🔬正在考虑将您的神经形态计算研究投稿至哪个期刊？ 从下一代神经网络模型，到创新材料与视觉技术，Neuromorphic Computing and Engineering（NCE）期刊覆盖神经形态计算的完整研究版图。 NCE期刊的特刊（Focus Collections）是围绕特定研究主题精心策划的论文合集，汇集相关领域的前沿与关键进展。 当前开放征稿的特刊 Unified Neuromorphic Sensing, Computing & Communications 截止日期：2026年11月 Ion Dynamics for Neuromorphic Computing 截止日期：2026年11月 Neuromorphic Algorithms 截止日期：2026年8月 2D Materials for Intelligent Computing 截止日期：2026年7月 期刊介绍 Neuromorphic Computing and Engineering 2025年影响因子：4  Citescore: 10.4 Neuromorphic Computing and Engineering（NCE）是一本涵盖多个学科领域、采用开放获取（OA）形式出版的期刊。NCE期刊将神经形态系统的硬件和计算方面结合在一起，读者群覆盖工程、材料科学、物理、化学、生物学、神经科学和计算机科学等领域，跨越学术界和产业界的各个群体。在NCE期刊上发表的研究需针对神经形态系统和人工神经网络领域做出及时而重要的贡献。

IOP出版社旗下期刊Environmental Research Communications近日宣布云南大学男顶博士加入该刊编委会，担任编委。我们在此表示热烈欢迎！ 编委介绍 男顶  博士 云南大学 男顶，博士毕业于University of Bristol，2018年至2022年在中山大学从事博士后研究。长期从事水文气象极端事件监测、模拟与归因研究，研究方向涵盖遥感降水估算与质量评估、水文模型不确定性分析、洪水形成机制识别、气候变化与人类活动对极端水文事件的影响，以及洪涝灾害风险评估等。相关成果发表于Journal of Hydrology、Journal of Hydrometeorology、Bulletin of the American Meteorological Society等国际期刊。入选云南省“兴滇人才支持计划”青年人才专项，2021年入选Environmental Research Communications年度最佳审稿人，以及Environmental Research Letters优秀审稿人。非常高兴能够继续以编委身份为IOP期刊服务，并为相关学科领域的发展贡献自己的力量。 期刊介绍 Environmental Research Communications 2025年影响因子：2.7  Citescore: 3.6 Environmental Research Communications（ERC）是一本开放获取期刊，涵盖与环境研究相关的所有领域，包括跨学科和多学科的研究。ERC发表推动该领域知识的所有研究结果，包括增量研究、负面结果、无效结果、案例分析、区域性研究和复制研究。

Ferroelectrics are important in many technological applications, from sensors and actuators to memory and fast-switching devices. The key to their versatility lies in the coupling between their electrical and mechanical properties, which can be controlled reversibly under different external conditions. Here, we report the effects of hydrostatic pressure on structural and ferroelectric phase transitions in…

本篇研究来自香港大学林彦民课题组。本研究提出色散编码4D特征学习（3D空间+1D光谱）方法，用于水中微颗粒实时监测。三角棱镜将全息与光谱压缩至单帧，经光学模型与深度学习，无需重建即可从快照同步恢复空间坐标和类别。六类水体颗粒分类宏F1达98.10%；无监督F1较纯全息提升约15%，减轻标注依赖，为微塑料原位监测提供新手段。 文章介绍 Snapshot HoloSpec: Dispersion-Coded 4D Feature Learning for Waterborne Particle Monitoring Jingyan Chen（陈静妍）, Yaping Zhao, Yuxing Li, Yanmin Zhu, Yuqing Cao and Edmund Y Lam（林彦民） 通讯作者： 林彦民，电气与计算机工程系，香港大学   研究背景： 塑料污染已成为全球最严峻的环境挑战之一。2019年全球塑料消费量达4.6亿吨，预计2060年将增至13.1亿吨。塑料碎片持续破碎形成尺寸1 µm至5 mm的微塑料，因降解慢、迁移性强、吸附性显著，已广布于陆、水、气生态系统，并经食物链威胁人类健康。 精准识别水中微塑料的种类、形态、尺寸与丰度，是研究其来源与生态影响的基础。然而现有手段局限明显：传统光谱方法（FTIR、Raman）昂贵耗时；常规光谱成像依赖复杂光学元件，成本高且分辨率受损；强度成像丢失相位信息；数字全息与单一模态结合则精度与便携性不足。 因此，需要一种低成本、高通量、可同时获取形态、空间与光谱信息的多维成像系统，以实现水中微塑料的原位监测。   研究内容： 研究团队设计了一种基于色散编码的快照式全息光谱成像系统。系统采用两路光源：532 nm单纵模激光提供无透镜在线数字全息通道，编码样品的3D形态与折射率信息；350–800 nm宽带白光LED提供透射光谱维度。两路光经合束后照射样品，再由一个12.7 × 12.7 mm的棱镜进行色散，最终由单色CMOS传感器记录压缩后的4D信号（3D空间 + 1D光谱）。针对图像处理建立了”物理反向传播 + 深度学习”双路径联合表征框架：通过角谱传播算法对色散全息图反向传播，得到样品的复光场Γ(x,y,z)，恢复振幅与相位分布；同时通过监督与无监督两条学习路径，直接对快照图像进行分类。 实验对六类水体颗粒（PC、PMMA、PP、PVC、水蚤、环境杂质）进行了系统验证： HoloSpec提取的特征类内更紧凑、类间更可分；在四类视觉差异极小的微塑料中仍保持优异的识别性能。 Snapshot HoloSpec 方法： 硬件极简：仅用单只普通玻璃棱镜即实现全息与光谱信息的同孔径压缩采集； 免预处理、免标定：直接对原水样品进行4D监测； 降低标注依赖：无监督路径下F1提升约15%，特别适合动态水体场景；…