文章推广

本篇研究来自清华大学精密仪器系、类脑计算研究中心邓磊和太原理工大学计算机科学与技术学院郭浩课题组。该文提出离散时间脉冲循环神经网络（DTSRNNs），通过结合脉冲神经网络的离散脉冲特性与有限状态机（FSM）的离散状态转移机制，实现了通用FSM的高效稳定模拟。研究揭示了脉冲神经网络通过学习隐含长期模式提升鲁棒性的机制，为复杂时序系统建模提供了新思路，扩展了脉冲神经网络在需要高精度与高稳定性应用场景中的潜力。 文章介绍 General and Stable Emulation of Finite State Machines with Spiking Neural NetworksZiyang Sun(孙子杨), Zhong Zheng(郑重), Binying Zhang(章斌穎), Hanle Zheng(郑晗乐), Zikai Wang(王子恺), Hao Guo(郭浩), Lei Deng(邓磊)   通讯作者： 邓磊，清华大学，精密仪器系、类脑计算研究中心 郭浩，太原理工大学，计算机科学与技术学院   研究背景： 有限状态机（FSM）是离散状态系统的核心模型，但其依赖显式状态分解，难以建模复杂黑盒系统且易引发状态爆炸问题。人工神经网络虽擅长处理连续系统，但其连续状态与FSM的离散逻辑不兼容，导致长时稳定性和精确性不足。现有基于离散时间循环神经网络（DTRNNs）的方法因连续密集状态向量与FSM离散稀疏逻辑冲突，存在时间稳定性差、编码复杂等局限。受生物脉冲神经网络（SNNs）启发，该文提出离散时间脉冲循环神经网络（DTSRNNs），充分利用SNN的离散脉冲特性，并结合one-hot编码增强状态可区分性，解决传统DTRNNs模拟FSM时存在的局限性问题。通过构建随机FSM数据集开展系统性实验，验证了DTSRNNs在长序列任务中的稳定性和抗噪性优势，揭示其通过学习隐含长期模式提升鲁棒性的机制，为高精度和高稳定时序系统建模提供新范式。   研究方法： 该研究提出离散时间脉冲循环神经网络（DTSRNN），充分利用SNN的离散脉冲特性，结合one-hot编码增强状态向量的稀疏性和可区分性，将脉冲神经元的离散脉冲动力学特性与FSM的离散状态转移逻辑紧密结合。模型采用双层循环结构（如图a所示），基于泄漏积分发放（LIF）神经元实现状态更新，并构建随机FSM数据集系统评估性能，涵盖不同输入规模、状态复杂度及噪声干扰场景。训练中采用时空反向传播算法优化网络参数，结合均值平方误差损失函数，通过准确率、转移准确率和衰退周期综合量化模型能力。 实验表明，结合SNN和one-hot编码能够显著提升模型对复杂FSM的模拟能力，DTSRNN在时间稳定性与抗干扰性上优于传统离散时间循环神经网络（DTRNN），其衰退周期显著延长且在高噪声环境下仍保持稳定输出。图b展示了不同模型在噪声干扰下的状态转移结果，DTSRNN模型相比传统的DTRNN模型有着显著的纠错机制，可通过膜电位记忆机制捕获FSM的长期依赖模式，有效抑制状态漂移，而DTRNN因依赖短期状态转移易受错误累积影响。成果创新在于首次将脉冲神经动力学与FSM离散特性深度融合，提出系统性评估框架，揭示了SNN在时序建模中的内在稳定机制，为复杂控制系统的精准仿真及噪声环境下的鲁棒应用提供了理论支撑与方法突破。 作者介绍 邓磊  副教授 清华大学 邓磊，清华大学精密仪器系、类脑计算研究中心，副教授、博士生导师，国家高层次青年人才，IEEE Senior Member。从事类脑智能技术研究超过12年，在Nature、Nature Communications、PIEEE、IEEE TPAMI、IEEE JSSC、ICML、ICLR等发表论文100余篇，包含4篇封面论文和5篇ESI高被引论文，谷歌学术引用10000余次，获授权发明专利30余项。担任Frontiers in Neuroscience期刊副主编、中国人工智能学会脑机融合与生物机器智能专委会委员、中国认知科学学会计算神经工程专委会委员和多个国际会议分论坛主席和程序委员会委员。曾入选ScholarGPS全球前0.05%顶尖学者和Elsevier全球前2%顶尖科学家榜单、金国藩青年学子奖、北脑青年学者、吴文俊人工智能优秀青年奖和MIT TR 35 China等，代表性成果曾获中国科学十大进展、世界互联网领先科技成果、北京市自然科学一等奖、中国计算机学会技术发明一等奖和日内瓦国际发明展金奖等奖项。 郭浩  教授...

特刊详情 主题范围 Materials for Quantum Technology is pleased to bring together the work of the best early-career researchers in the field in a new annual collection dedicated to emerging leaders. The collection will present key new work from across the journal’s scope. An emerging leader is defined as a top researcher in their field who completed...

We have used the NASA Goddard Institute for Space Studies (GISS) Earth system model GISS-E2.1 to study the future budgets and trends of global and regional CH4 under different emission scenarios, using both the prescribed GHG concentrations as well as the interactive CH4 sources and sinks setup of the model, to quantify the model performance and its...

我们诚挚邀请您向IOP出版社旗下三本新创刊的机器学习期刊投稿。Machine Learning: Engineering、Machine Learning:Health和Machine Learning: Earth是三本跨学科开放获取期刊，致力于发布在工程、健康和地球科学等各领域中应用机器学习、人工智能和数据驱动计算方法的研究成果。 立即投稿，IOP出版社将全额资助文章发表费用，您可以免费、开放获取地发表研究成果。   投稿链接 Machine Learning: Engineering Machine Learning: Earth Machine Learning: Health   探索我们的新文章类型 Machine Learning: Engineering、Machine Learning:Health和Machine Learning: Earth推出了几种新的文章类型，以更好地服务研究群体： 数据集文章（Dataset Articles）：重点介绍可复用的数据集，帮助其他研究人员理解和使用数据，而非用于验证假设或提出新解读。 基准类文章（Benchmarks）：展示在相同问题或数据集上不同方法、模型、代码、算法或软件的表现。 挑战类文章（Challenges）：发表学术社群主导的挑战性研究，旨在通过开发新算法、数据集和工作流程来解决具体的科研问题。   除此之外，我们仍继续接受传统文章类型，如原创研究文章、快讯、观点文章、综述文章和研究路线图等。   我们非常期待有机会在期刊中发表您的研究成果，期待与您合作！>>点击此处链接，了解更多期刊信息。 期刊介绍 Machine Learning: Engineering Machine Learning: Engineering是一本多学科开放获取期刊，致力于在所有工程领域应用机器学习、人工智能数据驱动的计算方法。该期刊还发表介绍机器学习和人工智能在方法、理论或概念上的进展，并将其应用于所有工程领域的研究。 Machine Learning: Earth Machine Learning: Earth是一本多学科开放获取期刊，致力于在地球、环境、气候科学、可持续发展的所有领域应用机器学习、人工智能和数据驱动的计算方法。该期刊发表应用数据驱动方法的研究报告，这些方法提高了我们对地球系统的认识，以及对生物圈、水圈、冰冻圈、大气圈和地圈之间相互作用的认识。 Machine Learning: Health Machine Learning: Health是一本多学科开放获取期刊，致力于在医疗保健、医学、生物、临床和健康科学领域应用机器学习、人工智能和数据驱动的计算方法。该期刊还发表机器学习和人工智能在方法、理论或概念上的进展，并将其应用于医学和健康科学的研究。

特刊详情 客座编辑 李正强，中国科学院空天信息创新研究院 Jason Blake Cohen，中国矿业大学 秦凯，中国矿业大学 林金泰，北京大学 姜哲，中国科学技术大学 金晓梦，美国罗格斯大学   主题范围 Atmospheric remote sensing provides a basis upon which quantification of the atmosphere and its changes over time can be clearly made. By being able to quantify the loadings, spatial, and temporal distribution of various gasses, aerosols, hydrometeors, and dust, more clear information and...

本篇研究来自浙江大学集成电路学院张亦舒课题组。本研究开发了一种基于阈值开关忆阻器的统一安全硬件，集成了PUF和TRNG功能。通过构建32×32 1T1R阵列，验证了器件的高循环稳定性和随机性，实现了高均匀性、唯一性的PUF系统，并成功部署了基于CTR_DRBG算法的TRNG。与同类工作相比，能耗降低30%以上，随机数生成速率提升20%以上。该研究为物联网设备的安全硬件集成和能效优化提供了新思路。 文章介绍 Enhancing IoT security with threshold switching-based unified security primitives Guobin Zhang（张国滨）, Jianhao Kan（阚建豪）, Xuemeng Fan（凡雪蒙）, Qi Luo（罗琪）, Jiabao Sun（孙家宝）, Dawei Gao（高大为） and Yishu Zhang（张亦舒） 通讯作者： 张亦舒，浙江大学集成电路学院   研究背景： 随着大数据和物联网时代的到来，物联网设备通常计算资源和存储容量有限，却需要处理和传输大量敏感数据，因此开发先进的物联网安全硬件至关重要。物理不可克隆函数（PUF）和真随机数生成器（TRNG）作为主流硬件安全原语，分别用于生成不可复制的认证凭证和真正的随机数，以确保系统的安全性和不可预测性。然而，现有的PUF和TRNG模块通常需要额外的电路开销，限制了其在物联网边缘设备中的大规模应用。本研究旨在通过基于阈值开关忆阻器的1T1R阵列，实现PUF和TRNG功能的统一集成，解决现有安全硬件在集成密度和能效方面的挑战，为物联网设备提供高效、可靠的安全解决方案。   研究方法： 本研究通过构建32×32的1T1R阵列，基于阈值开关（TS）忆阻器成功实现了物理不可克隆函数（PUF）和真随机数生成器（TRNG）功能的统一集成。研究团队首先对FeOₓ薄膜的化学特性及TS忆阻器的电学性能进行了详细分析，验证了器件具有良好的循环稳定性和随机性（图1）。   图1薄膜的制造细节和化学特性。   通过优化器件的材料和结构，研究实现了高可靠性忆阻器（图2）以及进一步的高均匀性和唯一性的PUF系统，其生成的PUF在均匀性、唯一性和鲁棒性方面表现出色，汉明重量接近理想值0.5，且在不同温度下的比特错误率（BER）保持在1.5%以下。此外，研究还基于CTR_DRBG算法成功部署了TRNG，生成的随机数通过了NIST-900测试，展现出卓越的随机性（图3）。实验结果表明，该设计的每比特能耗仅为0.043 pJ，随机数生成速率达到1621 Mbps，与同类工作相比，能耗降低了30%以上，生成速率提高了20%以上。这一成果不仅展示了TS忆阻器在硬件安全领域的应用潜力，还为解决物联网设备安全硬件的集成和能效问题提供了创新解决方案，显著提升了物联网设备的安全性和能效表现。     图2 TS忆阻器的数据保持能力（高阻态）     图3 (a) AES 128 的流程图。(b) 密钥生成示意图。 作者介绍 张亦舒...

特刊详情 客座编辑 Stuti Haldar，瑞典隆德大学 Giuseppe Pellegrini-Masini，挪威科技大学 Megan Davies，南非斯坦陵布什大学 Rita Vasconcellos L. dOliveira Bouman，挪威科技大学   主题范围 The energy transition agenda has now evolved to being a means to achieve transformative change, addressing socio-economic development and environmental sustainability. The triumvirate of energy justice- distributional, recognition and procedural are a useful framework that offers both evaluative and normative...

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Complex Systems、International Year of Quantum和Piezoelectrics/Energy Harvesting。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、量子领域和工程领域的最新资讯；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。 数学与计算： 工程： 量子： >>您还可以点击此处链接，查看IOP出版社国际量子年相关活动。 精选文章 Complex Systems Journal of Physics: Complexity An evolution model for the mobility of urban societal classes based on complex networks Yi-Hua Zhou, Liang-Li Yang, Jieqi Lei, Rui-Jie Wu and Yi-Xiu Kong   Combined effect of incentives and coupling in multigames in two-layer networks...

特刊详情 客座编辑 Kirill Koshelev，澳大利亚国立大学 Andrey Bogdanov，哈尔滨工程大学 徐雷，英国诺丁汉特伦特大学 刘文哲，复旦大学 吴丰，广东技术师范大学 肖书源，南昌大学 主题范围   Metasurface for laser generation supporting photonic BICs. Image credit to Anastasia Shalaeva, ITMO University August 2019.   Since their introduction in quantum mechanics in 1929, bound states in the continuum (BICs) have garnered widespread interest across the physics community. They appear in diverse...

Our study shows that in countries such as the United States and the United Kingdom, far more land is allocated to golf courses than to renewable energy facilities. Areas equivalent to those currently used for golf could support the installation of up to 842 GW of solar and 659 GW of wind capacity in the...

特刊详情 客座编辑 谯自健，宁波大学 方仕童，深圳大学 Daniel Yurchenko，英国南安普顿大学 主题范围 AI-Driven Smart Materials, Structural Design, and Lifecycle Health Monitoring form an integrated paradigm shift toward autonomous, self-adaptive engineering systems. The synergy between intelligent material innovation, AI-optimized structural design, and real-time health monitoring enables seamless transitions from design to operation to prognostics, ensuring resilience across the entire lifecycle. Traditional...

本篇研究来自电子科技大学Abolfazl Bayat课题组。量子系统对环境变化高度敏感，这使其成为高精度传感器的理想选择。传统的量子传感框架主要基于“局部传感”，适用于参数在狭窄范围内变化的情况。本文回顾了将这一框架扩展到“全局传感”的努力，其中参数可以在任意范围内变化。我们将全局传感方法分为频率学派和贝叶斯学派两类，并评估了它们各自的优点、优势和局限性。通过这一分析，我们旨在推动量子传感超越局部范式，突出其进展、挑战和机遇。 文章介绍 Current trends in global quantum metrology Chiranjib Mukhopadhyay, Victor Montenegro and Abolfazl Bayat 通讯作者： Abolfazl Bayat，电子科技大学   研究背景： 与由Cramér-Rao形式描述的、定义明确的“局部传感”框架不同，“全局传感”的概念缺乏统一的描述。因此，全局传感的精度可以根据所选择的性能指标以多种方式进行量化。这些不同的方法进而导致了优化传感探针的不同策略。在本文中，我们将所有这些方法整合到一篇综述中，全面概述了全局传感的现有方法。这一综合旨在为任何希望了解和探索全局量子传感领域的人提供宝贵的资源。   研究内容： 本文为致力于探索全局量子传感领域的年轻研究人员提供了重要的参考资源。与传统范式不同，全局量子传感缺乏统一的框架，因此人们提出了多种性能指标来评估量子探针在此类场景中的表现。在这项工作中，我们系统地将现有方法分为两大类：频率学派和贝叶斯学派。对于每种方法，我们概述了相关的性能指标，并详细解释了如何利用这些方法来优化传感方案。通过提供结构化的综述，本文旨在帮助研究人员应对全局量子传感中的复杂性并把握其中的机遇。 作者介绍 Abolfazl Bayat  教授 电子科技大学 Abolfazl Bayat教授目前担任中国电子科技大学（位于成都）的物理学教授。在2018年加入中国电子科技大学之前，他曾在欧洲多所顶尖大学积累了近十年的工作经验，包括英国伦敦大学学院和德国乌尔姆大学。他的主要研究方向是量子传感和量子机器学习。迄今为止，他已发表了80多篇论文，其中包括14篇发表在Physical Review Letters和1篇发表在Nature Communications上的论文，展示了他在该领域的卓越贡献。 期刊介绍 Journal of Physics A: Mathematical and Theoretical 2023年影响因子：2.0  Citescore：4.1 Journal of Physics A: Mathematical and Theoretical（JPhysA）每年出版50期，针对运用数学结构来描述物理世界的基本过程，并探索这些结构的分析、计算和数值方法。期刊内容涵盖：统计物理；非平衡系统、计算方法和现代平衡理论；混沌和复杂系统；数学物理；量子力学和量子信息理论；场论和弦理论；流体和等离子体理论；生物模型等方面。文章类型包括原创性论文和综述，以及关注于热点研究的专题综述和特刊，提供及时、全面的纵览。