• SiPT：基于签名的RRAM交叉阵列预测性测试，用于深度神经网络

  摘要：基于阻变随机存取存储器（RRAM）交叉阵列的深度神经网络（DNNs）在实现人工智能的超低功耗计算方面越来越具有吸引力。然而，基于RRAM的DNNs面临着制造过程变异性的固有挑战，这可能会影响其性能（分类准确性）和功能安全性。测试这些DNN的一种方法是应用所有测试图像来评估其性能，但这既昂贵又耗时。我们提出了一种基于特征的预测性测试（SiPT）方法，该方法仅对每个DNN应用一小部分测试图像，并根据网络中间层和输出层的观测结果直接预测其分类准确性。这种方法既降低了测试成本，又便于对基于RRAM的DNN进行性能分类。为了进一步提高SiPT的测试效率，我们创建了优化后的紧凑型测试图像集，利用图像

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-23

• 基于忆阻器细胞神经网络的内存处理PUF水印嵌入技术研究

  在当今数字化时代，图像数据的爆炸式增长给信息安全带来了严峻挑战。数字水印作为保护图像版权和溯源的有效手段，其安全性和实用性备受关注。传统的水印技术往往依赖于数字加密算法，但这些方法面临着密钥管理复杂、易被破解等问题。与此同时，物理不可克隆函数(PUF)技术的出现为设备级安全认证提供了新思路，它利用制造过程中产生的固有物理差异生成不可克隆的唯一标识。然而，现有的PUF方案在图像处理应用中存在明显局限——它们需要额外的专用电路来实现水印功能，这不仅增加了芯片面积和功耗，还影响了系统整体效率。针对这一技术瓶颈，研究人员开创性地将忆阻器细胞神经网络(CeNN)与PUF技术相结合，提出了一种创新的双模式

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-23

• GraphMamba：用于高光谱图像分类的图token化工具

  摘要：高光谱图像（HSI）分类在环境监测、农业和城市规划等领域发挥着关键作用。传统方法，包括传统的机器学习和卷积神经网络（CNN），往往难以有效捕捉复杂的光谱-空间特征和全局上下文信息。基于Transformer的模型在捕捉长距离依赖关系方面表现出色，但通常需要大量的计算资源，这在标记数据集有限的场景中（如HSI应用）会带来挑战。为了解决这些问题，本文提出了GraphMamba，这是一种混合模型，它结合了光谱-空间令牌生成、基于图的令牌优先级分配和交叉注意力机制。该模型引入了状态空间建模与门控循环单元（GRU）的创新结合，能够捕捉线性和非线性的空间-光谱动态。这种方法在保持可扩展性和计算效率的

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-23

• 一种新型的比例-积分-参数归零神经网络及其在四元数值时变线性矩阵不等式中的应用

  摘要：具有可变收敛参数的零化神经网络（ZNN）近年来成为研究热点，该网络可以分为两类：变参数ZNN（VP-ZNN）模型和模糊参数ZNN（FP-ZNN）模型。这两种模型各有优缺点。VP-ZNN模型通常效率较高，但智能性较低；而FP-ZNN模型则智能性较高，但效率较低。受经典的比例-积分-微分（PID）控制技术的启发，我们提出了一种新型的比例-积分参数ZNN（PIP-ZNN）模型，该模型兼具高效性和智能性，可用于求解四元数值时变线性矩阵不等式（QVTV-LMI）问题。通过结合自适应收敛参数（ACP），PIP-ZNN模型能够根据误差变化动态调整其收敛速度，从而实现性能优化。与基于模糊逻辑系统的FP-

  来源：IEEE Transactions on Emerging Topics in Computing

  时间：2025-11-23

• 特斯拉变压器的建模与设计：采用极高匝数比

  摘要：对于匝数比极高的特斯拉变压器来说，根据其物理结构预测其电气特性并据此设计出满足目标电气特性的物理结构是具有挑战性的。本文提出了一种精确的四分之一波长分段互感模型，该模型具有直观的电路拓扑结构和明确的物理意义的综合参数，所有这些参数都可以通过分析方法准确计算得出。通过将所提出的模型与遗传算法- BP神经网络相结合，提出了一种有效的模型驱动设计方法，该方法无需仿真或实验即可设计出在宽频率范围内满足目标电气特性的特斯拉变压器，从而具有较高的时效性和灵活性。最后，通过实验验证了所提出的电路模型和设计方法的有效性。

  来源：IEEE Journal of Emerging and Selected Topics in Industrial Electronics

  时间：2025-11-23

• 一种基于并行环形数据流结构的卷积阵列架构，用于CNN加速器

  摘要：机器学习和人工智能的最新进展显著提高了对卷积神经网络（CNN）的需求，因为它们具有高精度和强大的鲁棒性。然而，CNN在计算上非常耗资源，这对资源有限的应用程序来说是一个挑战。现代CNN模型需要数十亿次计算，其中超过90%的计算发生在卷积层中，因此加速这些模型至关重要。为此，通过开发一种新的调度算法，提出了一种新的卷积阵列架构，该算法实现了并行环形流数据流（PRSD），能够在最小的硬件开销下将吞吐量提高一倍。所提出的卷积阵列架构采用Verilog HDL语言设计，并使用半导体实验室（SCL）的180nm CMOS工艺进行了综合。该架构的功耗为0.62mW/MHz，吞吐量为107.8 GOP

  来源：IEEE Embedded Systems Letters

  时间：2025-11-23

• 物理增强型神经网络紧凑模型：用于快速且灵活的晶体管建模

  摘要：本文提出了一种基于物理特性的神经网络（PENN）紧凑模型，该模型专为先进的晶体管技术（如全环绕栅极（GAA）、FinFET等）设计。该模型将物理规律融入神经网络（NN）模型中，以提高预测精度、数据拟合的灵活性以及电路仿真速度，同时为基于神经网络的紧凑模型提供物理解释。通过引入物理机制，该模型解决了传统神经网络模型的若干局限性，例如确保在零偏压时电流为零、提高模型的可变性以及增强拟合灵活性。实验表明，该模型能够广泛应用于各种几何结构和温度条件下，并保持出色的预测准确性。所开发的准物理函数使得模型在训练后仍具有较高的拟合灵活性，并能够适应工艺制造过程中的变化。

  来源：IEEE Transactions on Electron Devices

  时间：2025-11-23

• 基于单个晶体管的神经元在高度可扩展的类脑硬件中的应用综述

  摘要：脉冲神经网络（SNNs）借鉴了人脑的结构和功能，为提高人工智能（AI）计算的能效提供了一种有前景的方法。通过采用大规模并行、事件驱动的处理方式，它们克服了传统冯·诺依曼架构由于串行处理和内存墙问题而带来的固有局限性。实现SNN硬件的一项关键要求是制造出人工神经元，这些神经元在积累足够的突触输入后会产生脉冲信号。本文综述并比较了近期在单晶体管神经元器件（1T神经元）方面的进展，这类器件具有出色的可扩展性，并且与标准的互补金属氧化物半导体（CMOS）技术完全兼容。首先详细描述了1T神经元的工作原理，接着介绍了它们的各种结构和高级功能。随后介绍了与人工突触器件及传感神经元结合使用的方法，以实现

  来源：IEEE Electron Devices Reviews

  时间：2025-11-23

• 快速收敛的混合脉冲技术，用于高精度多级相变存储器

  摘要：我们提出了一种用于多级相变存储器（PCM）的混合脉冲方案，该方案结合了部分重置脉冲（partial RESET pulses）和阶梯式设置脉冲（staircase SET pulses），以实现高效且精确的导电率调节。通过利用固定脉冲序列带来的统计收敛性，这种方法摒弃了传统写入-验证（W&V）方案中固有的迭代反馈和复杂控制逻辑。在40纳米级的PCM芯片上进行了验证，该方法平均每状态仅需4.11个脉冲即可实现32种可可靠区分的导电率状态——这标志着在单细胞多级PCM中实现了最快的收敛速度和最高的精度（32种状态）。与同等精度下的现有技术相比，脉冲数量减少了98%。这种硬件高效的设计在未经筛

  来源：IEEE Electron Device Letters

  时间：2025-11-23

• 基于IGZO/PbS量子点/Ga2O3的光学突触晶体管，具有高光通量效率（PPF），适用于近红外（NIR）检测

  摘要：在本文中，我们提出了一种基于IGZO/PbS量子点（QD）/Ga2O3结构的高光功率转换因子（PPF）光学突触晶体管，用于近红外（NIR）传感应用。所制造的器件在近红外波段表现出优异的检测性能：在0.1 mW/cm²的照明强度下，其在1080、1300和1550 nm波长下的响应度分别为214.5 ± 4.1、202.4 ± 5.6和188.5 ± 5.8 A/W，相应的PPF指数分别为195.2%、187.0%和179.8%。该器件还展示了突触可塑性的调节能力，包括随着刺激强度、脉冲宽度和脉冲次数的增加从静态突触传导（STP）向长时程增强（LTP）的转变；同时，光脉冲能够增强突触传递，

  来源：IEEE Electron Device Letters

  时间：2025-11-23

• 基于铁电电容器的三元神经网络的实现

  摘要：本文提出了一种电容式三值神经网络（TNN）的实现方法，该方法在每个突触上使用两个金属-铁电-金属电容器（FeCaps）。与传统使用单个FeCap的突触不同，双FeCap突触作为差分对进行工作，使得感知裕度提高了19倍以上，并且实现了权重‘0’的表示。与使用单个FeCap的二元神经网络（BNN）相比，所提出的TNN在推理准确性和抗比特错误率（BER）方面表现出更好的性能，最大准确度差异达到了5.61%。

  来源：IEEE Electron Device Letters

  时间：2025-11-23

• 基于机器学习的方法在球面波展开技术中的应用，用于源重建和辐射预测

  摘要：本文提出了一种基于机器学习（ML）技术的新型源重构方法。该方法的核心在于使用低阶球面波展开（SWE）系数来进行源重构。辐射模式的主要特征（最大幅度和主辐射瓣）由一个经过适当训练的神经网络捕捉，该神经网络通过使用由基本SWE系数表征的多个源的组合进行训练。所提出的基于ML的方法应用于数据中心机架内单个托盘模块的辐射源重构，该方法基于仅检测近场幅度的数据。通过组合每个托盘的SWE系数来预测整个机架的总辐射。所开发的基于ML的方法通过使用SWE系数的解析表达式进行了全面描述和初步验证，随后将该方法应用于包含三个托盘模块的实验设置中。通过组合托盘的SWE系数，能够以较高的准确度预测机架的总辐射特

  来源：IEEE Transactions on Electromagnetic Compatibility

  时间：2025-11-23

• 探究视觉辅助工具在数学问题解决中的影响：一项针对未来教师的眼动追踪研究

  摘要：本研究探讨了图像和视觉辅助工具对学生解决数学问题（MPS）表现的影响。共有40名小学教育专业的师范生参与了这项研究，他们被分成两组。实验中向他们发放了一份包含18道不同数学题目的问卷，其中一半题目配有图像或视觉辅助工具，另一半则没有任何视觉辅助。实验组在先接受带有视觉辅助的题目，后接受不带视觉辅助的题目。通过统计分析发现，虽然两组学生的整体表现没有显著差异，但在某些特定题型（如百分比计算、逆序错误题和分数题）中，视觉辅助工具显著提高了学生的解题表现。在解题过程中收集了眼动数据，并对13名参与者的注视模式进行了分析，这些数据揭示了他们的解题策略，包括计数、乘法运算以及逆序错误现象的识别。此

  来源：IEEE Transactions on Education

  时间：2025-11-23

• 基于人工神经网络的LED焊点可靠性预测：不同输入数据的比较研究

  在微电子系统领域，可靠性是任何应用场景下最基本的要求之一，尤其是对于安全关键电子元件、功率和光电子器件而言。高功率LED封装的寿命深受工作温度影响，常见损伤源是温度变化过程中不同部件因热膨胀系数（CTE）不匹配产生的热机械应力，这种应力通过反复塑性变形导致材料疲劳，最终损害结构完整性，尤其集中在焊点处。更棘手的是，LED性能如效率和色彩也会随温度升高而恶化，形成恶性循环：受损焊点热传递变差，导致工作温度升高，进而加剧焊点应力并加速损坏。因此，管理高功率LED封装的热特性至关重要。当前，锡银铜（SAC）焊料是主流无铅焊料，其可靠性备受关注。然而，可靠性预测面临原始数据稀缺的挑战，如何充分利用有限

  来源：IEEE Transactions on Device and Materials Reliability

  时间：2025-11-23

• 具有重要性粒度噪声适应性的差分隐私图神经网络

  摘要：为了在节点表示个人敏感信息时保护图的隐私，提出了结合差分隐私的图神经网络（GNN）。然而，现有方法忽略了不同重要性的节点可能对隐私保护有不同的需求，这可能导致某些节点被过度保护，从而降低模型的实用性。在本文中，我们研究了基于节点重要性的隐私保护问题，即某些节点包含需要保密的个人数据，但对训练GNN至关重要。我们提出了NAP-GNN，这是一种基于节点重要性进行隐私保护的GNN算法，它利用自适应差分隐私机制来保护节点信息。首先，我们提出了一种基于拓扑的节点重要性估计（TNIE）方法，该方法能够结合邻域信息和中心性来推断未知节点的重要性；其次，我们提出了一种自适应的隐私聚合方法，以改变基于节点

  来源：IEEE Transactions on Dependable and Secure Computing

  时间：2025-11-23

• 骨科植入物在经皮电神经刺激治疗过程中引发了意外的神经刺激

  摘要：经皮电神经刺激（TENS）是一种广泛用于缓解疼痛和神经肌肉康复的方法。然而，可植入的骨科设备的存在会显著扭曲周围的电场，可能导致意外的神经元激活。本研究通过数值建模和实验验证相结合的方法，探讨了这些植入物对TENS治疗过程中神经刺激的影响。基于解剖学上精确的人体模型的电磁仿真和NEURON神经生理学建模显示，在可植入设备的边缘存在明显的电场扭曲，这导致相邻神经元的激活阈值降低。这些发现通过幻影实验得到了证实，实验表明在骨科钢板和螺钉的存在下，电场分布发生了显著变化。研究结果表明，在应用TENS时应与可植入设备保持安全距离，以尽量减少意外神经激活的风险。

  来源：IEEE Transactions on Electromagnetic Compatibility

  时间：2025-11-23

• 一种改进的反向传播神经网络方法，用于表征LDMOS器件在传输线脉冲干扰下的性能退化

  摘要：随着横向扩散金属氧化物半导体（LDMOS）晶体管在电源转换系统中的广泛应用，其可靠性已成为一个日益重要的问题。众所周知，静电放电（ESD）一直是电磁干扰的主要来源，其累积效应会显著降低设备的性能。然而，现有关于LDMOS器件性能退化特性的研究主要集中在物理模型上，而在各种条件下准确量化这种退化仍然是一个挑战。本文采用传输线脉冲（TLP）来模拟LDMOS器件中的ESD干扰。提出了一种基于多头增量反向传播（IBP-NN）神经网络的性能退化预测方法，通过对输入参数和网络结构的优化，大幅提高了器件退化的预测准确性。进一步分析了MOS器件的退化机制，并验证了影响退化过程的不同参数之间的独立性。实验

  来源：IEEE Transactions on Device and Materials Reliability

  时间：2025-11-23

• 通过范围限制实现深度神经网络的低成本故障校正器

  摘要：深度神经网络（DNN）在安全关键领域的应用日益广泛。然而，由于硬件瞬态故障（软错误）的影响，它们也容易出现意外故障。传统的容错技术需要大量的实现工作，并且/或者会带来严重的性能开销。本文介绍了一种名为Ranger的低成本故障纠正器，它可以直接纠正由于瞬态故障导致的错误预测结果，而无需重新计算。这项研究为提高DNN应用在硬件瞬态故障下的容错能力奠定了基础，并对学术界和工业界的后续相关工作产生了重要影响。

  来源：IEEE Design & Test

  时间：2025-11-23

• 一种基于时变惩罚策略神经网络的移动式并联机械手双标准障碍物避让方案

  摘要：为了使移动式并联机械手能够避开障碍物、实现重复运动并避免速度突变，本文提出并设计了一种基于时变惩罚策略（BCOA-TVPS）神经网络的雙标准避障方案。具体而言：首先，该双标准包括重复运动标准和无限范数速度最小化标准，约束条件则考虑了基于向量的避障规则；其次，将双标准避障方案重新表述为一个受限的时变二次规划（QP）问题；第三，采用时变惩罚策略（TVPS）神经网络来解决该QP问题；最后，通过两种轨迹跟踪实验验证了所提出BCOA-TVPS方案的有效性和适用性。

  来源：IEEE Transactions on Cybernetics

  时间：2025-11-23

• 糖尿病性多发性神经病变对接受冠状动脉旁路移植手术的老年患者下肢肌肉无力的负面影响：一项回顾性队列研究

  摘要通俗语言总结 背景： 心血管手术会导致肌肉无力，这与炎症细胞因子的增加有关。糖尿病（DM）通过胰岛素抵抗和糖尿病性多神经病变（DPN）会加剧术后肌肉无力，并与炎症细胞因子的升高相关。明确糖尿病，尤其是糖尿病性多神经病变，对术后肌肉无力的影响，有助于制定针对性的干预措施以减少身体残疾。 目的： 本研究旨在确定糖尿病性多神经病变是否可以预测接受冠状动脉旁路移植术的老年患者的术后肌肉无力情况。 方法： 年龄≥65岁、接受选择性冠状动脉旁路移植术

  来源：Journal of Geriatric Physical Therapy

  时间：2025-11-23

知名企业招聘：