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。
AI 导读
今日看点（自动摘要）：q-bio: 计算设计“智能冠层”玉米架构，最大化光能利用效率；q-bio: 可穿戴光谱数据分类生物相关光环境的系统化流程；q-bio: 评估无聚类神经解码模型中单个尖峰的信息含量
数据源：arXiv 官方 RSS（physics / math / cs / q-bio / econ / astro-ph 等）。
标题与摘要由 DeepSeek 进行中文润色，便于快速浏览；外链跳转至原文。
AI 速览助手：点击卡片“速览全文”可拉取 arXiv HTML，生成全文要点并缓存；右下角悬浮按钮可随时展开/收起速览。
自动抓取：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。
往期回顾：点击上方“往期回顾”进入日历页，按月查看每日抓取总数，并跳转到对应日期速览。
2025-12-09 共 22 条抓取，按综合热度排序
本研究提出了一种结合功能-结构植物模型与进化算法的计算框架，用于优化高密度种植下玉米的三维冠层结构，以增强光截获。优化结果揭示了一种新的理想株型，其特征包括垂直分层的叶片分布（上部叶片陡峭狭窄以利于透光，下部叶片宽阔水平以利于捕获）和打破传统对称性的径向叶片排列，从而显著减少自遮荫和相互遮荫。反向光线追踪模拟表明，该架构比基于高性能田间杂交种参数化的虚拟冠层截获了更多的光合有效辐射，且这种增益在美国多个纬度和种植密度下均具有普适性。优化的性状组合与现代耐密植品种的特征相符，支持其生物学可行性。
本研究建立并验证了一个可重复、可审计的流程，用于从可穿戴光谱仪数据中分类自然光与人造光环境。该流程通过固定数据处理序列（包括对数变换、L2归一化、时间聚合与编码）和MLP分类器，在26名参与者的留一受试者交叉验证中，实现了AUC 0.938（准确率88%）的高性能。研究指出，仅基于光照度阈值的方法不足，强调了光谱-时间建模的必要性，并为该领域提供了公开的代码与基准。
本研究利用信息论指标，分析了在无聚类解码模型下，从每个观测到的神经元尖峰中提取的信息。通过比较大鼠海马体空间编码中，孤立尖峰与考虑历史尖峰先验信息两种情况下的熵减，研究发现：孤立时，难以聚类的小振幅尖峰提供的信息少于易聚类的大振幅尖峰；但考虑所有历史尖峰信息时，两者提供的信息水平相似。这揭示了结合信息度量与状态空间模型的价值，并为理解神经计算机制提供了新见解。
本文提出DeepSKA框架，用于解决随机反应网络（SRN）中期望输出计算的核心挑战。该框架结合了神经网络的可扩展性与数学上的透明结构，能够生成可解释的表示，并利用少量随机模拟产生无偏、可证明收敛且方差显著低于经典蒙特卡洛方法的估计。在多达十个物种的非线性和非质量作用模型上的测试表明，DeepSKA能提供准确预测并实现数量级的效率提升。
本研究提出PRIMRose模型，利用卷积神经网络预测蛋白质发生双氨基酸插入或删除（InDel）突变时，每个残基的局部能量变化。与评估全局能量变化的传统方法不同，该方法在残基层面分析突变的结构和功能破坏，提供了更高的可解释性。模型在包含大量双InDel突变的数据集上训练，预测结果与Rosetta分子建模套件的多种能量指标高度一致，并揭示了溶剂可及性和二级结构等局部模式对预测性能的影响。
本研究提出了一种基于多路径聚合（MPA）框架的新方法，用于构建果蝇全脑视觉功能图谱（VFP），并预测神经元在复杂视觉任务中的动态响应。该方法将视觉输入特征与全脑连接组拓扑结构相结合，通过邻接矩阵幂和有限路径优化，高效预测神经元的ON/OFF极性、方向选择性等功能特性。模型预测ON/OFF响应的皮尔逊相关系数达到0.84±0.12，显著优于现有方法（0.33±0.59）。研究还展示了将VFP模型应用于果蝇模拟导航任务的成功案例，验证了其从连接组到功能图谱再到行为预测的完整框架的有效性。
本研究针对化学反应网络（CRN）中的分子计算，探讨了实现层叠式并行计算的结构化条件。传统方法常将化学反应并行性视为负担，而本研究旨在利用并行性实现耦合质量作用系统（MAS）中复合函数的逐层计算。通过运用输入-状态稳定性（ISS）和李雅普诺夫函数，研究识别出一类网络结构（其简化系统具有零亏量），可确保与其他网络的组合稳定性，并将结论扩展至部分非零亏量网络。研究还提出了构建可执行特定分子计算的MAS的算法。
本文介绍了SASHIMI，一个用于分析AI分割病理图像中细胞空间组织的浏览器工具。它整合了27种传统空间统计量、拓扑特征等数学描述符，以量化细胞丰度与相互作用。应用于口腔潜在恶性病变和非小细胞肺癌数据集时，该工具识别出多个与患者生存显著相关的空间特征，为跨癌种组织结构的定量探索提供了可访问且可复现的平台。
本研究提出了一种新型机器学习架构——神经库普曼机（NKM），用于对阿尔茨海默病患者的认知衰退进行个性化、可解释的纵向预测。NKM融合了分析知识与生物学知识，通过分组感知的层次注意力机制，将多模态数据（遗传、神经影像、蛋白质组、人口统计学）的非线性轨迹转化为可解释的线性表示。在ADNI数据集上的应用表明，NKM在预测多种认知评分轨迹方面优于传统方法，并能量化不同生物标志物的贡献，识别与认知恶化最相关的大脑区域。
本研究提出了一种结合量子力学、统计热力学与量子计算的混合框架，用于精确预测蛋白质-配体结合自由能。该方法通过量子力学精修配体电荷、QM/MM相互作用评估及基于变分量子本征求解器的电子能量校正，显著提升了极化、电荷重分布等关键效应的处理精度。在23个蛋白靶点和543个配体的测试中，平均绝对误差约1.10 kcal/mol，计算成本较传统方法降低约20倍，为高通量先导化合物优化提供了高效新工具。
本研究运用演化博弈论，分析了在政治极化冲突中，厌恶冲突的中间派行为如何无意中帮助威权主义取得成功。研究构建了一个包含抵抗、威权主义和冲突厌恶中间派的三策略演化博弈模型，揭示了两种可能的长期动态：一是威权力量通过异宿环周期性复苏，二是形成排斥抵抗派的稳定中间派-威权主义联盟。该框架结合了经验性行为假设，阐明了在不对称冲突中，收益差异如何重组长期动态，并明确了冲突厌恶削弱民主抵抗效力的战略条件。
本研究评估了小型语言模型（SLMs）在医学研究论文分类任务中的表现，以HMTV/MMTV样病毒与乳腺癌关联的文献为案例。研究发现，在零样本设置下，Llama 3和Qwen2.5等SLMs的性能优于GPT-5和Gemini 3 Pro Preview等前沿大模型，仅略逊于Gemini 2.5 Pro。通过上下文学习（ICL）策略，SLMs在二元分类任务中可达到与Gemini 2.5 Pro相当的水平。分析表明，SLMs的决策常基于有效的科学线索，但也可能受文本伪影影响，凸显了在高风险科学流程中模型可解释性的重要性。
本研究将先进的基于结构的蛋白质-配体亲和力预测模型Boltz-2，适配用于蛋白质-蛋白质亲和力回归任务，并在TCR3d和PPB-affinity两个数据集上进行了评估。结果表明，尽管结构精度高，但Boltz-2-PPI模型在大小规模数据上的表现均逊于基于序列的替代模型。然而，将Boltz-2-PPI的嵌入表示与基于序列的模型嵌入相结合，能产生互补性改进，尤其对于较弱的序列模型，这表明基于序列和基于结构的模型学习了不同的信号。研究结果呼应了已知的与结构数据训练相关的偏差，并表明当前基于结构的表征尚未为高性能的亲和力预测做好准备。
本研究提出了一种创新方法，将无标记、高分辨率的相位全息层析显微镜成像与预训练的神经网络模型相结合，用于对癌细胞进行分类。研究人员使用3D相位全息层析显微镜对经紫杉醇处理与未处理的活体A549肺癌细胞进行成像，将图像堆栈转换为2D最大强度投影，并评估了多种预训练卷积网络（VGG16、ResNet18、DenseNet121、EfficientNet-B0）对治疗状态的二元分类能力。其中，EfficientNet-B0在未分割图像上达到了96.9%的准确率。折射率分析揭示了处理细胞的双峰分布，反映了对紫杉醇暴露的异质性生物物理响应，支持了网络检测药物作用细微、无标记指标的能力。作为进一步的概念验证，同一流程也以高准确率（90.6%）区分了无标记、高分级与低分级尿路上皮癌细胞的图像。这些发现凸显了将无标记全息层析成像与深度学习技术相结合，在快速高效分类肿瘤细胞方面的潜力，为治疗优化和个性化诊断策略的进步铺平了道路。
本研究通过扩展多物种种群动力学模型（如随机相互作用的Lotka-Volterra模型），揭示了在物种数量趋于无穷的极限下，种群规模普遍存在无标度关联函数。利用动力学平均场理论，研究将多物种系统描述为受人口统计和环境噪声影响的单物种动力学。研究发现，单物种模型具有随机质量项，使部分物种濒临灭绝边缘，从而在接近灭绝阈值时产生越来越大的关联时间和长度尺度。这些近临界场耦合了所有物种，导致种群规模的波动普遍呈现无标度特征。研究表明，这些关联的指数在空间维度d=3时可由定向渗流指数推导，但在更低维度则不然。
本研究通过统一的概率框架，系统评估了分子图自监督学习（SSL）中掩码策略的设计选择。在严格控制变量下，对掩码分布、预测目标和编码器架构三个核心维度进行了对比实验。研究发现，对于常见的节点级预测任务，复杂的掩码分布相比均匀采样并无一致优势。相反，预测目标的选择及其与编码器架构（尤其是图Transformer）的协同作用对下游性能影响更为关键。采用语义更丰富的预测目标能带来显著提升。
本研究首次全面分析了弗吉尼亚牡蛎资源评估与补充档案（VOSARA）中2003-2023年间222个牡蛎礁的壳长数据。通过开发一种基于高斯混合模型（GMM）的新方法，研究者仅凭壳长数据即可识别年龄组、追踪世代并估算寿命。结果显示，与21世纪初相比，2010年代中后期的牡蛎世代寿命更长、体型更大，表明在几乎所有河流系统中都存在恢复力信号。
本研究评估了猪流行性腹泻病毒（PEDV）在清洗消毒（C&D）后不同生猪运输车辆上的残留传染性。通过生物测定法对54头仔猪进行接种测试，发现来自运猪至市场车辆驾驶室内的样本仍能导致仔猪严重腹泻和PEDV阳性。其他车辆部位的样本则未引起持续临床症状，表明C&D后残留的感染性病毒浓度不足以在健康仔猪中引发严重疾病。研究指出，不同车辆类型的清洁效果差异显著，生产者需持续改进车辆清洗消毒程序。
本研究揭示了RNA甲基转移酶NSUN6在乳腺癌中的致癌作用。研究发现NSUN6通过催化m5C修饰，调控下游关键分子网络，从而驱动乳腺癌细胞的增殖和迁移，为理解肿瘤进展提供了新的分子机制视角。
本研究提出了一种量化视觉皮层平面放大因子（CMF）的新方法。针对传统fMRI数据信噪比低、拓扑关系不准确的问题，该方法将三维群体感受野模型结果投影至二维平面，运用最优传输技术保持局部皮层表面积，并通过拓扑平滑确保视网膜拓扑图的拓扑结构。应用该方法于人类连接组计划7T数据集，揭示了视觉场中先前未观察到的CMF模式，并展示了181名受试者间的个体差异。该方法在纽约大学3T数据集上得到验证，结果可靠且可重复。
本研究探索了支持向量回归（SVR）模型在急性髓系白血病（AML）精准治疗中的应用。研究仅利用患者的遗传特征数据，成功预测了其对不同药物的敏感性。模型在验证集和测试集上分别取得了0.9523和0.8928的R平方值，表明其能有效识别影响药物反应的关键基因特征，为个体化治疗方案的选择提供了有力的数据驱动工具。
本研究通过三维几何形态测量学分析了过去5万年间643个犬科动物头骨，发现独特的狗形态约在1.1万年前首次出现，且全新世早期狗已存在显著的形态多样性。这一变异远早于19世纪开始的人类主导的现代犬种选育，揭示了狗与人类长期共生过程中自然演化的重要阶段。