• 综述：能量饮料的叙事性综述：从实时能量提升到长期健康衰退

  本文系统综述了能量饮料（EDs）的双重角色，既作为可短时提升认知与运动表现的兴奋性饮品，又是导致多系统长期健康风险的催化剂。文章详细剖析了其主要成分（咖啡因、牛磺酸、糖、B族维生素、瓜拉纳等）的药理协同作用，揭示了其短期收益背后所隐藏的神经精神、心血管、代谢（如胰岛素抵抗、肝肾功能损伤）及口腔骨骼等多方面的急慢性危害。同时，文章也批判性地评估了当前监管漏洞，并指出了与酒精共饮的巨大风险，强调了对其进行长期安全评估和更严格监管的迫切公共卫生需求。

  来源：Cogent Food & Agriculture

  时间：2026-03-01

• 精神分裂症患者脑脊液与外周血中突触相关基因的差异性DNA甲基化研究 中文标题

  精神分裂症（SZ）的“双重打击”假说指出，表观遗传改变在疾病发生中起重要作用。本研究旨在探讨精神分裂症患者脑脊液（CSF）与血液中关键突触靶点分子（DAT、DRD2、MAPT、PSD95）的DNA甲基化模式差异。研究人员优化了脑脊液中微量游离DNA的提取方案，发现PSD95在患者脑脊液中的甲基化水平高于外周血，这可能支持SZ的谷氨酸假说；而DAT在患者中的低甲基化状态可能与多巴胺能亢进假说相关。该研究为理解精神分裂症的表观遗传病理机制提供了新的视角。

  来源：Schizophrenia

  时间：2026-03-01

• 用于向量数据分类的稀疏分布式表示的参数化方法

  本研究通过参数化分析稀疏分布式表示（SDR）在向量符号架构（VSA）中的应用，探讨了维度与密度的优化策略，比较了Sparse Block Codes（SBC）、Sparse Binary Distributed Representations（SBDR）与密集HRR的模型性能，在121个UCI数据集验证了稀疏方法在能效和存储效率上的优势，同时达到与密集方法相当的分类准确率。

  来源：Neurocomputing

  时间：2026-03-01

• 傅里叶神经算子作为二维和三维瑞利-贝纳德对流现象的数据驱动替代模型

  本文提出基于Fourier Neural Operator（FNO）的模型，用于近似二维和三维Rayleigh-Bénard对流系统的离散时间流图。实验表明FNO在预测准确性和稳定性上优于LRAN，并与U-Net表现相当，同时具备零样本超分辨率能力，物理预测结果更接近真实数据。

  来源：Neurocomputing

  时间：2026-03-01

• 针对大规模高光谱图像（HSI）的高效超像素引导的全局-局部光谱聚类方法

  高光谱图像聚类方法中，传统谱聚类计算复杂度高，本文提出ESGLGC模型，通过超像素分割（ERS算法）降低维度，构建全局图（图卷积子空间学习）和局部多层图，融合后提升聚类精度与效率。

  来源：Neurocomputing

  时间：2026-03-01

• 综述：细胞动力学的生成模型：从神经常微分方程到流动匹配

  单细胞动态建模中神经常微分方程的应用及挑战，通过Flow Matching方法解决噪声稀疏性问题，结合生成模型优化细胞状态转移模拟，探讨数学特性与群体动力学分析。

  来源：Communications Biology

  时间：2026-03-01

• 中国香港地区首发精神病成年患者抗NMDA受体抗体阳性率的横断面研究

  针对抗NMDA受体抗体（anti-NMDA receptor antibodies）在首发精神病（first-episode psychosis）患者中的流行情况缺乏亚洲人群数据的现状，来自中国香港的研究团队开展了一项横断面研究，旨在调查其在香港以华人为主体的首发精神病成年患者（n=109）中的流行率。研究结果显示，该人群整体抗体阳性率较低（1.8%），且在原发性精神病障碍（primary psychotic disorders）患者中为0%，提示了抗NMDA受体自身免疫性脑炎相关的精神病表现可能存在种族差异，为未来的研究和临床鉴别诊断提供了重要参考。

  来源：Schizophrenia

  时间：2026-03-01

• 基于保形预测的多传感器融合分类：建模p值依赖性的新型后融合策略

  这篇研究论文（非综述）提出了一种基于保形预测（Conformal Prediction, CP）的多传感器分类后融合方法，称为保形后融合（CLF）。与需要假设各传感器p值独立性的传统方法不同，该方法能够学习并考虑p值之间的依赖性，从而在不牺牲覆盖保证的前提下，产生更小、更高效的预测集合，适用于自动驾驶、医疗诊断等高不确定性场景。

  来源：Neurocomputing

  时间：2026-03-01

• 在传输速率限制下，非智能传感器的数据传输策略

  最优数据包丢失持续时间（PLD）的非智能传感器传输策略研究，通过建立估计误差协方差动态模型和马尔可夫链描述传输率约束，推导出无需本地计算的最优阈值表达式，并验证其在机器人系统中的有效性。

  来源：Neurocomputing

  时间：2026-03-01

• 基于历史可靠性的双重对比哈希算法，用于在标签存在噪声的情况下实现鲁棒的跨模态检索

  跨模态哈希在噪声标签和模态差距共存时通过历史损失引导的标签可靠性估计和双对比学习模块提升检索鲁棒性，实验验证其优于现有方法。

  来源：Neurocomputing

  时间：2026-03-01

• 针对妄想的情绪导向认知行为疗法(CBTd-E)：一项聚焦情感调节与适应不良图式的随机对照试验

  为解决对妄想的心理干预如何增效，研究者评估了聚焦情感调节与适应不良图式的情绪导向认知行为疗法(CBTd-E)的疗效。这项在德国三家门诊开展的单盲随机对照试验显示，CBTd-E虽未在主要结局（PSYRATSdelusions）上显效，但改善了总体精神病理学、认知重评、担忧、睡眠质量和自尊，为通过个性化模块干预增强对妄想的效果提供了新思路。

  来源：Schizophrenia

  时间：2026-03-01

• 基于元认知物理知识的神经网络用于参数估计

  针对低信噪比扩散加权数据及缺乏真实标签的挑战，提出元认知物理信息神经网络MC-PINN。该模型通过迭代自反馈训练策略，利用合成数据增强监督学习，同时保持物理先验约束，在MR-Linac数据验证中实现鲁棒参数估计。

  来源：Pattern Recognition

  时间：2026-03-01

• DARTS-AM：通过归因强度来强化可微分神经架构的选择过程

  通过理论分析和积分梯度方法，提出归因幅度（AM）和尺度不变变换（SIAT），解决DARTS操作重要性评估问题，提升超网络架构搜索效率。

  来源：Neurocomputing

  时间：2026-03-01

• ViSP：一种基于PPO框架的多模态讽刺生成系统，采用对比学习技术

  多模态讽刺生成研究提出M2SaG数据集与ViSP框架，融合PPO强化学习与对比学习提升生成质量，实验显示其优于文本模型、VLM及LLMs，Sarcasm Score达0.898，事实不匹配度0.768。

  来源：Neurocomputing

  时间：2026-03-01

• 基于神经网络的视频编码中，具有压缩伪影检测能力的增量学习方法

  压缩感知的增量学习与神经参考帧合成研究。通过构建多级压缩数据集并采用恒定量化参数差距的增量学习策略，有效缓解了传统神经视频编码模型训练中的压缩不均衡问题，显著提升了VVC框架下参考帧生成的编码效率，在低延迟和高随机访问配置中分别实现4.64%-12.31%的B-j metric速率下降。

  来源：Neurocomputing

  时间：2026-03-01

• 语言引导推理的视觉-语言模型（VLMs）捕获人类物体识别行为的语境敏感性

  本研究旨在探究人工智能模型如何模拟人类视觉中依赖场景语境识别物体的能力。研究人员通过结合人类行为实验与计算建模，将目标物体嵌入室内场景，并操控语境相干性。结果显示，视觉-语言模型（VLMs），特别是采用视觉Transformer（ViT）架构并使用语言引导（如零样本分类）进行推理的模型，其行为最接近人类，能够利用全局场景结构。这揭示了富含语义的结构化表征以及推理时对表征的访问方式，对于实现语境敏感性至关重要，为零样本推理作为评估人工与生物视觉对齐度的新度量标准提供了依据。

  来源：Array

  时间：2026-03-01

• 基于个体化网络拓扑与面积评估的功能网络比较分析（FUNCATA）揭示非情感性精神病早期功能连接异常及其临床分型

  本研究针对精神分裂症等非情感性精神病早期研究中，传统分析方法难以捕捉个体大脑功能组织差异的问题，研究人员开展了基于个体化功能网络面积与拓扑评估（FUNCATA）的复制性研究。结果发现，与健康对照相比，患者组的背侧注意网络（DAN）和默认模式网络（DMN）显著扩大，而感觉运动躯体网络（SBN）减小。网络拓扑异常与症状、认知功能及抗精神病药物暴露相关，并可聚类出三个具有不同临床特征的生物型。这为精神病的早期检测和干预策略提供了潜在的生物标志物。

  来源：Schizophrenia

  时间：2026-03-01

• 情境不一致性会选择性调节情绪和奖励敏感性

  情绪与奖励决策的上下文一致性对行为策略和神经机制的影响研究。通过两种修改的Iowa赌博任务实验结合EEG技术，探讨上下文一致性与不一致性如何调节情绪-奖励处理及决策行为。研究发现，上下文不一致时情绪敏感性降低但奖励敏感性保持，支持双过程理论，并揭示FRN和P300在神经层面的动态变化。

  来源：Neuropsychologia

  时间：2026-03-01

• CIFE-FSOD：通过联合提取通用特征和实例特定特征实现少样本目标检测

  少样本目标检测方法提出基于特征分离与课程学习的训练范式，通过Memory模块动态筛选高质量特征并构建持久记忆库，结合Meticulous模块增强实例特征感知，有效提升模型在PASCAL VOC和COCO数据集上的检测精度，平均AP50达39.6。

  来源：Neurocomputing

  时间：2026-03-01

• 基于双向多阈值LIF神经元的轻量高效脉冲UNet模型

  脉冲神经网络（SNNs）因事件驱动和生物可解释性在边缘图像处理中潜力显著，但传统LIF/IF神经元单阈值触发导致膜电位强度和负向信息丢失。本文提出双向多阈值LIF（BMT-LIF）神经元模型，通过可学习的双向多级阈值编码有效缓解信息损失，并构建轻量化高效SNN-UNet（LES-UNet）架构，参数量较传统U-Net减少94%，同时设计多阈值梯度贡献机制实现直接训练。实验表明，在DRIVE图像分割数据集上3步内F1达0.820，BSD68去噪数据集PSNR达28.76 dB，较传统架构显著提升推理速度与处理效果。

  来源：Neurocomputing

  时间：2026-03-01

知名企业招聘：