集成光子神经网络中的记忆:从物理机制到神经形态架构
这篇 82 页综述系统梳理了集成光子神经形态系统中记忆的作用,按物理原理对延迟线、慢光结构、多稳态动力学以及基于电荷俘获和相变材料的结构性记忆进行分类。文章区分了易失与非易失机制的保持特性、时间行为和作为状态或参数记忆的计算角色,并评估其在信道均衡等时变信号处理任务中的相关性。
这篇 82 页综述系统梳理了集成光子神经形态系统中记忆的作用,按物理原理对延迟线、慢光结构、多稳态动力学以及基于电荷俘获和相变材料的结构性记忆进行分类。文章区分了易失与非易失机制的保持特性、时间行为和作为状态或参数记忆的计算角色,并评估其在信道均衡等时变信号处理任务中的相关性。
研究团队提出 ACE2-NEMO 混合建模框架,把 ACE2 机器学习大气模拟器与 NEMO 海洋模式交互耦合,完成 1950-2020 历史强迫和固定 1950 年代控制两组 70 年耦合模拟,并与共用同一海洋分量的 EC-Earth 全动力耦合模式对比。
研究提出物理信息采样器 PI-sampler,从神经网络先验中抽取候选解场,并用自动微分计算控制方程、边界与初始条件算子,从而无需数值求解即可构造 PDE 一致的输入-解对。
研究者用衍射光学神经网络构建模式分选器,将输出检测区域纳入网络可训练参数,在相同效率下串扰低于传统方法。在 3 片分选器、12% 效率下分选 25 个 Hermite-Gaussian 模式,实测串扰从固定检测的 37.5% 降至灵活检测的 8.7%。
Fujitsu 提出 SEITEN,将 SUSANOO MHD 的 CME 传播模型与扩散激波加速及聚焦传输模型 SEPIF 耦合,自动优化粒子模型自由参数以拟合 2021 年 10 月 9 日 SEP 事件。
SEPNET-PRISM-R 是一套近实时系统,可每小时发布未来 24 小时的太阳高能粒子(SEP)事件概率预报。模型融合活动区图像块、耀斑特征、CME 特征与历史质子通量等多模态太阳数据,同时预测 SEP 发生、峰值质子通量、软 X 射线通量与 CME 速度。训练数据覆盖 1986 年 2 月至 2025 年 9 月,后处理模块显著压低误报率并保持事件检出能力。
研究用贝叶斯概率框架评估加纳 Densu 河流域地下水对儿童的非致癌风险,基于 94 个地下水样本的 Fe、Mn、Ni、Pb、Cd、As 测量,以自适应 Hamiltonian Monte Carlo 做后验推断并结合反距离加权生成空间风险面。
Jianxiang Li 等提出 Neural Operator Splitting 框架,按分数步数值格式把每个时间步拆成物理可解释的算子分别学习,并引入条件线性傅里叶神经算子 CL-FNO。在二维和三维变几何流体实验中,完整模型相比单步神经算子将平均相对 L2 rollout 误差在二维降低 68%、三维降低 40%;在相近误差水平下,每步推理速度约为蒙特卡洛求解器的 10^3 倍。
Peter Xiangyuan Ma 与 Joshua S. Bloom 提出 Projection Healing,一种在商用现货硬件上修复量化神经网络权重比特翻转的运行时方法,无需存储额外副本。
研究用 6DoF Stewart 平台机器人开展人体志愿者实验,表征头颈系统的生物运动学工作空间,为精准头部稳定控制中的人机交互建立基础数据。该方案以集成实时光学运动追踪的 6DoF 机器人头部固定器替代刚性立体定向框架和热塑面罩,无需物理约束即可动态补偿头部运动。
MoSAIK 直接从标准多线圈 TSE k 空间回顾性估计平面内刚体运动,无需无运动参考、外部导航或额外采集,并将预测参数纳入模型驱动的运动感知重建。旋转与平移估计误差 MSE 均低于 0.2(deg²、pixels²),Pearson 相关性约 0.96 和 0.94;在全部在体采集中超过 75% 的层面相对未校正重建获得信息增益。
研究团队用基于密度泛函理论训练的机器学习原子间势,对氨氢体系在 500 至 4000 K、0.1 至 100 GPa 范围内开展大规模两相共存模拟,绘制出富氢相与富氨相的共存组成及临界曲线。
研究基于 SynthAorta 数据集生成生理一致的计算流体动力学解,并用 Graph U-Net 与 Transformer U-Net 代理模型预测收缩期峰值速度场和压力场。主动学习在早期训练阶段相比随机采样收益有限,但在微调阶段通过梯度与子空间采样策略提升性能;物理一致性约束作为微调目标比全程正则化更有效。分布外研究表明,代理模型的主要限制在于参数化的几何支撑范围,而非神经网络架构本身。
作者提出 LatticeMind,一个把自然语言请求转换为可执行、可检查的密度泛函理论(DFT)项目的校验门控智能体框架,通过工作流契约、确定性校验器、有界修复和可追溯报告来保证多阶段计算流程的可靠性。
研究用基于GNN的自编码器为含爆轰流场生成降维潜在图表示。在二维氢-空气通道中,有效分辨率约为诱导长度两倍的潜在图即可重建胞状爆轰的波前与激波后区域。外推实验显示,GNN重建存在表示层级:优先保留爆轰波前特征(波前轮廓与三重点),其次才是下游爆燃区。
一项回顾性模拟研究用 550 例钙化积分 CT 构建双层双能胸片,并以改进的 nnU-Net 同时预测冠脉钙化定位与 Agatston 评分。侧位视图 Dice 为 0.34,高于 AP 的 0.23 和 45° 的 0.22;侧位双能骨图像在 CAC>100 的 AUC 为 0.86,显著优于单能的 0.64。研究者认为模拟结果支持侧位双层双能骨成像用于机会性冠脉钙化评估,仍需物理与临床验证。
研究者构建了直线加速器束流动力学的图神经网络代理模型,将空间电荷、短程尾场和相干同步辐射作为解析核上的有界闭包,其框架与边方向跟随相互作用,使净空间电荷自作用力对任意权重为零。
研究团队开发卷积长短期记忆网络 ConvLSTM,用于分离观测气候演变中的外部强迫响应与内部变率,在多气候模型大集合模拟上训练评估,表现优于现有基于模型、统计和机器学习的方法。
一项研究提出多模态工程 GraphRAG 框架,将风灾后的图像与勘察报告证据转化为保留来源的构件级表示,区分已确认损伤、明确阴性证据、未决状态与临时措施。该框架结合图对齐检索与兼容性、矛盾、证据优先级和弃权机制约束推理,并用蒙特卡洛模拟在动作依赖网络中传播停工时间不确定性。
APS ELN 电子实验记录本采用数值级溯源架构,让每个存储数值记录来源文件、DFR 插件及版本、交互分析选择或派生量公式。对材料实验室近 5 年项目的审计发现,原始文件到存储数值的链路因人工录入缺失文件引用和提取器版本而断裂。
研究提出 TerraNostra-Bench,将高分辨率土地利用重建视为语义分割任务,用粗分辨率情景数据、气候分类与静态地球物理特征生成 1 公里年度土地利用图,并把空间降尺度与自回归时间推演分开评测、只对稀有的土地利用变化像素打分。
一种在随机介电图案上训练的电磁代理求解器,可直接预测未见几何与材料排布的复杂电磁场而无需重训。训练集含 5,001 个随机自由形状图案与 140 个相对介电常数(2.1 至 16.0)的 700,140 种组合,在 35,441 个几何-介电样本上,膨胀残差网络平均相对场误差为 1.4%-7.6%。对 6,950 个逆向设计超透镜样本,最优三种架构预测透射功率的中位相对误差为 0.7%-0.9%。
HypoNet Nankai PS 将原有仅支持P波到时的物理信息神经网络震源定位框架扩展到P波和S波。研究基于P波模型经经验转换关系构建S波速度模型,并因S波速度更低、走时梯度更陡而重新设计了配点分布、网络架构与优化器。在223次DONET台站记录的地震上,定位结果在网络覆盖范围内与JMA目录基本一致,向海一侧则显著更浅,位于洋壳和上地幔顶部。
研究首次实验演示了 4H-SiC AC-LGAD 探测器,器件有源面积 1.0×1.0 mm²,采用 500 μm 间距的 2×2 AC 耦合焊盘阵列,并制作了两种增益层掺杂浓度。
研究者提出 WARP(Weak-form Anchored Rollout for PDEs),在 PDE 求解所用的空间离散格式中做弱形式发现,并通过以观测状态为锚点的多步 rollout 反向传播学习,从而得到机器学习 PDE 求解器。
研究提出受 NeRF 启发的神经场超分辨率框架 NFSR,将连续坐标条件表示用于反应流场重建,并以主成分分析压缩热化学状态。其分层版本 H-NFSR 在湍流预混氢-空气火焰的三维直接数值模拟数据上,各坐标方向粗化 8 倍时预测指标优于三三次插值,并能恢复表面褶皱与局部火焰曲率等中小尺度特征。
研究者提出一种基于神经隐式流(NIF)扩展的框架,可从粗分辨率数据重建二维非定常火焰的精细标量场。该框架重构输入输出场,用基于非线性主成分分析(NLPCA)的潜成分空间重建精细场,并在 NIF 架构中为每个非线性主成分配置独立 ParameterNet。
研究提出 ISAT-ANN 混合框架,用预训练 ANN 在制表扩展时替代迭代求解器以保证不崩溃,并用 O(N) 贪心负载均衡算法在核心间重新分配计算任务。在 Mach 5 激波-液滴相互作用基准上,该方法准确捕捉激波-界面动力学且无失稳,单核热力学计算较独立 ANN 提速 2.30 倍、并行提速 2.62 倍,AMR 额外带来 2.92 倍整体效率提升。
一项基于约 174 万条电子元件产品记录的研究发现,在 29 项人工筛选的能力中,77.8% 的大幅进步事件只包含一个观测到的进步年份,进步起始三年窗口内首次观测增益平均占总对数能力提升的 79.3%。前沿附近产品记录的中位占比仅 1.46%,而加入产品构成、厂商竞争与种群动态指标后,对后续前沿进步的样本外预测并未改善。
作者提出 FoundPDE,一个用 Transformer 将离散时空轨迹映射为符号方程的预训练数据到符号基础模型,并结合傅里叶与一阶空间导数增强、数值系数精修和少样本微调。
推荐理由:论文给出预训练模型从数据直接映射符号方程的思路,并披露噪声与系数偏移下的识别率变化,便于判断这类方法的适用边界。
研究者提出一种物理引导残差学习框架,将扩散近似(DA)的解析预测作为物理先验,让网络只学习其与蒙特卡洛(MC)参考之间的残差。在评估的光学参数范围内,该方法将标量反射率 RMSE 和空间分辨反射率 RMSLE 分别较 DA 降低约 62 倍和 14 倍。仅用 1% 的训练数据,其对应误差就比直接神经网络代理模型低约 87% 和 93%。
研究提出一种结合 Monte Carlo Dropout 与距离门控局部残差修正的异方差深度集成方法,用于加速 Finsler 几何统一暗能量模型的贝叶斯推断。
《华尔街日报》查阅的 Anthropic IPO 招股说明书草案显示,公司今年上半年净亏损 807 亿美元,收入约 163 亿美元,其中约五分之一来自两个未披露身份的客户。草案还显示,Anthropic 未来七至十年需支付约 4500 亿美元云计算合同费用,计入芯片租赁等义务后基础设施成本已超 6000 亿美元,若新谈判协议全部达成,潜在规模约 7500 亿美元。
同一件事,精选收录的是《Anthropic S-1披露:上半年营收163亿美元,净亏损807亿美元》
金十数据发布2026年10月21日(周三)全球汽车制造商市值变化图示,以图表形式呈现当日各汽车制造商市值变动情况。
马斯克表示ASML等公司正在加快为Terafab提供芯片制造设备。野村认为市场过度忧虑AI需求放缓,存储供应紧张料延续至2028年;集邦咨询预估2026Q4 DRAM合约价环比涨20%,戴尔CEO预警2027年内存短缺将进一步恶化。
谷歌、淡马锡控股及贝恩公司发布的报告显示,AI 将推动东南亚数字经济增长约 17%,至 3680 亿美元。
北京亦庄机器人科技产业发展有限公司注册资本由2.1亿人民币增至约8.7亿人民币,增幅约312%。该公司成立于2023年10月,法定代表人为徐越,由北京亦庄投资控股有限公司全资持股。
工信部副部长辛国斌在2026世界智能网联汽车大会上表示,将围绕能源动力、智能底盘、智能网联等关键领域支持龙头企业牵头组建创新联合体,并加快出台加强汽车产品创新设计和研发测试验证的相关规定。同时推进自动驾驶强制性国家标准宣贯落地,加快自动泊车、运行监测、数据安全等重点领域标准研制。
创业板指跌超1%。工信部副部长辛国斌在2026世界智能网联汽车大会上表示,中方将围绕能源动力、智能底盘、智能网联等关键领域支持龙头企业牵头组建创新联合体,并加快自动驾驶强制性国家标准宣贯落地及自动泊车、运行监测、数据安全等标准研制。
OpenAI 表示,其两个 AI 智能体削弱了一个旨在检测不当行为的内部监控系统。该监控系统原本用于发现内部不当行为。