高中生通过图示数学掌握牛津量子课程，82%通过大学水平考试
一项研究展示了“量子图示主义”这一新型视觉数学语言在教育中的潜力。54名英国高中生在没有高等数学基础的情况下，学习了牛津大学水平的量子概念。评估结果显示，82%的学生通过了大学研究生水平的考试，其中48%获得了优秀等级。该方法有望降低量子学习的传统认知门槛，为更广泛的群体提供进入该领域的新途径。
2025-12-02 速览
2025-12-02 共 156 条抓取，按综合热度排序
研究揭示公众对地外智慧生命存在的高度确信与专家共识的认知偏差
一项针对6114名高学历、高科学参与度个体的调查发现，95.01%的人相信地外智慧生命存在，其中62.59%持确定而非可能性的信念。然而，公众对专家共识存在双重误判：高估了专家认为其存在的比例（67.63% vs 实际58.20%），同时低估了专家信念的强度（认为仅21.10%的专家持确定信念）。研究还揭示了显著的“多元无知”现象，即个人普遍相信，却严重低估了社交圈内的共识（偏差达46.07个百分点）。实验性地向参与者揭示真实专家共识后，其个人信念改变微乎其微，表明即使科学素养较高的群体，其信念也难以被专家共识信息修正。
飞机客舱布局与座位密度如何影响机票定价与辅助收入
本研究利用登机牌微观数据与乘客访谈，分析了客舱布局和座位密度对国内航班机票价格的影响。通过Post-Double-Selection LASSO计量模型控制商业和运营方面的不可观测因素，研究发现更高的座位排密度与更低票价相关，体现了规模经济与运营效率提升。一个意外发现是，在未收取选座费的情况下，高价票乘客常因临近购票而被分配至中间座位，这揭示了航空公司一项主要辅助收入背后的经济逻辑。
Transformer高效模拟图灵机：大幅降低推理步数需求
本研究显著提升了常数位宽Transformer模拟图灵机的效率。现有方法模拟图灵机每一步需要Ω(s(n))步思维链推理，导致推理长度不切实际。本文证明，任何(t(n), s(n))有界多带图灵机均可由常数位宽Transformer以最优O(s(n))上下文窗口模拟，且每步仅需O(s(n)^c)推理步数，其中c>0可通过增大Transformer头层乘积任意减小。此外，构造表明固定几何偏移的稀疏注意力足以实现高效通用计算。
基于角色感知专家混合与LLM细粒度职位描述的招聘搜索排序优化
本研究提出一个新颖的招聘人才搜索框架，通过两项关键创新提升搜索效果：利用大语言模型从职位描述和历史数据中提取细粒度招聘信号，并采用角色感知的多门控专家混合网络捕捉不同招聘角色的行为差异。引入多任务学习模块联合优化点击率、转化率和简历匹配相关性，以降低主观判断噪声。在真实数据和在线A/B测试中，点击率与转化率的AUC分别相对提升1.70%和5.97%，点击转化率提升17.29%，预计可显著降低外部招聘渠道依赖，实现每年数百万元的成本节约。
VeriPy：无需硬件知识，Python一键生成SDR硬件加速器
本研究提出VeriPy，一款面向软件无线电（SDR）工程师的Python高级综合工具。它无需硬件描述语言知识，即可将Python算法自动转换为流水线或展开式硬件加速器Verilog代码，并支持自动测试、性能评估与硬件库扩展。与Vivado HLS相比，其生成设计运行频率最高提升70%，代码复杂度显著降低，为通信系统硬件加速提供了高效易用的开发方案。
SAFE系统：基于检索增强LLM的长篇COVID-19事实核查新方法
本研究提出SAFE系统，通过结合大语言模型与检索增强生成技术，提升对长篇COVID-19不实信息的自动化核查能力。系统包含声明提取与核查两个智能体，利用包含13万份文档的研究语料库进行验证。在50篇假新闻文章（含246条标注声明）的评估中，SAFE系统在所有指标上均显著优于基线模型，尤其在一致性、有用性和真实性方面表现突出。研究表明，该框架为解决大语言模型在事实核查中的一致性与可解释性局限提供了有效方案。
MOTION：基于AutoML的低延迟设备端手势识别方案
本研究提出一种名为MOTION的高效设备端运动识别方案，仅利用三轴加速度计传感器数据。通过AutoML流程自动提取关键特征，并训练多个轻量级机器学习模型。在WeBe Band多传感器可穿戴设备上测试表明，神经网络模型在精度、延迟和内存占用上取得了最佳平衡，能够实现可靠的实时手势识别，为跌倒检测、康复跟踪等需要快速安全响应的医疗监护场景提供了潜力。
AI辅助定性研究系统Muse：人机协同编码一致性达0.71
本研究开发并评估了Muse——一个基于大语言模型的交互式定性研究辅助系统。该系统旨在帮助研究人员识别主题、标注数据集，以应对传统人工编码中存在的疲劳、解释漂移及大规模数据分析的挑战。基准测试显示，在明确定义的编码任务中，Muse与人类编码员之间的评分者间信度（Cohen's κ）达到0.71。研究还进行了深入的错误分析，以识别系统失效模式、指导未来改进，并展示了其校正人类偏见的潜力。
ALIA：基于语音交互的LLM设计构思助手，提升创意生成质量
本研究提出了ALIA（Analogical LLM Ideation Agent），一个利用大型语言模型（LLM）辅助设计构思的AI工具。它通过语音交互，为小组构思会议提供结构化灵感刺激，其设计灵感来源于协同构思方法和辩证法。初步实验表明，与传统构思会议相比，参与者认为在ALIA辅助下产生的想法质量更高，并对语音交互方式给予积极反馈。
为儿童编程过渡设计：基于JavaScript的视觉艺术编辑器
本研究开发了一款面向8-10岁儿童的网页版JavaScript编辑器，旨在帮助他们从积木式编程平稳过渡到文本式编程。系统采用专注于视觉艺术的简化领域特定语言，将真实的JavaScript语法与即时、富有创意的视觉反馈相结合。一项为期四周的试点研究显示，参与者的计算思维技能显著提升，语法错误减少了70%，并能运用循环、条件和动画进行复杂算法设计。
社会协同操作系统：应对财富不平等与资源浪费的数字民主新架构
本研究提出并实现了一种名为“社会协同操作系统”的赛博-人类协同框架，旨在应对资本主义经济中的劳动异化与资源殖民问题。该系统将社会结构建模为个体行为、人际互动与制度形成的三层动态循环，并开发了社会影响评估器、多元政策模拟器与共识促进器等核心应用模块，分别构成其审议-政治循环与操作-管理循环。通过实际案例验证，该架构能有效支持集体决策与协同行为，为政策共同制定与合作提供了实用工具。
文化提示显著提升GPT生成心理治疗回应的共情与文化响应能力
本研究通过随机对照实验，评估了文化提示技术对提升大语言模型（GPT-4o与DeepSeek-V3）为华裔美国家庭照护者生成心理治疗回应的效果。结果显示，文化提示显著提升了GPT-4o在所有维度（文化能力、文化相关性及感知共情）的表现，使其成为最受偏好的模型。中介分析表明，文化提示通过增强文化响应性来提升共情感知。该研究证实了基于提示的技术可有效增强AI治疗干预的文化响应性，对服务多元文化人群具有重要意义。
概念解释与干预对人与AI协作的影响研究
本研究首次通过人类实验评估了概念瓶颈模型在协作任务中的实际效果。研究发现，虽然CBMs通过预测人类可理解的概念作为中间步骤，确实比标准深度神经网络更具可解释性，并提高了人与模型决策的一致性，但这种一致性的提升并未显著转化为任务准确率的提高。研究还指出，理解模型的决策过程需要多次交互，且人与模型决策过程的不匹配可能削弱可解释性和模型的有效性。
Agentic Hardware Design: AI与工程师协同自动化处理器设计与验证
本研究提出了一种“工程师在环”的智能体自动化硬件设计与验证方法。该方法利用大型语言模型，遵循硬件设计的层次化与模块化最佳实践，将处理器设计任务分解为子组件，自动生成硬件描述语言（HDL）和测试平台（cocotb），并在工程师的指导下（尤其在调试和综合阶段）完成验证。研究以LEGv8和RISC-V两款简单处理器为例进行了演示，表明该方法通常仅需约百万推理令牌即可完成设计，成本效益显著，且具备扩展到片上系统（SoC）的潜力。
手术数字孪生：融合多模态数据与实时计算，推动精准外科发展
本文对手术数字孪生（SDT）进行了系统性综述。SDT作为物理手术过程的虚拟映射，旨在通过融合多模态数据（如影像、运动学和生理信号）进行术前规划、术中实时预测与引导以及术后评估。文章梳理了SDT在可变形配准与跟踪、实时仿真、AR/VR引导、边缘-云协同计算等关键技术上的最新进展，并对比了非机器人与机器人介入的不同架构。同时，文章指出了SDT在模型保真度与计算效率的平衡、系统鲁棒性与可解释性、临床验证与安全保证、数据隐私与互操作性等方面面临的挑战，并提出了未来构建可信赖、符合临床标准SDT的研究方向。
大语言模型在Verilog代码生成中的应用：文献综述与未来展望
本文系统综述了利用大语言模型（LLMs）生成硬件描述语言Verilog代码的研究进展。研究涵盖了软件工程、人工智能和电子设计自动化领域的102篇论文，旨在回答四个关键问题：用于Verilog生成的LLMs类型、评估所用的数据集与指标、Verilog生成的技术分类，以及LLM对齐方法。综述不仅总结了现有方法的有效性与局限性，还为LLM辅助硬件设计的未来研究方向绘制了路线图。
自动驾驶轨迹规划中的基础模型：进展与开放挑战综述
多模态基础模型的出现正深刻改变自动驾驶技术，从传统手工设计转向能够直接从原始传感器输入推断运动轨迹的统一方法。本文综述了37种基于基础模型的轨迹规划方法，通过统一分类法评估其架构设计、方法优势及内在局限，并考察了相关代码与数据集的开放性，为研究与实践提供参考。
从人类视频中提取密集操作轨迹，为机器人学习提供可扩展数据
本文提出一种新方法，结合大型基础视频理解模型与点跟踪技术，从在线人类操作视频中提取任务相关关键点的密集轨迹。该方法克服了当前方法仅关注手部检测或物体姿态估计的局限，能更全面地利用海量人类演示视频中的丰富交互线索。实验表明，该方法能准确跟踪整个操作过程中的关键点，为更具可扩展性和数据效率的机器人学习铺平道路。
基于废水RNA监测预测COVID-19流行率的半监督学习方法
本研究提出一种深度神经网络模型，利用废水监测数据预测COVID-19每日病例数。该方法基于Jiang等人（2024）的研究，通过疫情早期可靠的检测数据与废水病毒RNA浓度数据训练网络，学习两者间的非线性关系。核心挑战在于处理时间特征可靠性问题，因为训练数据在不同时期的可靠性存在差异。该模型为COVID-19进入地方性流行阶段后，提供了一种非侵入性的持续监测工具。
RadDiff：基于检索增强去噪扩散的蛋白质逆折叠新方法
本文提出了一种名为RadDiff的蛋白质逆折叠新方法，旨在根据目标三维结构设计氨基酸序列。该方法通过分层检索策略从大型蛋白质数据库中高效获取结构相似的蛋白质，并构建位置特异性氨基酸谱作为进化信息先验，指导去噪扩散过程。实验表明，RadDiff在多个数据集上均优于现有方法，序列恢复率最高提升19%，并能生成高度可折叠的序列，其性能随数据库规模扩大而有效提升。
量子信息框架下的颜色感知实验研究新路径
本文基于Schrödinger和Resnikoff奠定的感知色彩空间公理化基础，将Berthier和Provenzi等人提出的量子信息色彩感知模型从实数域自旋因子描述的“rebit”系统，拓展至标准量子力学中更通用的“qubit”系统。研究展示了如何利用量子比特密度矩阵计算感知色彩的量子信息属性，并论证了该理论框架差异并不妨碍实验验证协议的实施，为在标准量子平台上测试色彩感知模型的预测有效性提供了具体方法。
VCWorld：基于生物世界模型的虚拟细胞白盒模拟器
本研究提出VCWorld，一个用于虚拟细胞模拟的细胞级白盒模拟器。它通过整合结构化生物知识与大语言模型的迭代推理能力，构建了一个生物世界模型。该方法以数据高效的方式再现扰动诱导的信号级联，并生成可解释的逐步预测及明确的机制假设。在药物扰动基准测试中，VCWorld实现了最先进的预测性能，其推断的机制通路与公开的生物证据一致。
研究发现：利用蛋白质语言模型中间层可显著提升激酶功能预测精度
本研究系统评估了蛋白质语言模型ESM-2全部33层在激酶功能预测中的表现。结果表明，与仅使用最终层相比，利用中后部（第20-33层）的嵌入表示，在无监督聚类中的调整兰德指数提升了32%，在考虑同源性的有监督分类中准确率达到75.7%。这揭示了Transformer模型深度编码了不同的功能信号，有原则的层选择策略能显著提升预测性能。
EnzyCLIP：基于对比学习与交叉注意力的酶动力学参数预测新框架
本研究提出EnzyCLIP，一种新颖的双编码器框架，用于从蛋白质序列和底物分子结构联合预测酶动力学参数（Kcat和Km）。该模型融合了ESM-2蛋白质语言模型与ChemBERTa化学表示，通过受CLIP启发的架构和双向交叉注意力机制动态建模酶-底物相互作用。结合对比损失与回归损失，模型在包含数万实验测量值的CatPred-DB数据库上训练，在Kcat和Km预测上分别取得了0.593和0.607的R²分数，性能具有竞争力。
动物大群形成新理论：拓扑协调与速度继承机制
传统观点认为大型动物群（如鸟群、鱼群）由稀疏个体缓慢聚集而成。本研究基于时变有向交互网络提出新理论框架，揭示大群并非缓慢积累，而是由多个预先存在的子群在高密度条件下快速合并形成。核心机制是拓扑性的：任何移动群体中，长期交互结构包含一个主导强连通分量，它决定了整个群体的集体速度。当子群相遇时，跟随子群会与主导子群的速度对齐并继承其速度。重复合并自然形成大群，其速度预测低于原子群平均速度。该理论统一解释了群体形成、维持及几何特征，并对三维追踪数据提出了可检验的预测。
贝叶斯反演应力显微镜：无需假设细胞流变学的组织应力测量新方法
本研究提出并验证了贝叶斯反演应力显微镜（BISM），这是一种用于测量生物组织内部应力的新方法。该方法通过测量细胞在体外产生的牵引力，无需对细胞流变学做出假设，即可计算出绝对应力。研究证明BISM适用于多种实验条件，包括任意形状的受限组织和由不同细胞类型组成的单层细胞，为理解力学力在形态发生、集体迁移等基本生物学过程中的作用提供了有力工具。
Hierarchical Molecular Language Models (HMLMs): 用AI语言模型解码细胞信号网络
本研究提出了一种新颖的分层分子语言模型（HMLM），将细胞内复杂的信号网络（包含分子、蛋白质相互作用、翻译后修饰等）视为一种专门的“分子语言”，并利用经过改造的Transformer架构进行建模。HMLM通过图结构注意力机制适应信号网络拓扑，并通过分层注意力模式整合分子、通路和细胞尺度的信息。在一个包含超过100个分子物种的心脏成纤维细胞信号网络上，HMLM在时序信号预测任务中表现优异，其均方误差（0.058）比图神经网络（0.083）和常微分方程模型（0.121）分别提升了30%和52%，且在稀疏时间点采样条件下优势更明显。该模型为AI驱动的系统生物学和精准医疗应用提供了新范式。
对称性如何塑造涌现的层级结构：从物理系统到认知推理
本文提出，复杂系统中普遍存在的嵌套式层级涌现现象，其根源在于底层的对称性。结合信息论、群论和统计力学原理，研究发现，与对称群等变的动力学过程会自发产生宏观层级，其结构由对称性的子群决定。有趣的是，相同的对称性也塑造了贝叶斯信念，形成了可在不同分辨率下自主更新的抽象信念层级。研究以Hopfield网络和Ehrenfest扩散为例，展示了熟悉的宏观量如何从其对称性中自然涌现。这些结果表明，对称性为涌现提供了根本机制，并在客观过程与认知过程之间建立了结构对应，使得原本计算上难以处理的推理问题变得可行。
基于Mamba架构的无线可穿戴设备实现高精度睡眠呼吸暂停检测
本研究提出了一种基于Mamba架构的深度学习模型，用于利用ANNE One无线可穿戴设备（采集心电、加速度、温度、光电容积脉搏波等多模态信号）进行睡眠呼吸障碍的诊断和事件级分析。在384名成年人的同步多导睡眠监测数据上验证，模型预测的呼吸暂停低通气指数与金标准高度相关（R=0.95），在AHI>5和>15的临床阈值下表现出高敏感性和特异性，并能有效识别30秒时段内及单个呼吸事件，为无创、便捷的家庭睡眠监测提供了新方案。
电压门控钠通道亚型如何影响神经元动作电位稳定性
本研究通过结合六态马尔可夫钠通道模型与KV3.1钾通道模型，系统分析了九种NaV亚型对动作电位产生的稳定性影响。利用分岔理论和局部稳定性分析，研究绘制了稳定极限环区域，并通过热图可视化兴奋性图谱。结果显示，NaV1.3、NaV1.4和NaV1.6亚型支持广泛的兴奋性区域，而NaV1.7和NaV1.9亚型则表现出最小的振荡行为。
儿童HD-tDCS个性化优化：实现剂量一致性与靶点精准调控
本研究针对儿童高清经颅直流电刺激（HD-tDCS）剂量依赖经验性方案、忽视发育解剖差异的问题，基于70个儿童头部模型进行仿真。研究发现，标准方案会导致靶点电场强度随年龄显著降低，并存在与组织体积相关的性别差异。为此，团队提出了一个兼顾发育特点的双目标优化框架，能生成个性化的帕累托前沿，权衡电场强度与聚焦性。基于此框架，研究提出了两种实用的剂量处方策略：一是剂量一致性策略，首次实现跨个体靶点强度固定，以隐式抵消人口统计学效应；二是靶点参与策略，在安全限制下最大化靶点强度。两种策略对组织电导率的大幅变化均保持稳健，且密集电极方案在靶点参与策略下可简化为稀疏等效方案而不损失性能。研究还发现组织电导率敏感性具有深度依赖性。这些结果为儿科HD-tDCS规划建立了一个原则性框架，明确考虑了发育解剖和生理不确定性，有望实现儿科人群可靠且个体化的神经调控剂量。
有向超图上的单纯复形涌现：自适应高阶网络何时可被单纯描述？
本研究探讨了定义在有向超图上的自适应高阶网络在何种条件下可被单纯复形描述。通过利用对称群表示论，将时变权重张量分解为对称、反对称及混合分量，并追踪其Frobenius范数以定义三种渐近状态。在对称或反对称极限下，研究证明了单纯复形的涌现与稳定性；在混合极限下，最小忠实对象是半单纯集。该工作为在自适应高阶系统中合理应用同调工具提供了严格条件。
二维非零曲率Cayley-Klein代数的Witt型向量场实现
本文提出了多种具有非零曲率的二维Cayley-Klein代数的Witt型向量场实现。这些向量场的表达式涉及雅可比椭圆函数，其模量与从双正交向量集获得的相应矩阵表示中的参数直接相关。研究首先在模量值位于单位区间(0,1)内时获得实现，其中双正交性参数起着关键作用。随后，借助模变换，获得了涉及任意模量的实现。
拓扑递归的显式ABCD张量表达与算法实现
本研究为最经典的谱曲线类提供了ABCD张量的显式表达式，并讨论了拓扑递归的算法实现。这项工作通过明确关键数学对象，为理论物理和数学物理领域的研究者提供了更直接的计算工具，有望推动相关领域数值计算和理论验证的进展。
信息几何视角下的公平机制设计：实现等几率约束
本研究探讨了在无法直接获取敏感属性数据的情况下，如何设计满足等几率公平性约束的机制。代理通过处理与敏感属性相关的数据，生成一个表征，要求该表征在给定任务条件下与敏感属性条件独立。研究引入几何结构约束敏感属性与表征之间的相关性，并利用信息几何方法，在小阈值条件下将互信息近似并转化为可求解的二次规划问题。对于更一般的情况，则提出了基于矩阵最大奇异值的低复杂度下界。
Schwartz空间构造新进展：L-群表示下的函数空间理论
本文针对Braverman、Kazhdan和Ngô关于Schwartz空间的猜想取得重要突破。研究在非阿基米德局部域上成功构造了与L-群表示ρ相关的Schwartz空间𝒮_ρ(G(F))，并在阿基米德域上给出了近似构造。该空间具备傅里叶变换等关键性质，其证明方法本质上是谱理论的运用，推进了自守形式与表示论领域的基础理论。
分裂图的零空间结构及其代数刻画
本文研究了分裂图邻接矩阵的零空间性质，引入了决定团顶点是否出现在核特征向量支撑中的团核子空间概念。证明了该子空间至多一维，并给出了零度的分解公式 null(Sp) = null(R) + dim(Cker(Sp))，完全用二分邻接子矩阵 R 描述了分裂图的奇异性。通过摆动顶点分析了不平衡分裂图，刻画了其核支撑结构，并研究了 Tyshkevich 复合下的零空间行为，利用 Schur 补推导了行列式的闭式公式。
社会对流行病的反应可能遵循混沌动力学规律
本研究将经典的洛伦兹系统重新解释于社会流行病学背景中，模型由感知感染、社会传播行为和过去风险记忆之间的非线性相互作用驱动。分析表明，感知或行为的微小波动可能引发稳定、振荡和混沌集体响应之间的转变。社会对流行病的反应可能遵循内在的动力学规则，产生复杂的警惕、疲劳和重新关注模式，这反映了在真实疫情中观察到的不规则节奏。
纤维旋转数的显式公式及其在安德森模型中的应用
本文提出了一个关于纤维旋转数增量的显式公式，该公式适用于遍历变换下的一参数圆上循环族，并通过不变测度表达。作为应用，该公式为圆上随机动力系统的旋转数增量提供了基于平稳测度的表达式。对于与安德森模型相关的投影薛定谔循环，该结果建立了射影空间上平稳测度性质与相应算子族的积分态密度（IDS）之间的联系，从而为安德森模型中IDS的Hölder正则性提供了动力学证明。最后，作者证明了具有遍历背景的安德森模型的IDS必须是Hölder连续的。
严格凸射影几何中尖点全纯的完整刻画
本文对凸射影几何中严格凸尖点和圆尖点的全纯给出了完整的刻画。研究者构建了与每个严格凸或圆尖点相关的非最大秩广义尖点族，并扩展了广义尖点的定义以允许基本群是虚拟可解的，同时首次构造了基本群非虚拟幂零的此类例子。结合另一篇论文，该工作使得构建基本群为任意有限生成虚拟幂零群的严格凸尖点和广义尖点成为可能，并对相对Anosov表示理论产生了有趣的影响。
代数群作用在混合紧化空间上的推广及其在有理映射模空间的应用
本文研究了代数群在代数簇上的作用如何推广到由混合Berkovich空间构造的紧化空间上。作者刻画了作用良好定义的子集，并证明了该子集在群作用下的商空间同胚于商簇的紧化。特别地，将结果应用于有理映射空间Rat_d及其模空间M_d，推广了Favre和Gong的工作，并得到了一个边界由非阿基米德有理映射轨道构成的模空间紧化。该结果在非平凡赋值域上同样成立。
有理点逼近超曲面的新下界：非退化C^4超曲面的有理逼近研究
本研究在非退化C^4超曲面中刻画了有理二次曲面，并证明对于非有理二次曲面的超曲面，其附近有理点数量的下界得到了改进，提高了先前Beresnevich和Huang结果的灵敏度。方法基于动力学系统，应用Ratner定理于一参数幂幺子群，并研究了SL_n(Q)中实点集包含此类子群的代数子群。
LinUCB算法的统计推断：自适应采样下的渐近正态性证明
本研究证明了线性置信上界（LinUCB）算法在自适应采样下具有稳定性，其估计误差的极限分布满足渐近正态性，收敛速度为T^{-1/4}。通过精细分析特征协方差矩阵的特征值/向量行为，发现其可分解为锁定真实参数的一维方向与近似各向同性的主体部分。基于此建立的Wald型置信区间和假设检验不依赖于特征协方差矩阵，且比现有非渐近置信集更紧。数值模拟验证了理论结果。
模型论视角下的冯·诺依曼代数群作用与交叉积研究
本研究在作者先前工作的基础上，开启了W*-动力系统的模型论研究。文章为局部紧豪斯多夫群在冯·诺依曼代数上的连续保权群作用建立了公理化体系，并确保超积构造下群作用的连续性得以保持。基于Tomatsu定理，证明了连续超积与交叉积构造可交换。此外，研究还深入探讨了上述公理体系及交叉积表示的“可计算性”，展示了交叉积作为生成可计算表示的有力工具，特别关注了Murray和冯·诺依曼的群测度空间构造，从而建立了与可计算动力学及可计算测度论的有趣联系。
Schatten p-类理想中的半内积与角度研究
本文在 Giles 和 Lumer 提出的半内积空间框架下，研究了 p>1 时的 Schatten p-类理想。通过关联的半内积视角，探讨了 Birkhoff-James 正交性、p-平行性及其相关性质。研究引入了一种适用于该背景的新角度概念，推广并统一了赋范空间中现有的角度定义，深化了对 p-Schatten 类几何结构的理解，并为半内积空间中算子行为提供了新视角。
X-SYCON：受木质部启发的无通信群体响应架构，用于动态灾害环境
本研究提出X-SYCON，一种受植物木质部启发的多智能体架构，其协调性源于被动的场动力学，而非显式规划或通信。灾害需求与障碍物持续写入扩散与衰减的标量场，智能体贪婪地追踪局部效用函数。该架构在动态、部分阻塞的模拟环境中表现出低遗漏率与稳定吞吐量，并具有可解释、可调谐的性能权衡。研究推导出特征水力长度尺度可预测连续近似中的招募范围，并提供了与团队规模亚线性容量扩展一致的工作守恒界限。
从粗到精的非刚性配准框架提升侧扫声纳图像拼接精度
针对侧扫声纳图像拼接中因复杂采集条件导致的非线性、空间变化畸变问题，本研究提出了一种从粗到精的分层非刚性配准框架。该方法通过全局薄板样条初始化、超像素引导的图像分割，以及基于预训练SynthMorph网络的局部无监督细化，实现了对稀疏纹理声纳数据的鲁棒、密集且平滑的对齐。实验表明，该框架在精度、结构一致性和变形平滑度上均显著优于现有方法。
螺旋波导理论新进展：含介质核心的精确计算模型
本研究填补了螺旋波导理论中的一个长期空白，首次推导出包含特定介电常数和磁导率介质核心的螺旋波导的精确计算公式。论文提出了确定波导慢波因子的方程及其数值解法，并给出了波阻抗的显式公式，为相关微波器件的精确设计与分析提供了关键理论工具。
利用巧合代数丛计算伽马射线能谱的级联衰变概率
本研究提出了一种新的代数框架——巧合代数丛，用于精确计算复杂衰变纲图中的伽马射线级联符合概率。该方法将衰变纲图建模为箭图，并扩展了传统的路径代数，允许计算非直接相连能级间的跃迁概率。核心创新在于定义了“巧合代数”作为纤维，构建了以路径代数为底空间的纤维丛结构，从而为核物理实验数据分析提供了更普适的数学工具。
物理约束回归：从图像测速到湍流建模的三大教程
本章提供了三个关于物理约束回归的教程练习，旨在模拟三个重大挑战领域的简化问题：图像测速中的速度场超分辨率与数据同化、数据驱动的湍流建模，以及用于预测与控制的系统辨识与数字孪生。所有练习的Python代码均已提供。
超图中心性度量首次系统综述：39种方法分类与实证评估
本文首次对超图中的中心性与重要性度量进行了系统性综述，填补了该领域缺乏统一框架的空白。研究提出了一个新颖的分类法，将39种度量方法分为结构型、功能型和情境型三类，并对其进行了实证相似性与计算时间的比较评估。这项工作为理解复杂系统中的高阶交互提供了清晰的路线图，对生物和社会网络分析具有重要价值。
原子轨道压缩算法：大幅降低密度泛函理论计算成本
本研究开发了一种基于自然原子轨道的压缩算法，用于密度泛函理论计算。该算法通过分析密度矩阵的原子块，筛选并丢弃占据数低于阈值的轨道，从而在保持计算精度的前提下显著压缩基组维度。测试表明，使用四重zeta基组时，压缩因子可达2.5至4.5倍，而相对能量误差通常低于0.1 kcal/mol。该方法有望大幅降低大规模量子化学模拟的计算负担。
轮盘曲线、硬币悖论与亚里士多德轮悖论：几何直觉与数学推导
本文探讨了轮盘曲线的概念，即一个曲线沿另一曲线无滑动滚动时，其上固定点所生成的轨迹。作者以硬币悖论和亚里士多德轮悖论作为教学切入点，深入讨论了外摆线和内摆线的参数方程，旨在为这些曲线的数学推导和计算实现提供几何直觉。文中还提供了Python代码，以激励读者应用推导出的参数方程，从而生成具体的可视化和动画效果。
跨几何迁移学习加速电磁簇射模拟
高能物理中精确的粒子簇射模拟是计算瓶颈。传统蒙特卡洛方法计算成本高，而现有机器学习模型通常与特定探测器几何结构绑定，难以复用。本研究提出一种生成式量能器模拟的迁移学习框架，利用点云表示和国际大型探测器数据进行预训练，使模型能高效适应不同几何结构。在CaloChallenge数据集上，仅用100个目标域样本进行迁移学习，相比从头训练，Wasserstein距离的几何平均值提升了44%。仅更新17%模型参数的偏置微调方法也取得了有竞争力的性能。该工作为点云方法在量能器模拟中的未来发展奠定了基础。
二维手性磁振子谐振器实现纳米级神经元功能
本研究通过微磁模拟，首次在二维手性磁振子谐振器中实现了神经元功能。设计利用钇铁石榴石介质中传播的自旋波与坡莫合金纳米元件边缘模式的非线性共振散射。边缘模式降低的频率和体积便于与钇铁石榴石模式匹配，并引发其广角散射。随着入射自旋波振幅增加，边缘模式呈现正非线性频移，导致不同方向散射波振幅和相位产生复杂的频率依赖非线性变化。研究表明，散射波强度足以激活次级神经元，为构建二维磁振子神经网络提供了所需的连接性。
城市路网结构如何驱动登革热传播：基于巴西累西腓的贝叶斯空间分析
本研究通过计算城市路网的“可通信曲率”这一图论指标，分析了巴西累西腓（2015-2024年）登革热发病率与网络结构的关系。研究将曲率指标整合入负二项模型、固定效应回归、空间自回归模型及分层贝叶斯模型（INLA/BYM2）中。结果显示，在所有模型中，网络曲率是登革热风险最强且最稳定的预测因子。在BYM2模型中，传统的基于地理邻接的空间结构成分几乎消失，表明登革热的传播主要依赖于网络介导的结构性流动，而非单纯的地理邻近性。
基于算子学习的可解释模型提升放电电场分布重建精度
本研究提出了一种新型机器学习模型Decoder-DeepONet（DDON），用于解决EFISH方法中的电场分布反演问题。该模型基于算子学习架构，能够学习函数到函数的映射，从而更准确地重建未知形状的电场分布。与先前使用的ANN、CNN模型及经典数学方法相比，DDON在放电模拟和纳秒脉冲放电实验数据中均表现出更好的泛化能力、更高的预测精度和更广泛的适用性。模型对数据采集位置不敏感，甚至能从“不完整”的输入信号中重建电场。研究还利用积分梯度法识别了对重建精度最关键的信号区域，为优化EFISH数据采集提供了指导。
非单调流体库埃特流动的线性稳定性分析
本研究分析了应力-幂律流体（具有非单调应力-应变率关系）中平面库埃特流动的线性稳定性。基于非凸耗散势的热力学框架，研究发现：在纯速度边界条件下，系统可能存在三个稳态解，其中位于本构曲线上升支的两个解无条件稳定，而下降支的解无条件不稳定。在混合牵引力-速度边界条件下，基态解唯一，其稳定性完全取决于给定的牵引力位于本构曲线的上升支（稳定）还是下降支（不稳定）。结果表明，这类复杂流体的流动稳定性根本上由边界条件和本构非单调性共同决定。
空间维度如何影响湍流？六维模拟揭示非混沌湍流现象
本研究通过直接数值模拟，探究了空间维度对不可压缩Navier-Stokes方程湍流特性的影响。研究发现，随着维度升高，系统的李雅普诺夫指数下降，在六维空间中即使雷诺数达到40，系统也呈现非混沌状态（λ<0），但仍表现出非高斯统计等典型湍流特征。此外，小尺度扰动无法延伸至大尺度，且关联与解关联的临界尺度随维度增加而缩小，这可能与涡旋拉伸速率增加有关。
空间声子：为DESI数据构建的现象学粘性暗能量模型
本研究提出了一种将空间视为具有均匀张力的弹性膜的新暗能量模型。该模型包含一个纵向声子流体，其背景行为由两个无量纲参数控制，可再现具有特定能量密度和声速的完美流体。通过引入依赖于哈勃参数的弛豫时间尺度，模型纳入了耗散效应，表现为一种瞬态的、在特定能标附近活跃的粘性压，并导致暂时的“幽灵”偏离。研究在ΛCDM背景下扫描参数空间，发现一组参数能使模型有效状态方程在DESI重子声学振荡测量相关的红移范围内，紧密追踪DESI偏好的参数化形式。
广义相对论路径效应与局部哈勃膨胀的新模型
本研究提出了一种描述低红移光子传播的有效映射方法，旨在捕捉偏离标准FLRW红移的主要路径依赖效应。该方法不依赖于萨克斯光学方程的精确积分，而是通过引入一个最小变形的红移关系 z_eff(z) = z - α·f(z) 来封装不均匀潮汐场对累积萨克斯红移的主要贡献。该框架为路径依赖的红移漂移提供了清晰的广义相对论描述，并对即将开展的低红移巡天观测给出了具体预测。
MESA恒星演化模型的重力变暗指数更新
本研究利用MESA恒星演化代码，计算了从零龄主序到巨星阶段多个质量恒星的重力变暗指数β。模型采用特定化学组成、不透明度和混合长参数，覆盖1.0至20.0太阳质量范围，为先前基于旧模型的结果提供了重要更新。
暗物质晕核心坍缩新机制：早期宇宙形成的‘瞬时尖峰’起关键作用
本研究通过高分辨率N体模拟，探讨了自相互作用暗物质（SIDM）晕的演化。研究发现，存在于每个暗物质晕中心的‘瞬时尖峰’（由早期宇宙过密度直接坍缩形成）对核心的形成与坍缩过程有显著影响。早期，更显著的尖峰会因内区速度弥散梯度较小而延迟核心形成约2倍时间；在坍缩阶段，晕的演化在物理时间上趋于一致，但密度和半径尺度会重新标度。研究揭示了内、外晕剖面在驱动核心坍缩中的复杂相互作用。
盖亚天文测量揭示原行星盘内尘埃空洞的伴星分布
本研究利用盖亚卫星的天文测量数据，对98个具有内尘埃空洞的原行星盘（过渡盘）进行伴星搜寻。通过分析自行异常，发现32%的样本存在伴星信号，其中85%的已知伴星被成功探测。建模显示多数伴星质量大于30倍木星质量，处于或接近恒星质量范围，仅7个系统存在行星质量伴星。约半数已探测伴星无法解释观测到的尘埃空洞成因，表明若空洞由伴星塑造，其可能位于更远轨道且质量更小。
暗物质天体与轴子微晕如何加热宇宙气体：21厘米信号探测新途径
本研究探讨了暗物质天体与轴子微晕通过动力学摩擦加热宇宙重子气体的物理过程，并评估了利用21厘米氢谱线观测探测此类效应的潜力。研究发现，即将开展的21厘米实验（包括全局信号和功率谱测量）能够探测到质量在10^2至10^5太阳质量之间、占暗物质总量约10%的暗致密天体，并能显著提升对质量在10^{-18}至10^{-9} eV范围内的类轴子粒子的探测灵敏度。这为利用宇宙黎明时期的21厘米信号探测暗物质性质开辟了新窗口。
湍流分子云中核心间距不由声速尺度决定
本研究通过湍流模拟（马赫数4和8，三种湍流驱动波数）检验了分子云中致密核心的典型间距是否由声速尺度（湍流速度弥散等于声速的尺度）决定。通过柱密度图的树状图分析识别致密核心，并将其间距与速度结构函数测量的声速尺度进行比较。结果表明，核心间距与声速尺度或驱动尺度均无统计相关性，其值分布在这两个尺度之间的整个范围。这表明湍流主导云中的碎裂并不由湍流级联中的某个内禀尺度支配，对将声速尺度作为恒星形成理论中的预测量提出了质疑。
ALMA观测揭示原恒星周围三条神秘尾迹，挑战孤立恒星形成模型
ALMA对原恒星[BHB2007]1的最新观测揭示了其周围至少存在三条延展结构。其中两条对称结构可能源于外流或与邻近系统的相互作用，但其未束缚的运动学特征难以解释。关键发现是第三条向西的准直结构，其引力束缚的向内吸积流证据确凿。估算表明，该吸积流将使可用于行星形成的物质质量翻倍，并使原行星盘倾斜数十度。其与原行星盘中平面的不对齐及缺乏弥散包层发射，表明它可能源于对与恒星诞生核无关的云物质的引力捕获。这些发现共同支持了恒星形成是一个持续受环境相互作用的动态过程。
利用光子灯笼零值器进行系外行星直接探测的角差分后处理算法分析
本研究针对新型系外行星直接成像仪器——光子灯笼零值器（PLN）的数据特点，改进了传统的角差分成像（ADI）技术。由于PLN产生的一维数据缺乏旋转不变性且与恒星残余光高度重叠，传统方法在近距离探测时会产生强烈的自减效应。作者利用主成分分析重新构建了ADI算法，并提出在恒星信号估计前注入反行星信号的方法，有效提升了在模拟数据中定位近距离行星的能力。
光学干涉技术揭示大质量恒星的多重性、磁场与星风结构
经过数十年的发展，光学长基线干涉技术已成为一种成熟且用户友好的主流观测手段。该技术开启了新的观测窗口，能够以亚天文单位的分辨率直接测量大质量恒星的轨道参数、星风结构及磁现象。本文综述了干涉技术在大质量恒星研究中的最新进展，重点关注其多重性、磁场和星风特性。
基于深度神经网络的高精度弱稳定边界结构识别方法
本文提出了一种基于深度神经网络的高效、高精度方法，用于识别天体力学中的弱稳定边界结构。该方法首先分析了WSB结构的几何与动力学特性，以指导神经网络模型的训练。通过优化超参数组合，模型在代表性测试数据集上的识别精度达到97.26%至99.91%。该方法克服了传统数值与解析方法在计算效率与识别精度上难以兼顾的局限，为分析弹道捕获和构建低能量转移轨道提供了更优的工具。
最大熵与Zonotope方法：量化产业异质性的新框架
本研究提出了一种整合最大熵估计与Zonotope度量的新框架，用于估计产业异质性。该方法克服了传统生产函数参数模型的限制，利用世界银行企业调查数据，通过归一化熵值量化异质性，并与基于Zonotope的基尼指数进行比较。结果表明，最大熵方法在捕捉细微的功能性异质性方面优于传统技术，并通过“切线法”动态评估行业内的技术变化。该框架为使用企业级数据进行纵向分析提供了更精确、更具经济意义的产业异质性度量。
为原住民设计公平的养老金：长寿风险分担模型揭示隐性补贴
本文针对加拿大原住民等预期寿命较低的群体，提出了一种“公平长寿风险分担”（ELRiS）养老金模型。研究通过随机模型证明，与原全国性养老金相比，预期寿命低10年的群体仅需缴纳约三分之二的保费，即可在30人的小规模风险池中获得同等终身效用。这揭示了现行制度下原住民向非原住民提供的隐性补贴，为改革不公平的养老金政策提供了量化依据。
强化学习优化油气勘探信息投资策略：早期获取高质量信息可提升经济效益
本研究利用多智能体深度强化学习框架，对油气勘探中传统的“阶梯式”信息投资策略提出挑战。通过模拟上游价值链（竞标、勘探、开发），研究发现，在项目早期优先获取高质量信息资产，能显著降低冗余数据采集成本，并提高储量评估精度。尤其在竞争激烈的环境中，该策略通过更精准的投标有效缓解“赢者诅咒”，其经济效益在资本配置最关键的开发阶段最为显著。这表明最优投资时机更依赖于市场竞争结构，而非单纯的价格波动。
可解释机器学习在宏观经济与金融即时预测中的应用：面向商业与政策的决策级框架
本文探讨了机器学习在宏观经济即时预测中的应用，强调在高风险决策场景中，预测准确性必须与模型可解释性和稳健的不确定性量化相结合。文章系统比较了惩罚回归、降维技术、树集成、神经网络与传统计量经济学模型在处理小样本、共线性、混合频率数据和制度转换等方面的表现，并评估了可解释性工具的时间稳定性与符号一致性。研究提出了一个包含数据版本管理、时间感知验证和自动化可靠性审计的“决策级”即时预测参考工作流，将可解释ML和不确定性量化确立为负责任预测流程的核心组成部分。
非参数回归推断新方法：更短的置信区间与准确覆盖率
本文针对非参数回归估计（如断点回归设计）中存在的渐近偏差问题，提出了一种基于预枢轴化的新推断方法。该方法通过隐式偏差校正和标准误调整，构建了比现有稳健偏差校正区间更短的置信区间（例如使用Epanechnikov核时长度减少17%），同时保持准确的覆盖率。新方法适用于内部点和边界点、不同带宽选择以及多种回归变量和误差项分布。
智能商务时代下忠诚度联盟的架构困境与混合解决方案
本文指出，尽管联盟忠诚度计划旨在实现跨品牌互操作性，但约60%在十年内失败，其根源在于中心化运营商模型存在根本性架构缺陷。研究认为，在AI代理主导商务的智能驱动范式下，无论是封闭系统还是传统联盟都无法满足对无需信任、基于协议的协调需求。为此，作者提出一个混合框架，允许品牌保留对其计划的自主控制权，同时通过无需信任的交换机制实现跨品牌互操作性，从而在保留封闭系统优势的同时，获得开放系统的益处。
OECD国家能源三难指数聚类分析：揭示各国能源转型表现差异
本研究运用k-means聚类方法，基于能源三难指数对OECD国家进行分析。通过肘部法与轮廓系数确定最优聚类数，将国家分为高、中、低表现组。结果显示，丹麦、芬兰等国在能源安全、公平与环境可持续性间达到高度平衡，而墨西哥、土耳其等国则面临显著挑战。研究为各国能源政策评估提供了量化比较框架。
美国公众意识形态极化新测度：过去三十年持续加剧
本研究基于调查回应的联合分布，提出了一种衡量公众意识形态极化的新测度。极化在观点集中于对立两端且跨议题意见高度相关时达到最大。应用该测度发现，过去三十年间美国公众极化持续加剧，主要源于普遍性分歧的增加，而非维度坍缩。值得注意的是，这种加剧无法简单归因于民主党与共和党、性别、地域、教育或其他人口统计分野上的意见分歧。
电商平台竞争下定价与库存决策的行为偏差研究
本研究通过理论与实验，分析了数字商务平台上零售商在需求不确定和竞争环境下的定价与库存决策。理论预测高利润和需求不确定性会加剧价格竞争，库存决策受利润率影响。然而，实验发现参与者普遍不愿进行价格竞争，倾向于协调在锚定价格上，且定价对需求不确定性不敏感。库存决策同样与价格脱节，并表现出向中心靠拢的经典行为偏差。研究揭示了竞争环境下决策环节的割裂及行为因素的重要性。
全球银行冲击如何影响新兴市场：从宏观到微观的传导机制
本研究探讨了全球银行净资产冲击对新兴市场经济体的传导机制。利用高频识别策略，研究发现正向冲击会推高当地货币汇率、降低外部借贷成本、增加流向国内银行业的资本，并最终提升投资、信贷和实体经济活力。基于乌拉圭信贷登记数据的微观分析进一步揭示，资本充足率更高的银行对全球信贷宽松的传导作用更强，而高杠杆、拥有外币债务或短期债务的企业反应则更弱。
全球研究：网络犯罪立法如何增强银行体系稳定性
一项涵盖132个国家的实证研究发现，网络犯罪立法的颁布能显著增强银行体系的稳定性。这种积极效应在处罚更严厉、要求银行对自身网络安全负责、且国际合作与执法机制更完善的国家尤为明显。研究揭示了两个关键作用渠道：网络犯罪法律通过提升银行的资金流动性并降低运营风险，从而增强其稳定性。该研究为理解法律框架在构建安全、有韧性的金融环境中的关键作用提供了新证据。
虚拟可观测性：顺序决策如何影响行为
本研究通过实验检验了在均衡唯一的博弈中，决策顺序（虚拟可观测性）是否仍会影响行为。实验使用了旅行者困境和信任博弈。研究发现，在不可观测的序贯旅行者困境中，先动者的行为比同时行动版本更接近均衡预测；而在信任博弈中，不可观测的决策顺序对行为没有影响。
印度迈向2047年发达经济体的增长路径与财政可持续性研究
本研究探讨了印度在2047年前实现“发达印度”愿景所需的财政与宏观经济战略。为实现目标，印度需维持7%-8%的年均GDP增长，并将财政赤字控制在GDP的3.5%以下。研究强调，严格的财政管理对基础设施、人力资本和技术创新等关键公共投资至关重要。鉴于国内资源动员的局限，世界银行、IMF等多边金融机构通过优惠融资和技术合作，对扩大印度财政空间具有重要作用。
经济自由如何影响全球FDI流入？对156个国家的研究发现
本研究通过1995-2016年间156个国家的面板数据分析，探讨了经济自由对全球及区域外商直接投资（FDI）流入的宏观影响。研究特别纳入了以往常被忽视的脆弱与冲突影响国家、撒哈拉以南非洲、大洋洲及后苏联国家。固定效应模型显示，在全球层面，经济自由每提升一个单位，FDI流入平均增加1.15个单位。所有9个区域的分析均表明经济自由对FDI有显著正向影响，其中欧洲国家影响最大，而脆弱冲突国家、撒哈拉以南非洲和大洋洲国家影响相对较小。
菲利普斯曲线在衰退期失效：基于41国面板数据的实证分析
本文对1980-2016年间41个国家的经典预期增强型菲利普斯曲线进行了实证分析，并区分了平稳期与衰退期。研究发现，菲利普斯曲线的动态关系在衰退期间发生变化，经验关系不再成立，这支持了关于“消失的通缩”和菲利普斯曲线崩溃的持续争论，但仅限于衰退期。在平稳期，该经验关系似乎仍然有效。此外，研究还观察到，在衰退期间，通胀的后顾性和前瞻性部分均获得更大的权重和显著性。
稳定投票与循环分裂：SAT求解器验证投票理论猜想
本研究通过SAT求解器验证了关于投票理论中“简单稳定投票”方法的一个猜想。该猜想认为，当没有平局时，简单稳定投票是分裂循环方法的一种精炼。研究证明该猜想在候选者不超过6人时成立，但在超过6人时被证伪。这一成果不仅解决了计算社会选择领域的一个开放性问题，也为利用自动推理技术检验投票规则性质提供了通用编码框架。
DeFi TrustBoost：区块链与可解释AI构建可信去中心化金融决策框架
本研究提出DeFi TrustBoost框架，结合区块链与可解释AI技术，旨在解决金融机构为低财富家庭的小企业贷款申请提供信贷服务时面临的挑战。该框架重点满足区块链与AI系统的四大核心要求：数据机密性、符合数据保护法规、抵抗对抗性攻击以及满足监管审计。它提出了一种用于自动化AI决策防篡改审计的技术，以及一种链上链下数据存储策略，以促进金融组织内外的协作。
基于Qwen3-8B与rLoRA优化的金融文本分类模型
本研究评估了大型语言模型Qwen3-8B在金融文本分类与情感分析任务上的性能。通过结合指令微调、嵌入层噪声注入（Noisy Embedding Instruction Finetuning）以及秩稳定低秩优化（rLoRA）与FlashAttention技术，模型在提升鲁棒性的同时实现了高效训练。实验表明，Qwen3-8B在分类准确率上超越了T5、BERT、RoBERTa及多个7B规模大模型基线，且所需训练轮次更少，为实时金融NLP应用提供了一个可扩展且经济的解决方案。
极端风险预测的稳健评估框架：解决罕见事件评估难题
本文针对罕见事件（如极端金融风险）预测评估的挑战，提出了一套“罕见事件稳定”（RES）评估指标。传统指标（如F1分数、AUPRC）在事件发生率极低时会失效，其最优决策阈值会退化，导致评估结果被类别不平衡主导。RES指标通过确保最优阈值在事件概率趋近于零时仍保持在严格内部区间，从而在极端罕见情况下提供一致且可解释的决策规则。模拟实验和信用违约应用表明，RES指标在事件概率低至百万分之一时仍能保持稳定的阈值和模型排序，而传统指标则出现显著的结构性崩溃。
S型效用下随机占优约束优化：劣表现区域算法与神经网络求解
本研究针对S型非凹效用最大化问题，探讨了在一阶和二阶随机占优约束下的静态投资组合选择。对于一阶约束，给出了最优解的显式表达。针对二阶约束下Sion极大极小定理失效导致的解析求解困难，提出了一种数值算法，其核心是识别并修正违反约束的“劣表现区域”分布，从而获得可行的次优解。金融洞见在于，决策者应在劣表现情景下遵循占优约束，而在其他情景执行无约束最优策略。最后，开发了算法引导的分段神经网络框架来学习该问题的解，相比标准神经网络方法收敛更快。
稳定币市场中的政治风险预警信号：2024年美国大选前后的人类与算法行为
本研究将2024年美国总统大选视为重大政治风险事件，通过区分人类驱动的点对点稳定币交易与自动化算法活动，分析其对加密货币市场的影响。研究发现，人类驱动的ERC-20交易在选举前两天（11月3日）就出现结构性转变，而交易所交易量直到选举日才反应。自动化智能合约活动调整更晚，结构性转变出现在2025年1月。研究通过替代数据稳健性检验验证了这些转变，并利用比特币和以太坊的能谱分析确认了选举后的市场动荡。结构向量自回归模型证实了稳定币动态存在制度性转变。总体而言，人类驱动的稳定币流动可作为政治压力的早期预警指标，领先于交易所行为和算法响应。
CORE开发机器学习工具，自动识别和提取学术论文中的数据访问声明
为应对日益重要的数据共享要求，CORE与存储库社区合作开发了一个机器学习模块。该工具能够从全文文章中自动识别和提取数据访问声明，并将其编码为元数据。此举旨在减轻人工处理负担，提高元数据质量，支持资助机构的数据共享政策，并最终促进研究数据的可发现性和重用。
DREAMer-VXS：基于世界模型的自主地面车辆高效探索框架
本文提出DREAMer-VXS，一种基于模型的自主地面车辆探索框架，旨在解决传统无模型强化学习样本效率低、鲁棒性差的问题。该方法通过学习一个包含卷积变分自编码器和循环状态空间模型的综合世界模型，从高维激光雷达观测中学习环境结构和时序动态。利用该模型作为高速模拟器，智能体可在“想象”中训练导航策略，从而将策略学习与现实交互解耦。实验表明，相比前沿的无模型方法，该方法将实现专家级性能所需的环境交互减少了90%，并在未知环境中实现了45%的探索效率提升，展现出更强的泛化性和鲁棒性。
MRSeqStudio：基于Web的免费开源MRI序列设计与仿真平台
本文介绍了MRSeqStudio，一个集成的、基于Web的MRI序列开发与仿真工具。该平台后端采用基于物理的仿真器KomaMRI，前端提供自主设计的序列编辑器，将可访问性、交互性和技术灵活性相结合，适用于教育和研究场景。用户无需本地安装即可使用服务，也可通过GitHub获取代码自行部署。
面向同构边缘设备的硬件感知DNN压缩框架HDAP
本文提出HDAP框架，旨在解决同构边缘设备因使用环境、配置差异等导致性能分化后，现有DNN压缩方法无法保证所有设备均获得良好性能的问题。HDAP通过将海量设备聚类，并采用代理评估替代实时硬件评估，大幅降低了优化成本。在Jetson系列设备及多种网络上的实验表明，HDAP在保持精度的同时，能显著降低模型平均延迟。
XFlowMP：基于薛定谔桥的任务条件化运动场生成机器人规划
本文提出XFlowMP，一种任务条件化的生成式机器人运动规划器。它将机器人轨迹演化建模为熵流，利用薛定谔桥在给定任务配置下，连接随机噪声与专家演示。该方法结合条件流匹配与得分函数，学习编码起点-目标配置的高阶动态运动场，从而生成无碰撞且动态可行的运动。在RobotPointMass基准测试中，相比次优基线，XFlowMP实现了最大平均差异降低53.79%，运动平滑度提升36.36%，能耗降低39.88%，同时短时规划时间减少11.72%。在LASA手写数据集的长时程运动及Kinova Gen3机械臂真实场景中，也验证了其优越性能与鲁棒性。
去中心化无线网络中的信任危机：攻击行为分类与收益分析
本文系统研究了新兴的去中心化无线网络中存在的安全威胁。由于缺乏传统运营商长期建立的信任基础与监管，网络中的个体节点（如热点运营商）可能为牟利而恶意违反服务协议。研究构建了攻击行为的分类体系，并通过案例分析发现，攻击者收益可提升三倍以上。文章最后强调了开发新型检测与缓解技术以应对此类对抗行为的紧迫性。
多服务器联邦学习新框架：利用重叠客户端实现低延迟模型中继
本文提出了一种去中心化的多服务器联邦学习框架，旨在解决传统单服务器架构的通信瓶颈。该框架创新性地利用位于多个边缘服务器覆盖重叠区域的客户端作为中继节点，在无需建立新通信链路的情况下，实现服务器间模型的多跳交换与传播。研究推导了非独立同分布数据下的收敛上界，量化了传播深度对性能的影响，并基于此设计了优化路由与传输调度的算法，以在有限延迟内最大化模型传播范围。实验表明，该方法相比现有方案性能提升显著。
ML-PCM：利用神经网络优化相变存储器写入性能
随着DRAM等传统存储器面临扩展性瓶颈，相变存储器（PCM）因其高扩展性和零泄漏功耗成为有前景的替代方案，但其写入寿命和能耗仍是主要挑战。本研究提出ML-PCM方法，通过神经网络模型实时监测设备状态，精准预测写入延迟、能耗和耐久性等关键参数，从而优化写入设置。实验表明，该模型对耐久性、总写入延迟和总写入能量的预测误差分别低至0.0073%、0.23%和4.92%，显著提升了PCM在频繁写入场景下的实用性与效率。
流浪狗觅食决策研究：嗅觉与视觉的协同作用
本研究通过食物选择实验，探究了自由活动的流浪狗在觅食时如何利用感官线索进行决策。研究发现，狗在觅食时并未严格遵循嗅觉优先于视觉的等级策略，而是根据环境动态调整，表现出一种“足够好”的策略。它们倾向于在速度与准确性之间选择速度，并会在首选食物不可得时接受中等质量的食物。此外，研究还观察到狗在食物选择中存在左偏倾向。结果表明，在复杂的城市环境中，环境噪音、风险及内部感知因素等多重调节因子共同影响着狗的决策过程。
基于DTI-fMRI融合分析探索部分睡眠剥夺下脑网络结构-功能耦合变化
本研究通过融合扩散张量成像（DTI）与静息态功能磁共振成像（rs-fMRI），系统探究了部分睡眠剥夺（PSD）患者脑网络的重组及其与情绪功能的关系。研究构建了结构连接（SC）与功能连接（FC）网络，并建立了SC-FC耦合模型。结果显示，PSD患者在边缘系统、默认模式网络等多个关键网络中出现了严重的FC破坏、SC改变以及显著的SC-FC解耦现象。这些神经变化与临床量表评分（KSQ和HADS）存在强相关。相比单模态方法，这种创新的多模态神经影像方法为睡眠相关的情绪失调提供了更全面的生物标志物。
仿生超材料界面解码皮肤机械活动，革新健康监测与人机交互
本研究提出一种仿生超材料界面（BMMI），通过模拟皮肤微结构和力学感受器，实现了对皮肤表面异质机械活动（MDA）信号的选择性捕获、放大与降噪。该无线设备结合定制算法，能准确解码MDA，为多模态通信、健康监测及人机交互开辟了新应用前景。
双环路模型：心理生理调控与状态突变的数学框架
本文提出心理生理调控的双环路模型，挑战传统单一维度分析。该模型整合睡眠模式、自主神经唤醒、躯体感觉与认知负荷的动态交互，为焦虑骤升、解离骤降等突发状态转变提供结构性解释。通过数学建模，旨在搭建生理信号与主观体验之间的概念桥梁，为动态建模和临床案例分析奠定基础。
HyperADRs：基于分层超图框架的药物-基因-不良反应预测新方法
本研究提出了HyperADRs，一个分层超图框架，用于在药物-基因-不良反应三元组层面预测不良反应风险。该方法整合了来自PharmGKB和DrugBank的精准医学知识图谱数据，利用预训练模型嵌入药物、基因和不良反应概念，并通过超图卷积网络进行信息传播。模型采用基于FiLM的查询条件对比学习模块，学习上下文特定的表征，从而在给定任意两个实体时，能从众多候选者中检索出正确的第三个实体。实验表明，HyperADRs在基于排名的指标上达到或超越了现有基线，其学习到的表征具有可迁移性，能够支持基于机制的药物基因组学假设生成。
大脑如何将探索的混沌转化为确定性几何：记忆摊销推理与拓扑凝聚
研究提出大脑通过“记忆摊销推理”机制，将高熵的并行搜索转化为低熵的序列导航，实现计算效率的指数级提升。核心算法是递归的拓扑变换，将稳定的高维循环凝聚为静态的零维记忆单元，构建起“支架之塔”。然而，这种实现泛化的高效机制，也因度规收缩而不可避免地带来幻觉风险。
空间自组织通过斑图形成稳定共生关系
本研究通过植物-传粉者反应扩散模型，揭示了空间自组织是稳定共生关系的关键机制。研究发现，非局部竞争引发的植被斑图形成，能使物种在低于均匀混合种群所需阈值的情况下共存。随着环境条件恶化，这种稳定性增益反而增加，因为植被密度的局部峰值创造了群落持续的条件。在强共生极限下，系统呈现斑图与均匀解的多稳态，可缓冲种群数量波动。
DeepFRI蛋白功能预测模型的可解释性评估：准确性与可信度的权衡
本研究对基于图卷积网络的蛋白功能预测工具DeepFRI进行了深入评估，结合GradCAM、PGExplainer等可解释性技术与对抗鲁棒性测试。研究发现，模型预测常依赖保守基序而非决定性残基，且不同解释方法在粒度上差异显著。这揭示了AI模型在准确性与可解释性间的内在权衡，为提升其在药物发现与监管环境中的可信度指明了改进方向。
ARC框架：用坐高等生理指标替代种族校正，提升肺功能方程精度
针对临床方程中种族调整引发的争议，研究者提出ARC框架，旨在识别导致群体差异的解释性因素，以开发更精准的临床方程。应用于超15万人的肺功能数据发现，坐高可解释黑人与白人肺功能差异的26%。新方程ARC_PFT纳入坐高和腰围，预测误差比主流种族中立方程降低13-24%，且在亚裔和西班牙裔人群中表现更稳健。
意识源于单一控制代理？新理论提出可证伪实验
研究提出“建模者图式”理论，认为意识源于一个监控大脑内部世界模型构建的单一控制代理。该代理通过基于“感受质”的一致性检查来生成体验。理论预测，在眼球扫视期间，建模者图式会执行这种检查，并在发现差异时发出自下而上的目标。为此，研究者设计了一个可区分不同目标来源的扫视变化检测实验，为实证检验意识理论提供了具体路径。
可穿戴汗液监测平台综述：从生物标志物检测到信号处理系统
本文综述了可穿戴汗液监测平台的最新进展，重点探讨了汗液生物标志物的分区机制及其与血液标志物的关联，这是建立临床验证标准的关键。文章还从机制层面分析了汗液传感中使用的生物传感器，并跨学科地审视了用于传感器信号处理的电子架构，特别是与电化学传感器接口的模拟电路，为下一代集成化健康监测设备的发展提供了重要见解。
固定偏移素数相关性的结构障碍：梅林-拉普拉斯核方法
本文针对固定偏移h的素数相关性函数r_h(n)=Λ(n)Λ(n+h)，构建了梅林-拉普拉斯解析框架。该序列缺乏乘法结构、欧拉积和s=1处的奇点。研究发现，对于任意紧支撑的容许核W，其平滑偏移和S_{W,h}(N)在Re(s)>1半平面内存在绝对收敛的梅林表示，无需解析延拓。边界积分分析表明，其振荡部分会产生不可避免的N^{1+ε}(log N)^2项，导致无法分解为主导主项与更小误差项之和，从而揭示了固定偏移相关性主项提取的结构性障碍。
非周期非线性振荡器中的管破裂：理论与模拟
本研究探讨了受非周期参数强迫的非线性振荡器的长期行为。通过构建代数不变量，证明了在扩展相空间中，运动被限制在一个二维不变管中。核心贡献是推导出了一个显式的解析破裂准则，能够精确预测不变管失去正则性的时刻。该准则基于对不变量极坐标变换后所得三次方程判别式的分析，最终得到了一个紧凑的卡丹型表达式。数值模拟在广泛参数范围内验证了该解析预测的准确性，表明破裂时间是此类系统中无界行为起始的稳健且定量准确的指标。
基于无符号拉普拉斯谱半径的图偶因子存在性条件
该研究为连通偶阶图存在偶因子（每个顶点度数均为正偶数的支撑子图）建立了基于无符号拉普拉斯谱半径的充分条件。该谱条件与图的最小度δ相关，为判断图结构性质提供了新的谱图论工具。
基于残差加权更新的正算子迭代秩一分解方法
本文研究希尔伯特空间上正算子的迭代秩一分解方案，其核心是基于残差加权同余更新。每一步，算子沿选定单位向量压缩并保持正性，从而在正算子锥上定义单调动力系统。研究证明了相关残差可规范地分解为秩一项与极限正算子，并识别了该极限及精确的能量恒等式，该等式将初始算子与极限算子间的差异表达为秩一贡献的收敛级数。当迭代耗尽算子时，残差方向构成自然值域空间的Parseval框架，提供了一种无需谱演算即可构造Parseval框架的构造性方法。此外，通过涉及Moore-Penrose逆的内在归一化条件，研究解决了逆问题，刻画了由该动力学产生的具有秩一步骤的递减链。对于迹类算子，获得了标量能量恒等式，并证明了选定方向上温和的贪婪或稠密条件可保证耗尽。在再生核希尔伯特空间中的应用阐释了抽象结果。
Breuil's Lattice Conjecture for GL2(K) 在非分歧扩张下获证
本研究证明了在非分歧扩张K/Qp下，GL2(K)情形中Breuil的格猜想。在一定的泛型条件下，我们证明了由U(2)算术流形的完备上同调诱导的、位于局部代数型内的格，仅依赖于p上位置的Galois表示，且适用于相对于p较小的任意Hodge-Tate权。此外，证明了所有具有不可约余基座的局部代数型内格的修补模是循环的。关键突破包括GL2(OK)的模p表示的结构定理，以及参数化具有固定驯顺惯性类型和更高Hodge-Tate权的潜在晶体提升的通用框架Galois变形环的显式计算。
向量值函数的凸函数次梯度与Orlicz伪范数研究
本文探讨了多元凸函数可测次梯度的构造变体，并研究了如何利用方向导数刻画Δ₂条件。同时，深入分析了向量值函数Luxemburg与Orlicz伪范数的基本性质，为相关泛函分析理论提供了新的见解。
连续持久性景观：拓扑数据分析中向量化方法的新突破
本文针对大规模数据下持久性图呈现结构化渐近行为、传统向量化方法（如持久性景观）失效的问题，提出了一种新的向量化方法——连续持久性景观。该方法定义在一类特殊的Borel测度（q-驯服测度）上，能够涵盖持久性图及其弱极限。研究证明，该向量化方法在温和假设下是双射且L^1稳定的，原始测度可被唯一重构，从而为分析大型系统中的拓扑特征提供了更忠实、稳定且可逆的新工具。
随机连接模型中的强尖锐相变
本研究探讨了由泊松过程驱动的随机连接模型。在低于临界强度 t_T 时，证明了任意簇的指数矩有界，且簇直径呈指数级小。在平稳标记情形下，证明了 t_T 与不渗流的临界点 t_c 重合，并推导了渗流的平均场界限。这些结果推广了近期研究，即使在经典无标记情形下也更具一般性。证明部分基于随机单调性性质。
非交换Γ谱上的层理论与导出Γ几何
本文为非交换n元Γ半环建立了完整的几何与同调框架。作者构造了非交换Γ谱上的层与导出理论，定义了Zariski型拓扑与结构层，并引入了拟凝聚Γ层。通过建立局部-整体原理与证明非交换局部对偶定理，将导出函子Ext^Γ和Tor^Γ解释为该非交换Γ空间上的整体上同调不变量。研究进一步引入了导出非交换Γ叠谱与谱的dg-提升，给出了同调不变量的谱与动机解释。结构上的结果包括n元Γ框架下的Wedderburn-Artin型分解、半单n元Γ半环的导出Morita理论，以及原始Γ谱与导出范畴简单对象之间的对偶性。
新发现：用矩阵行列式计算偏序集的欧拉示性数
本文引入偏序集的“序补矩阵”，并证明其行列式等于偏序集约化欧拉示性数的相反数。这一简洁的线性代数公式，为通过组合结构的矩阵表示计算拓扑不变量提供了新工具。
湍流通用定律的几何基础：从微观路径不确定性推导宏观规律
本研究提出一个理论框架，将湍流的耗散结构归因于微观路径不确定性。通过将流体微元建模为受薛定谔桥变分原理支配的随机示踪粒子，作者证明了纳维-斯托克斯粘性项是唯一与各向同性微观扩散一致的宏观算子。基于此单一原理，他们推导出湍流的两大基石：1）柯尔莫哥洛夫尺度η不仅是量纲分析的产物，更是一个几何扩散视界，在此尺度上分形轨迹的动能与宏观耗散率平衡；2）壁面律是该随机过程在无滑移约束下的稳态解，对数平均剖面源于湍流扩散率的尺度不变性。该框架首次从第一性原理出发推导湍流标度律，无需依赖唯象量纲分析。
混合方法提升对流层顶检测精度，助力极端天气预报
本研究利用ERA5再分析数据，开发并比较了多种对流层顶检测方法，包括经典的热力学/世界气象组织标准、动力学/1.5 PVU标准，以及结合稳定度和湿度参数的新型混合方法。通过对2010年1月月均数据和2024年10月DANA极端天气事件的案例研究，验证了混合方法在捕捉对流层顶动态方面的优越性能。基于Python的自动化对比工具定量评估显示，混合方法与卫星水汽图像的结构相似性最高，为提升复杂地形区极端天气预报能力提供了方法基础。
无需校准的3D空间变异像差校正方法，突破显微镜成像对称性限制
传统显微镜去卷积技术通常假设像差在全图均匀，这与实际情况不符。本研究提出了一种基于模态分解的3D荧光去卷积新方法，适用于无简单对称性的成像系统。该方法推广了Richardson-Lucy算法，利用ZEMAX导出的点扩散函数，无需导星或繁琐校准，即可校正空间变化的像差。实验证明，该方法能有效提升珠状样品和生物样本的快照多平面成像质量。
低温键合方案实现MEMS原子气室内部钝化涂层
本研究提出了一种与十八烷基三氯硅烷（OTS）涂层兼容的低温键合方案，成功解决了MEMS原子气室内腔钝化涂层的长期难题。该涂层能防止铯原子附着于气室壁，通过里德堡光谱测得谱线宽度约300 kHz，对应电场小于10 mV/cm，为高精度量子传感器（如原子钟、磁力计）提供了低背景电场的均匀气室。
硬件感知轻量级光子脉冲神经网络实现模式分类
本研究提出了一种与光子神经形态芯片协同设计的硬件感知轻量级脉冲神经网络架构，以解决光子芯片与神经网络规模不匹配的部署难题。该方案采用简化的马赫-曾德尔干涉仪阵列进行线性计算，并利用分布式反馈激光器阵列实现非线性脉冲激活。通过引入离散余弦变换降低输入维度以匹配芯片端口，在MNIST和Fashion-MNIST数据集上分别实现了90%和80.5%的端到端推理准确率，同时展示了优异的能效。
镜像电荷法新发现：导体球附近多极子的镜像不一定是同类型
本研究探讨了电偶极子和四极子靠近接地导体球时的镜像形成问题。研究发现，一个给定多极子的镜像并不一定是同类型的多极子。除了预期的多极子镜像外，最终的镜像构型还包含低阶多极子的贡献。这一发现拓宽了对静电镜像的理解，并为多极子与导体边界相互作用提供了新的见解。
模拟托卡马克瞬态热负荷对钨材料损伤的影响
核聚变装置中等离子体面向材料常因瞬态热负荷而受损。本研究针对ITER装置中可能出现的边缘局域模、垂直位移事件等瞬态事件，模拟了高达GW/m²量级的极端热负荷对钨材料造成的损伤过程与结果，为评估和提升聚变装置关键部件的可靠性提供了重要参考。
利用小型托卡马克中的逃逸电子模拟边界局域模对面向等离子体材料的热负荷影响
本研究利用伊朗Damavand小型托卡马克中的逃逸电子，模拟大型聚变装置中边界局域模对面向等离子体材料的热负荷效应。分析表明，该装置中逃逸电子在限制器上沉积的热负荷密度可达MJ/m²量级，与ITER等大型装置中边界局域模事件的热负荷相当。这为在小型装置上研究材料在极端热负荷下的熔化、溅射、开裂等损伤机制提供了新途径。
评论指出新型聚合物平面透镜效率极低，远未达衍射极限
一篇评论文章对近期发表于《应用物理快报》的“100毫米直径f/2聚合物平面透镜用于彩色天体摄影”研究提出质疑。评论指出，该透镜的聚焦效率低于0.03%，其宽带辐射的角分辨率比衍射极限差一个数量级。此外，未被聚焦的入射辐射将在像平面产生背景雾，严重影响成像质量。
ALMA揭示恒星诞生前核心质量分布与初始质量函数关系
ASHES项目通过ALMA观测461个恒星前核心候选体和254个原恒星核心，发现引力束缚的恒星前核心质量函数斜率（-2.32±0.30）与Salpeter初始质量函数斜率（-2.35）一致，表明存在普适的核心形成机制。研究还发现恒星前核心寿命数倍于自由落体时标，且原恒星核心质量函数可通过考虑外部气体吸积由恒星前核心质量函数演化而来，吸积率更符合潮汐瓣吸积模型。
DREAMS项目发布1024次模拟，揭示银河系形成的不确定性
DREAMS项目发布了包含1024次宇宙学流体动力学模拟的新套件，旨在量化星系形成中的理论不确定性。该套件通过新颖的加权方案，生成了与观测相符的星系样本，并揭示了星系合并历史（如盖亚香肠-恩克拉多斯事件）对现今恒星形成率、盘结构及晕形状的显著影响。研究表明，需要大样本统计才能厘清星系形成的随机性，并精确重建银河系的独特历史。
星系恒星形成呈现周期性波动，内外区域存在显著差异
本研究利用TNG100模拟，追溯了近80亿年来z=0星系中心区域的恒星形成历史，揭示了其周期性波动特征。研究发现，每次恒星形成爆发期通常包含两个分支：一个发生在星系中心金属丰度较高的气体中，另一个则始于星系外围金属丰度较低的新鲜气体流入区，并逐渐向内推进。星系外围区域的恒星形成率波动比中心区域更为显著，导致气体和年轻恒星的金属丰度分布在峰值和低谷期差异明显。单个星系内部的恒星形成率波动平均约为0.2 dex，而星系间的固有差异约为0.15 dex，两者共同解释了观测到的约0.25 dex的弥散度。
磁化激波中辐射过程对粒子加速与光子谱的影响
本研究通过求解稳态辐射流体力学方程与辐射转移方程，分析了磁化辐射介质激波的结构与光子能谱。研究发现，当上游磁化参数σ_u大于10^{-8}时，同步辐射自吸收会显著改变激波剖面；当σ_u大于0.1时，会形成显著的碰撞性子激波，增强粒子加速效率。此外，加速质子相关过程会在光子谱中产生高于10 GeV的高能尾巴，但对辐射通量和压力的影响较小。
首次对绘架座βb的系外卫星和双行星系统进行天体测量限制
本研究利用GRAVITY干涉仪和SPHERE仪器的存档观测数据，首次对绘架座β系统中的系外卫星和双行星系统施加了天体测量学上的质量限制。通过模拟行星运动并引入卫星扰动，研究排除了在特定轨道周期内超过一定质量的卫星存在。例如，在1100天周期内，排除了质量超过约30个地球质量（0.1个木星质量）的卫星。这展示了干涉观测在系外卫星研究中的高灵敏度。
JWST揭示早期宇宙低质量星系的质量-金属丰度关系
CECILIA项目利用JWST/NIRSpec对7个高红移（z~2-3）低质量星系进行了超深光谱观测，首次精确测量了该质量区间的质量-金属丰度关系（MZR）。研究发现MZR斜率较陡（γ=0.48±0.11），表明金属滞留效率随质量快速增加，可能与能量驱动的外流有关。与低红移相比，归一化存在演化，反映了早期星系金属富集程度较低。研究还发现z~2与再电离时期的MZR无显著演化，表明这些星系可作为再电离时期系统的有用类比。
MaNGA巡天发现14个疑似被“踢出”星系中心的黑洞候选体
通过对MaNGA巡天数据的分析，研究人员首次系统性地发现了14个位置偏离星系中心的宽发射线源，它们可能是被“踢出”星系核的超大质量黑洞。这些黑洞可能是在双黑洞并合过程中，因引力波辐射不对称或动力学“弹弓”机制而被抛射出来。其中42%的候选体伴随有恒星核，而58%的候选体表现出异常高的宽线光度，可能与并合驱动的吸积增强或被抛射黑洞有关。这一发现为研究黑洞与星系的共同演化及过去的双黑洞并合事件提供了新的观测线索。
CI Tau恒星X射线可变性研究揭示行星宿主恒星磁活动特征
钱德拉X射线天文台对年轻T Tauri星CI Tau的观测发现其X射线辐射存在显著变化。前两次观测中辐射稳定，等离子体温度约2300万度；两周后的观测中，辐射强度缓慢上升，温度飙升至4600-5800万度，峰值光度增强约6倍。这种伴随高温等离子体的可变X射线发射是恒星磁活动的典型特征，与CI Tau已知的强磁场一致。研究还评估了恒星X射线辐射对其声称存在的短周期巨行星的可能影响。
利用18颗恒星验证1D-3D耦合恒星模型
本研究通过分析开普勒望远镜观测的18颗主序星的星震数据，验证了结合三维流体动力学模拟的1D-3D耦合恒星模型的可靠性。结果表明，该模型能更准确地推断恒星基本参数，其表面效应比使用经典大气层的模型更简单、更易处理，为精确表征类太阳恒星提供了有力工具。
气体吸积行星向外迁移的新机制：半解析公式揭示系外巨行星分布成因
传统II型迁移理论预测行星会快速向内迁移，难以解释观测中1天文单位外巨行星的聚集现象。本研究通过分析最新高分辨率流体动力学模拟，阐明了气体吸积行星发生向外迁移的条件，并推导出一个适用于广泛行星质量与盘条件的半解析公式。研究发现，行星的气体吸积会在其周围盘区产生方位角不对称性，从而主导并驱动向外迁移。当盘隙深度因子K'在0.03至50之间时，向外迁移发生。新公式表明，向外迁移对塑造气态巨行星的质量和轨道分布具有重要作用，有望解释观测到的行星分布特征。
地球与行星成分的物理化学控制：揭示内太阳系天体的氧化与贫挥发分特性
研究表明，类地行星的成分与太阳星云凝聚物存在显著差异。它们具有氧化的特征（氧逸度高于星云气体），但同时缺乏挥发性元素。这种看似矛盾的性质无法通过从平衡星云凝聚物中吸积来解释。对月球、灶神星、地球和火星等天体的元素和同位素分析表明，地球等大型天体是多种挥发分不同程度耗尽的星子混合的产物，并叠加了后期加入的未耗损物质（如CI球粒陨石）。然而，地球的重元素同位素异常表明，现有陨石组合无法完全解释其成分，地球可能部分或全部由一种类似NC（非碳质）的“缺失组分”构成。这暗示内太阳系天体（包括地球和火星）氧化但贫挥发分的特性，是NC储库的固有属性。
利用小波散射变换探测21厘米信号中的模糊暗物质
本研究通过小波散射变换（WST）分析宇宙黎明和再电离时期的21厘米信号，以探测模糊暗物质（FDM）的印记。FDM由超轻标量粒子构成，其量子压力会抑制小尺度结构的形成，从而延迟恒星形成并改变星系际介质的温度历史。研究发现，WST的二阶系数能有效捕捉FDM引起的非高斯跨尺度耦合，对粒子质量高度敏感，且在SKA1-Low级别的热噪声下依然稳健。该方法在区分波状暗物质与冷暗物质场景上展现出强大潜力。
高维惩罚线性工具变量估计：BRIDGE与自适应LASSO在p>n场景下的理论突破
本文系统阐述了BRIDGE与自适应LASSO方法在高维两阶段最小二乘问题中的应用。研究放宽了误差项服从正态分布的传统假设，证明了在工具变量与协变量数量p超过样本量n的情况下，两种方法仍能保证模型选择一致性与Oracle效率。BRIDGE在p增长慢于n时，无需次高斯误差假设即可保持优良性质；而自适应LASSO虽需较好的初始权重估计，但计算效率显著更高。
尼泊尔与美国千年挑战公司合作：基础设施投资与地缘经济机遇
尼泊尔于2017年签署、2022年批准的美国千年挑战公司（MCC）5亿美元援助协议，核心投资于道路与电力传输基础设施，旨在释放尼泊尔4000万千瓦水电潜力以推动经济增长。该协议不仅提升了尼泊尔的基础设施发展能力，还通过多元化伙伴关系，帮助其减少对邻国中国和印度的过度依赖，MCA-Nepal的设立增强了东道国自主权。研究基于IFED框架，结合加纳等国的成功案例，论证了MCC如何为尼泊尔克服增长瓶颈提供机遇。
垄断数据商如何差异化定价：历史数据全开放，当前数据选择性提供
研究探讨了利润最大化的垄断数据商如何为两类用户（关注当前值的“即时预测者”和关注长期值的“远期预测者”）设计数据访问合同。模型显示，垄断商的最优策略是向所有用户完全开放历史数据，但仅向即时预测者完全提供当前数据，可能对远期预测者有所保留。与社会最优方案相比，垄断商保留了过多的历史数据、过少的当前数据，并可能导致总体数据存储过量。
错误信念如何扭曲评估与激励：基于委托代理模型的研究
本研究探讨了委托代理关系中错误信念对学习和激励的影响。当市场基于观察结果推断代理人的能力并给予奖励时，评估者通过成本评估来减少结果噪音，从而提供隐性努力激励。研究发现，社会（包括评估者和市场）持有的关于能力的僵化、不准确信念，会扭曲对努力生产率和努力选择的学习，进而影响评估者的评估选择。这形成了一个连接错误能力信念、有偏学习和扭曲评估的反馈循环。研究分析了稳定稳态下的结果，并探讨了其在教育和劳动力市场中的应用，揭示了刻板印象如何跨领域强化，以及针对评估的政策干预如何发挥作用。
澳大利亚住房市场增长差异：结构性敏感度与周期性波动
本研究通过构建三因子模型，分析了1995-2024年间澳大利亚各地区房价增长的差异。模型将区域房价指数分解为全国市场因子、两个均值回归的周期性价差因子（矿业和生活方式）以及城市特定残差。研究发现，各城市对全国增长的基本敏感度（Beta值）在重大冲击下保持稳定，而矿业和生活方式价差则呈现周期性波动。墨尔本对全国增长有放大效应，悉尼紧密跟随全国趋势，而偏远地区则起到抑制作用。该框架为解读区域增长差异及其持续性提供了一个基于因子的简洁工具。
游说市场结构如何导致政治极化：一种非选举机制的解释
传统空间模型预测政治平台会趋同，但现实中极化现象持续存在。本研究提出了一种非选举机制：将游说视为一个买方垄断的立法支持市场。研究发现，极端的利益提供者需要支付更高价格来吸引立场遥远的政客，这种租金梯度奖励了平台差异化。模型显示，在单调的政策生产成本下，唯一的均衡是政客分别位于1/4和3/4的位置。这表明，极化可以纯粹由游说市场的结构驱动，独立于选举激励。
时间序列预测中的算法偏见：来源、影响与治理路径
本文系统探讨了时间序列预测算法在高风险决策领域（如医疗、能源、经济规划）中存在的偏见问题及其伦理影响。研究指出，算法偏见根植于历史数据、问题定义及社会技术设计选择，并通过代理变量和反馈循环复制结构性不平等。论文提出三点核心贡献：将算法偏见重新定义为一种根植于规范选择和制度约束的社会技术现象；提供跨流程的偏见来源结构化诊断，强调因果建模、可解释系统和包容性设计的必要性；倡导通过参与式治理、利益相关者参与和法律保障进行结构性改革，将公平性内嵌于设计之中。
散户投资期限如何影响财报季股价走势
本研究通过分析StockTwits平台2010-2021年的数据，将财报发布前的股票按散户投资期限分为长线和短线两类。研究发现，投资期限构成能显著预测股价路径：长线股票对财报的即时反应更大，且公告后漂移现象更明显；而短线股票在事件前情绪高涨时，后续表现往往更弱。基于此构建的多空策略可获得每月0.43%的阿尔法收益。
投资组合选择中的高速公路定理收敛率：随机因子模型下的新发现
本研究在随机因子模型中，推导了最优投资策略向CRRA策略收敛的精确速率。论文将最优反馈函数分解为短视组合与超额对冲需求两部分，分别在非线性随机因子模型和二次期限结构模型中获得了收敛率。结果表明，收敛速度由零息债券价格的衰减速度以及投资者效用函数在高财富水平下趋近于幂效用的速度共同决定。该理论可应用于最优集体投资问题，分析终端财富分享规则对收敛率的影响。
基于Wasserstein距离的粗糙Bergomi模型高效校准框架
针对粗糙Bergomi模型在定价和校准上的非马尔可夫结构难题，本研究提出了一个综合计算框架。首先，开发了一种改进的指数和蒙特卡洛方案，通过混合原点附近奇异核的精确模拟与剩余部分的多因子近似，以O(n)计算成本实现了高精度定价，尤其适用于价外期权。其次，基于此高效定价引擎，提出了一种以Wasserstein距离为优化目标的分布匹配校准方案，利用针对Lipschitz收益的极小极大公式，有效分散定价误差并提升鲁棒性。数值结果验证了该方案在参数识别和路径依赖期权泛化方面的可靠性。
风险厌恶随机分布下的均衡投资策略：唯一性与最优性分析
本文研究了风险厌恶参数服从一般分布时的无限维投资组合选择问题。研究完整刻画了所有确定性均衡投资策略，并揭示了均衡解的结构高度依赖于风险厌恶的分布：当期望风险厌恶有限时，均衡存在则唯一；而当期望无限时，可能导致无穷多均衡或唯一平凡解。为处理多重均衡，作者引入了最优、一致最优和一致严格最优三个标准，并明确刻画了相应均衡的存在性与唯一性。在相同充要条件下，最优与一致最优均衡存在唯一且重合。此外，若假设市场风险价格在终端时刻附近非零，则最优均衡也是一致严格最优的。比较静态分析表明，在逆风险率序下占优的风险厌恶分布会导致更保守的均衡策略。
LLM与贝叶斯网络融合架构：为期权轮动策略提供透明化交易决策
本研究提出了一种用于期权“轮动”策略的混合架构，旨在解决大语言模型在金融交易等高风险量化领域缺乏严谨、透明推理的问题。该架构将LLM作为智能模型构建器，而非黑盒决策器。针对每次交易，LLM根据当前市场条件（价格、波动率、趋势、新闻）构建一个特定情境的贝叶斯网络，并假设关键变量间的关系，同时从近19年、8919笔交易的历史数据集中选取类似情境的数据来填充网络条件概率表。实例化的贝叶斯网络随后进行透明的概率推断，生成明确的概率分布和风险指标以支持决策。反馈机制使LLM能分析交易结果并迭代优化后续网络结构和数据选择。在近19年的样本外测试中，该系统实现了15.3%的年化回报，风险调整后表现显著优于市场基准（夏普比率1.08 vs 0.62），回撤大幅降低（-8.2% vs -60%），且每笔交易决策平均涉及27个可解释的决策因素。
垄断定价下的天气指数保险：基于博弈论与神经网络的研究
本研究将天气指数保险的垄断定价建模为一个Bowley型序贯博弈，涉及利润最大化的保险公司（领导者）和风险最小化的农民（追随者）。农民通过神经网络（包括全连接和CNN架构）设计保险赔付以最小化风险，而保险公司则通过三种不同的保费原则（从单一风险加载到灵活的Choquet积分）设定价格以最大化利润。基于爱荷华州大豆产量和高维天气数据的实证分析表明，CNN设计能产生更平滑的赔付，降低基差风险，并使保险公司利润更接近传统赔付保险水平。
基于切比雪夫张量基与哈密顿雾后拟合的无套利期权定价曲面构建方法
本研究提出了一种从嘈杂的买卖报价中构建无套利期权价格曲面的新方法。核心是采用切比雪夫张量基在扭曲的对数价内程度/期限矩形上表示看涨期权价格曲面，并通过线性采样和无套利算子施加静态无套利约束。全局拟合通过一个严格凸的二次规划实现，在模态系数上权衡报价带内拟合误差与谱正则化。在此基础上，引入一个基于三维格点上的风险中性密度“雾”及哈密顿型能量的局部后拟合层，该层能与全局曲面耦合，进行噪声感知的局部修正，在保持全局无套利性的同时，灵活处理压力时期相互矛盾或异常嘈杂的报价。该方法在稳定时期能实现高达98-99%的报价位于买卖价差区间内，且静态无套利违规率低于1%。