电子学报

《电子学报》投审稿系统登录方式切换公告
Learn More

欢迎访问

电子学报

创刊于1962年，是中国电子学会主办的旗舰学术期刊。

《电子学报》办刊宗旨是反映中国电子与信息科学领域内的新理论、新思想、新技术，

具有国内外先进水平的最新研究成果和技术进展，为促进国内外学术交流，促进中国电子与信息科学技术的快速发展服务。

了解更多

期刊影响力

原投审稿系统
新投审稿系统
联系我们

2026年第54卷第8期

当期目录:

过刊浏览

2026年第7期

2026年第6期

2026年第5期

优先出版

磁场可配置高频磁热疗系统及其温升效率研究
汤云东, 张颖昊
当前状态：二校优先
2026: 1-9. DOI: 10.12263/DZXB.20260393
摘要：磁热疗作为一种新兴的肿瘤治疗技术，凭借其靶向性强、创伤小、可重复实施等优势，近年来在肿瘤精准治疗领域持续受到关注。该技术通过磁热疗装置激励产生的交变磁场激发磁纳米粒子（Magnetic Nanoparticles，MNPs）受尼尔弛豫、布朗弛豫等机制产生局部热效应，使肿瘤病灶在相对局限的空间内获得有效热损伤，同时尽可能减少对正常组织的热损伤。然而，现有磁热疗装置大多采用正弦波作为磁场激励波形，同时既往研究尚未充分探讨不同波形交变磁场对温升效率的影响。为探究不同交变磁场对磁热疗温升效率的影响，本研究首先以螺线管线圈为负载，搭建磁场可配置高频磁热疗硬件装置，并利用该装置产生正弦波、方波和三角波等不同激励交变磁场，为波形对比实验提供稳定可控的磁场环境。其次，本研究设计了一套基于模糊比例-积分-微分（Proportional-Integral-Derivative，PID）算法的温度闭环反馈系统，同时将光纤温度传感器用于实时监测靶向区域温度，从而实现对MNPs升温过程的精准动态调控。进而，本研究采用控制变量法，在相同磁流体注射条件下开展磁热疗温升实验，综合评估磁场类型、磁场频率、磁场强度、磁流体浓度及注射速率等因素对不同浓度琼脂糖凝胶和离体猪肝温升效率的影响。实验结果表明，非正弦波磁场，特别是方波磁场，在改善MNPs温升效率方面具有显著优势。具体而言，当外加磁场参数为500 kHz、5 mT，注射磁流体为0.3 mL、15 mg/mL，注射对象为离体猪肝时，方波相较于传统正弦波可使温升提高幅度达到6.4 ℃，温升效率提高34%；三角波则可提升3.0 ℃的温升和15.4%的温升效率。最后，本文采用的模糊PID算法对加热过程的温度超调量控制可由传统PID控制的8.67%降至0.79%。本文所开展的研究结果表明，采用非正弦波激励磁场是提升磁热疗温升效率的重要途径；模糊PID算法则为磁热疗过程提供了更快的温升响应、更可靠的温度调控手段。
<HTML>
<网络PDF><Meta-XML>
12
0
0
铪基FeRAM高温保持特性及机理研究
郭术明, 金兴成, 于佳杰
当前状态：二校优先
2026: 1-10. DOI: 10.12263/DZXB.20260735
摘要：面向汽车电子、航空航天及工业控制等高温环境下的嵌入式非易失存储应用，本文研究Hf_0.5Zr_0.5O₂（HZO）铁电随机存储器（FeRAM）在无偏压高温保持及高温循环应力下的电学特性与退化机制。以0.18 μm CMOS工艺平台制备的TiN/HZO/TiN沟槽型1T1C FeRAM为主要研究对象，并采用相同叠层的平面型铁电电容器进行对照。通过高温原位循环、高温烘烤后恢复至室温测试以及高温原位保持三种流程，系统考察175、200和250 ℃条件下，温度、保持时间及初始唤醒状态对P-V滞回曲线、I-V翻转电流、剩余极化强度和矫顽场的影响。结果表明，沟槽型器件在室温下经过10⁶次循环唤醒后，平均2P_r由初始状态的约46 μC/cm²提高至约51 μC/cm²；随后在175 ℃无偏压条件下保持40 h，平均2P_r下降至约21 μC/cm²，同时伴随P-V曲线收缩、I-V翻转电流峰降低及电压轴方向偏移，说明长期高温应力会削弱唤醒带来的极化增强效果，并降低可翻转铁电畴的有效体积分数。器件升温初期可能出现由畴壁解钉扎和缺陷重分布引起的短暂热唤醒，但随着保持时间延长，翻转电流峰总体减小并展宽，且温度越高，退化越明显。升温后器件的正、负矫顽场分别变化至约1.5～1.7 MV/cm和0～0.2 MV/cm，相关偏移主要在高温保持初期建立，随后随时间延长趋于稳定，表明印记相关内建偏置场能够在热激活作用下快速形成。平面型器件呈现出与沟槽型器件一致的定性演化趋势：在200 ℃保持2 h和11 h后，其归一化2P_r分别下降至初始值的90%和83%；冷却至25 ℃后，2P_r由高温下的约7.5 μC/cm²恢复至约14 μC/cm²，但未完全恢复至高温处理前的水平，说明高温诱导的极化衰减同时包含可恢复和不可逆成分。进一步比较不同初始状态发现，未唤醒器件在高温保持后的P-V曲线单向偏移约为28%，而唤醒后器件的偏移增大至约56%，表明高温印记效应不仅取决于温度和保持时间，还与高温处理前的可翻转畴比例及预极化状态密切相关。机制分析认为，高温保持退化并非由单一因素主导：P-V曲线收缩和翻转电流峰降低对应可翻转极化分量衰减，可能与界面屏蔽能力下降引起的退极化场、缺陷生成及畴钉扎有关；曲线沿电压轴的单向偏移则主要源于预极化状态下带电缺陷的方向性重分布及其形成的内建偏置场。本文区分了高温保持过程中极化衰减与印记偏移两类退化特征，为HZO-FeRAM的高温可靠性评估、工作条件设定及界面与缺陷工程优化提供了实验依据。
<HTML>
<网络PDF><Meta-XML>
8
1
0
热启动式LoRA模块选择中能量归一化奇异值熵的排序效度
李文鑫, 杨胜天, 叶天语
当前状态：二校优先
2026: 1-21. DOI: 10.12263/DZXB.20260914
摘要：在固定低秩预算下，低秩自适应（Low-Rank Adaptation，LoRA）需要决定将有限的适配容量分配给哪些模块。能量归一化奇异值熵（Energy-Normalized Singular-Value Entropy，EN-SVE）可基于权重更新以较低成本计算得到，但在显式区分覆盖度、投影构成、更新幅度和资源暴露等混杂因素的条件下，其谱排序能否准确反映模块的任务关键性，尚缺乏严格检验。本文构建热启动式受控评估框架，比较基于谱诊断、结构先验、更新幅度与随机采样的4类选择策略与全覆盖基线，并采用留一法测量模块级功能效应。理论上，本文以经LoRA倍率缩放的低秩核心矩阵计算权重更新的非零奇异值，建立包含更新幅度、谱能量分配与激活方向的局部扰动能量分解，并以梯度-更新对齐及余项刻画带符号的模块移除损失。在此基础上，本文进一步实现共享检查点分支协议，使同一种子内的各可分支策略自同一热身检查点状态恢复，从而在固定候选集、保留数与投影配额的条件下对熵方向给出受控估计。实验上，本文分别评估跨初始化的谱排序稳定性、共享检查点下的模块选择效度与最终任务性能，同时核算适配器最终规模、峰值规模及累积训练暴露。在探索性网格中，所有选择性掩码均未超过倍率匹配的全覆盖低秩基线。在六种子确证实验中，低减高方向估计在多数种子为正，但均值接近零且置信区间覆盖正、负两个方向；全覆盖低秩参照以较选择性策略更少的最终秩单元与累积训练暴露取得最高均值；在回归任务、解码器架构与前馈模块族3个受控迁移设置中，资源更多的全覆盖锚点均取得最高描述性均值，低EN-SVE分层相对该锚点的9个按种子配对差无一为正。跨种子与热身、最终两个时点，EN-SVE与模块移除效应的一致性取决于功能性度量，它与带符号移除损失正相关，与带符号准确率下降弱负相关，且排序前部的模块重叠有限并随时点变化。度量任务损失一阶项的门控梯度探针与实际移除损失呈一致的正秩相关。结果表明，EN-SVE可作为紧凑的谱诊断量，但不足以单独充当可靠的模块效用排序依据。谱诊断应在控制覆盖度和投影构成的前提下，与功能性干预以及激活或梯度感知信息联合验证。
<HTML>
<网络PDF><Meta-XML>
5
1
0
一致性信息引导的半监督概念认知学习
郭豆豆, 徐伟华, 钱宇华, 苑克花
当前状态：二校优先
2026: 1-18. DOI: 10.12263/DZXB.20260906
摘要：概念认知学习（Concept-Cognitive Learning， CCL）是一种以概念及其概念空间为知识表示基础的新型机器学习方法，通过从数据中抽象和归纳概念，实现对数据的概念化建模、知识发现与分类决策。然而，现有概念认知学习方法大多依赖充足的标记样本，在标记样本稀缺场景下难以充分挖掘大量未标记样本中蕴含的结构信息和潜在知识，导致模型的泛化能力和分类性能受限。此外，未标记样本中的信息可靠性存在明显差异，如何识别并利用高质量未标记样本指导概念学习，仍是一个亟待解决的问题。为此，本文提出一种一致性信息引导的半监督概念认知学习方法（Semi-supervised Concept-Cognitive Learning， SemiCCL），通过联合利用样本一致性和概念空间结构信息，实现对未标记样本潜在知识的有效挖掘与利用，提升半监督数据场景下的概念认知学习能力。具体而言，所提SemiCCL方法首先基于标记样本构建初始化概念空间，并进一步通过定义概念空间的中心和偏离度建立未标记样本的一致性分析机制，实现高可信未标记样本的识别；依据概念隶属度信息为一致性样本生成伪标签，并以此构建一致性样本概念空间；进而，结合初始化概念空间和一致性样本概念空间融合构建半监督概念空间，实现对未标记样本的概念知识的有效利用；在此基础上，通过优化半监督概念空间，提出大概念优先原则下的概念认知方法，在保留关键概念知识的同时提升对未知样本的概念认知与分类能力，完成半监督概念认知学习任务。为验证所提SemiCCL方法的有效性，在12个公开数据集上进行了对比实验。实验结果表明，所提SemiCCL方法能够有效提升标签缺失场景下的半监督分类性能，并验证了所提半监督学习机制、样本一致性选择机制以及大概念空间优化机制的有效性。相较于综合性能最优的两种基线对比方法，SemiCCL的平均分类准确率和平均Macro-F1可分别提高5.52和7.89个百分点。
<HTML>
<网络PDF><Meta-XML>
13
1
0
基于拓扑上下文对齐的环状RNA-疾病关联预测方法
尤海茹, 李垚璐, 李月超, 陈伯林, 尤著宏, 王磊
当前状态：二校优先
2026: 1-17. DOI: 10.12263/DZXB.20260490
摘要：环状RNA是一类具有共价闭环结构的内源性非编码RNA，在疾病相关基因调控、分子互作和病理进程中具有重要研究价值。面向环状RNA-疾病潜在关联识别任务，如何充分整合生物属性信息与网络结构信息，并学习具有判别性的节点表示，是提高预测性能的关键。针对现有方法在多源信息协同建模、拓扑结构表达和候选配对判别方面仍存在的不足，本文提出一种基于拓扑上下文对齐表示学习的环状RNA-疾病关联预测方法TCA-CDA。该方法以已知环状RNA-疾病关联矩阵为基础，分别从疾病功能相似性和环状RNA序列语义两个角度构建节点属性特征，并通过统一映射获得共享空间下的初始节点表示，从而为后续网络表示学习提供多视角生物先验。随后，本文设计拓扑上下文对齐模块，将拓扑感知邻域编码与上下文依赖建模进行交替融合：前者通过图结构传播捕获节点邻域关系和高阶拓扑模式，后者利用全局上下文交互挖掘不同节点之间潜在的长程依赖关系，使模型能够在逐层更新过程中实现局部结构信息与全局关联语义的协同增强。在候选关联预测阶段，本文不再仅依赖简单的节点表示拼接，而是构建由节点自身表示、差异关系和交互关系组成的复合配对特征，以更全面地刻画环状RNA与疾病之间的潜在匹配关系。同时，模型采用分类监督与排序监督相结合的联合优化策略，在提升预测能力的同时增强候选关联排序的稳定性。本文在circAtlas、CircR2Disease和circRNADisease三个公开基准数据集上开展五折交叉验证实验。结果显示，TCA-CDA在三个数据集上的AUC分别达到0.914 5、0.929 6和0.924 4，整体表现稳定。与多种已有方法相比，所提方法在准确率、F1值、MCC、AUC和AUPR等指标上具有较好的综合性能；消融实验表明，拓扑感知邻域编码和上下文依赖建模均对模型性能提升具有积极作用；参数敏感性分析、下游分类器比较和负采样策略实验进一步验证了模型的鲁棒性与计算可行性。综上，TCA-CDA能够有效学习环状RNA-疾病异质网络中的潜在关联模式，为候选关联筛选和后续生物学实验验证提供可靠参考。
<HTML>
<网络PDF><Meta-XML>
67
19
0
多模态意图感知Token通信方法
于静, 茹志鹏, 王路娟, 徐浩, 张翰林
当前状态：二校优先
2026: 1-19. DOI: 10.12263/DZXB.20260703
摘要：面向第六代移动通信（sixth-generation mobile communication，6G）人工智能原生网络中可理解、可推理和可协同的多模态传输需求，传统语义通信方法多以文本、图像或多模态特征为传输对象，通常关注源内容压缩和恢复，难以在通信前显式理解并压缩用户由多源信息表达的任务意图。为验证多模态意图在Token通信中的传输价值，本文采用组合图像检索作为下游任务，并提出一种多模态意图感知Token通信方法（Multimodal Intent-Aware Token Communication，MIA-TC）。该方法面向多模态输入中蕴含的任务意图如何在通信前被理解、压缩并传输这一问题，将发送端多模态意图抽取、目标描述生成、文本Token化传输和接收端任务检索组织为统一流程。在具体实现中，发送端不直接传输原始图像、操作文本或高维多模态特征，而是利用多模态大语言模型（Multimodal Large Language Models，MLLM）从参考图像与操作文本中理解用户检索意图，生成面向任务的目标意图描述，并将该描述离散化为少量文本Token后进入基础Token通信链路。接收端恢复目标描述后，利用视觉语言模型完成文本到图像检索。针对发送端意图压缩，本文设计了包含视觉定位、意图推断、反思过滤和压缩输出的提示词，使模型在传输前完成任务相关信息选择，并把中间推理信息压缩为可通信的目标描述。本文进一步提出Token级通信感知检索得分（Token-level Communication-Aware Retrieval Score，Token-CARS）与信道使用级通信感知检索得分（Channel-use-level Communication-Aware Retrieval Score，Channel-CARS），将下游任务性能分别与Token数量和信道资源消耗进行联合评价；通信链路采用基础Token分组、校验、信道编码、调制以及单次传输和可靠重传流程。组合图像检索（Composed Image Retrieval on Common Objects in context，CIRCO）验证集上的实验结果表明，MIA-TC与原始图文Token传输后推理方案在下游任务指标上保持相近水平，并在中高信噪比（Signal-to-Noise Ratio，SNR）的可靠传输设置下取得更好结果；在SNR = 5 dB的可靠重传模式下，MIA-TC在下游任务性能指标前5位召回率（Recall at 5，Recall@5）取得了16.82，Token-CARS@5达到0.506，Channel-CARS@5达到7.124，均高于传输后MLLM推理检索和两阶段语义压缩检索；相比原始图文Token方案，平均Token数量减少93.58%，信道使用次数减少87.34%，平均端到端推理时延减少11.89 ms。相比两阶段语义压缩方法，MIA-TC在下游任务检索性能以及Token-CARS和Channel-CARS综合指标上均表现更好。尤其在Token-CARS和Channel-CARS指标上，MIA-TC均高于原始图文Token方案和两阶段语义压缩方法，说明发送端先进行多模态意图理解与语义压缩，能够在保持任务有效性的同时降低通信负载，为6G AI原生语义通信中的多模态意图传输提供了一种可复现的研究范式。
<HTML>
<网络PDF><Meta-XML>
217
138
0