- 资讯公开站rss_arxiv_cs_ai
面向昂贵进化优化的排名可靠教师引导适应度近似：一项TinyML架构搜索研究
Rank-Reliable Teacher-Guided Fitness Approximation for Expensive Evolutionary Optimization: A TinyML Architecture Search Study
arXiv:2609.30553v1 公告类型：新 摘要：昂贵的进化搜索并不总是需要对每个候选个体进行精确的适应度估计。它往往只需要对一个更简单的问题给出可靠答案：哪个候选个体更好？我们通过教师引导学习NSGA-II（TGL-NSGA-II）来满足这一需求，这是一个用于带约束的微型机器学习（TinyML）神经网络架构搜索的低保真框架。一个预训练教师将样本组织为由难度和类别共同定义的分层。随后，每个候选个体都要经过KD-Lite，即在紧凑…
- 资讯公开站Semiconductor Engineering
面向下一代量子应用的AI驱动器件建模
AI-Driven Device Modeling For Next Generation Quantum Applications
摘要显示，该文探讨在低温环境下提取先进紧凑模型，并利用混合人工神经网络（ANN）方法克服其不足，以支持下一代量子应用。文章来自Semiconductor Engineering，但未提供具体实验数据、机构或性能指标。
意义：AI辅助紧凑模型有望提升量子器件在低温下的建模精度，为量子芯片设计提供新思路。
- 资讯公开站Nature News
用于 X 射线到体数据配准的快速患者个性化神经网络
Rapid patient-specific neural networks for X-ray to volume registration
该研究提出一种快速构建患者个性化神经网络的方法，用于将 X 射线图像与三维体数据（如 CT）进行配准。方法针对单个患者快速训练网络，以提升配准精度与速度，服务于影像引导等场景。
意义：将患者个性化神经网络引入医学影像配准，有望提升术中X光与CT对齐的实时性与精度，对医学AI与影像引导开发有参考价值。