我们很高兴与大家分享Sustainability Science and Technology（SSTECH）期刊最新发布的一篇跨学科研究路线图，聚焦全球最紧迫的挑战之一——水资源可持续发展。 近日，SSTECH期刊还通过了Scopus的严格审查并成功被收录。   围绕全球可持续发展目标，该路线图汇集了来自学界的多元观点，旨在： 梳理当前水资源可持续发展领域的研究现状； 识别全球水资源系统面临的关键挑战； 为未来科学研究、技术创新和政策制定明确优先方向。   这项合作成果汇聚了来自世界各地知名研究人员的专业见解，从全球视角共同探讨可持续水资源管理，包括： Jonas Baltrusaitis，美国理海大学 Shu-Yuan Pan，台湾大学 Won-Ho Nam，韩国韩京国立大学 Xuan-Thanh Bui，越南胡志明市科技大学 Sovik Das，印度理工学院 Lee Duu-Jong，香港城市大学 Thi-Kim-Quyen Vo，越南胡志明市工业与贸易大学 文章介绍 2026 roadmap on sustainable water management Shu-Yuan Pan, Aishwarya Rani, Jonas Baltrusaitis, Won-Ho Nam, Yongsheng Chen, Hyunook Kim, Zhongfang Lei, Xuan-Thanh Bui, Gregory Pierce, Chang-Gyun Kim, Cheng-Wei Yu, Li Zhang,…

IOP出版社每月从年度重点期刊中精选两个主题的研究文章供大家阅读，本月的主题为Machine Learning/AI和Climate Change and Cities。这些文章体现了IOP期刊的高质量和创新性，并呈现了一些受关注的研究工作。欢迎大家阅读下载！您可以扫描下方二维码，查看IOP出版社数学与计算领域和环境与能源的最新资讯；还可以点击此处链接，订阅该领域的最新研究进展以及相关期刊的最新信息。   环境与能源： 数学与计算： 精选文章 Machine Learning/AI 2D Materials Understanding domain reconstruction of twisted transition metal dichalcogenide bilayers through machine learned interatomic potentials A Siddiqui, C Xu, S J Magorrian and N D M Hine   Fine tuning generative adversarial networks with universal force fields: application to two-dimensional topological insulators Alexander…

我们很高兴与您分享，AI for Science（AI4S）期刊最新一期文章现已正式上线！   AI4S是一本快速发展的跨学科钻石开放获取期刊，致力于推动人工智能在科学发现中的创新应用。每一期均汇集来自全球科研人员的高水平原创研究、前沿综述和前瞻性观点，展示AI如何赋能不同科学领域的发展。 依托与中国科学院东莞材料科学与技术研究所的合作，AI4S目前实行钻石开放获取模式，所有文章出版费用均由期刊承担。 📖 对于读者：可即时、免费获取全部前沿研究成果。 ✏️ 对于作者：可零费用发表研究成果。   为什么选择AI4S？ 🏠AI驱动科学研究的专业发表平台：AI4S专注于人工智能与科学研究交叉领域，为高质量科研成果提供值得信赖的国际化发表平台。 🔓零发表费用，开放获取：作者无需支付任何出版费用，论文发表后即可向全球读者免费开放，进一步提升研究成果的传播力与影响力。 ✅国际专家同行评审：稿件将由国际编委会组织严格、公正的同行评审，为您的研究提供专业、高质量的学术评价。 ⚡快速出版：依托IOP出版社高效的出版流程，论文接收后通常可在24小时内正式上线，并获得可引用的DOI。 📄轻松投稿：支持灵活投稿，无需提前调整排版格式，IOP出版社将负责后续排版制作，让您专注于科研本身。   >>欢迎阅读AI4S最新一期文章，探索人工智能赋能科学研究的最新成果。 亮点文章 Topical Review Perspectives on thermodynamics for AI and AI safety Zi-Kui Liu and Bing Li   Perspective Beyond accuracy: comprehensive alignment for AI-driven molecular design Qiang Zhang, Xiang Zhuang, Chenyi Zhou, Yihang Zhu, Tong Xu, Tianhao Li,…

本篇研究来自国防科技大学智能科学学院李裴森、第四军医大学口腔医学院冀敏慧课题组。单自旋器件储备池计算依赖时分复用，限制了信号处理效率。本文提出基于耦合磁隧道结的物理储备池计算架构，利用多隧道结间磁耦合同步振荡中耦合态射频振幅与频率的非线性动力学特性，将时序信号映射到高维特征空间，无需时分复用即可实现时序信号并行处理，在分类与航磁补偿等任务中验证其高精度、快速收敛与低功耗的潜力。 文章介绍 Reservoir computing on coupled magnetic tunneling junction for time series data preprocessing Yang Liyuan（杨丽媛）, Pan Mengchun（潘孟春）, Ji Minhui（冀敏慧）, Wang Jiayuan（王嘉园）, Li Xu（李旭）, Hu Yueguo（胡悦国）, Peng Junping（彭俊平）, Hu Jiafei（胡佳飞）, Qiu Weicheng（邱伟成） and Li Peisen（李裴森） 通讯作者： 李裴森，国防科技大学智能科学学院 冀敏慧，第四军医大学口腔医学院   研究背景： 随着人工智能和大数据应用向边缘端快速发展，其对高效、低能耗时序信号预处理系统的需求日益迫。基于自旋电子器件的物理储备池计算，利用其内禀非线性磁化动力学特性和非易失性，可以在硬件层面实现时序信号的高维动态映射，有效降低能耗和硬件开销。其中，自旋转移力矩振荡器（Spin-Torque Oscillator，STO）因具有快响应、强非线性和耦合同步振荡等特性，是理想候选器件。然而，单个STO结合时分复用的方法存在记忆容量有限、串行处理和延迟较高等问题，限制了多路时序信号处理能力。为此，该研究利用STO磁耦合同步机制，构建无需时分复用的物理储备池单元，通过分类和时序预测任务，验证了该架构在时序信号并行处理、多信号融合的边缘计算等场景的应用潜力。   研究内容： 本论文基于STO磁耦合仿真模型，系统研究了双STO之间的偶极磁耦合作用与同步锁定效应，并利用耦合态下频率和幅度的非线性动态特性，提出了一种无需输入掩码扩展的物理储备池单元。该方法将耦合STO输出电压在不同频率点的特征作为并行储备池状态，充分利用同步振荡产生的强非线性、短期记忆以及频率/幅值动态响应，提高了储备池计算性能并避免了单节点时间复用方法带来的串行处理和时间延迟问题。论文在标准认知任务中，表现出较好的计算性能：其中，波形分类准确率超过99.99%；在Mackey-Glass混沌时间序列预测任务中，长时预测准确率仍保持约86%。面向多路时序信号处理场景，论文进一步搭建并行储备池计算架构，并将该系统应用于航空磁导航补偿任务，实现了五路机载传感器并行输入条件下的复杂噪声信号处理，仅经过5轮训练即可收敛，测试均方根误差低至1.7×10⁻⁵。上述研究系统验证了磁耦合STO物理储备池在并行处理、多信号融合和低功耗边缘计算中的应用潜力，为快速、低功耗和高精度的边缘时序信息处理提供了新方案。 作者介绍 李裴森  副研究员 国防科技大学 李裴森，国防科技大学智能科学学院副研究员，博导。清华大学物理学博士，国家重点研发计划青年科学家、湖湘青年科技英才（荷尖人才）、《压电与声光》青年编委。长期从事智能传感与探测相关研究，主持参与国家重点研发计划、国家自然科学基金、科技创新2030等国家/军队项目，以第一/通讯作者在Advanced Materials、Nanoscale、Applied Physics Letters等期刊发表SCI论文36篇，合作发表学术论文65篇，申请国家发明专利55项，授权35项。   冀敏慧…