAO等不同数据集，并采用四种η(z)参数化方案，研究发现：所有数据均未发现CDDR被破坏的证据（η(z)在99%置信水平下与1一致）；宇宙曲率的最佳拟合值虽轻微偏向非平坦宇宙，但平坦宇宙在95%置信水平下仍兼容。不同BAO数据集间的差异未引入显著偏差，为宇宙几何和基本距离关系的有效性提供了稳健约束。
观测发现，银河系中的超暗弱矮星系（UFD）的速度弥散度显著偏离了描述大质量星系的重子-塔利-费舍尔关系（BTFR）。本研究提出，采用变修正牛顿力学（VMOND）模型可以解释这一观测偏差。该模型通过引入一个与加速度尺度相关的可变函数来修正牛顿动力学，为理解极低质量星系中引力与可见物质分布之间的不一致性提供了新的理论框架。
本研究利用CHASE卫星的观测数据和Bifrost数值模拟，系统分析了太阳光球层Fe I 6569 Å谱线的临边偏移效应。通过对比光谱平均法（方法1）和速度平均法（方法2）两种独立方法，发现当空间分辨率低于1角秒时，方法2得出的临边偏移曲线与传统结果及方法1的结果存在显著偏差。进一步分析揭示，方法1的结果由两个独立成分构成：速度与谱线深度相关性导致的对比度贡献，以及密度不均匀性和波纹效应导致的Dopplergram贡献。该研究为精确校准太阳对流蓝移提供了新见解。