头条 复旦团队研发出“纤维芯片” 可以像普通纱线一样织进布料 想象一下，未来我们穿的衣服不仅能保暖，还能像手机、电脑一样处理信息；虚拟现实手套轻薄透气，让医生远程手术时可拥有现场操作般的“触觉”……这些看似科幻的场景，正因一项名为“纤维芯片”的原创成果而增加了早日实现的可能。1月22日凌晨，国际顶级学术期刊《自然》主刊发表了复旦大学彭慧胜/陈培宁团队的最新研究成果《基于多层旋叠架构的纤维集成电路》，团队成功在柔软的高分子纤维内制造出大规模集成电路，创造出世界首款“纤维芯片”。这意味着，“芯片”第一次从“硬质块体”走向“柔软纤维”，为未来智能织物、脑机接口、虚拟现实等新兴产业提供了新的技术支撑。 最新资讯 我国实现新一代光计算芯片研究新突破 12月19日消息，上海交通大学宣布，该校集成电路学院图像通信与网络工程研究所陈一彤课题组在新一代算力芯片领域取得重大突破。 发表于：2025/12/22 摩尔线程全功能GPU技术路线图首次全公开 摩尔线程首届MUSA开发者大会（简称：MDC 2025）在北京中关村国际创新中心正式开幕。作为国内首个聚焦全功能GPU的开发者技术盛会，大会系统展示了摩尔线程以自主MUSA统一架构为核心的全栈技术成果，全面展现公司在高端全功能GPU领域的关键突破与前瞻布局。 发表于：2025/12/22 全球首款2nm GAA手机SoC芯片正式揭晓 12月19日消息，三星今天正式发布了新一代旗舰手机SoC——Exynos 2600。Exynos 2600是全球首款采用2nm GAA工艺打造的芯片，这也是全球半导体行业的一个重磅里程碑。 发表于：2025/12/19 高通提前完成对Alphawave Semi的收购 完善AI产品组合 12月19日消息，高通于当地时间12月18日宣布，已正式完成对Alphawave IP Group plc（Alphawave Semi）的收购，完成时间较原计划提前约一个季度。 发表于：2025/12/19 SK海力士256GB DDR5 RDIMM通过英特尔Xeon 6 平台认证 12月18日，韩国存储芯片大厂SK海力士宣布，其256GB DDR5 RDIMM 内存模块已完成英特尔数据中心认证流程，成为业界首款通过英特尔Xeon 6 平台验证的同级产品，将进入AI 与云端数据中心应用市场。 发表于：2025/12/19 模拟芯片大厂ADI宣布全系产品涨价 12月18日消息，模拟芯片大厂亚德诺半导体（ADI）近日向客户发出涨价通知，计划于2026年2月1日起对全系列产品进行涨价。 而根据业内消息显示，ADI此次涨价将会针对不同客户层级及料号推出差异化调价方案，整体的涨价幅度约为15%。其中，近千款军规级MPNs产品（后缀/883）涨幅或高达30%，具体执行细则正处于最终敲定阶段。 发表于：2025/12/19 扫地机器人鼻祖iRobot CEO自曝破产原因 北京时间12月18日，据《日经亚洲》报道，扫地机器人鼻祖、美国公司iRobot CEO加里·科恩(Gary Cohen)表示，未能适应市场变化、难以与中国竞争对手抗衡，导致了公司破产。 发表于：2025/12/18 摩尔线程开源自研3DGS三维高斯溅射基础库LiteGS 12 月 17 日消息，在香港举办的全球图形学领域学术盛会 SIGGRAPH Asia 2025 上，摩尔线程今日在 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑战赛）中凭借自研技术 LiteGS 斩获银奖。 发表于：2025/12/18 光伏功率预测的对抗攻击与防御研究 深度神经网络已广泛应用于光伏功率预测，但却容易受到对抗攻击的威胁。为提高预测模型的对抗鲁棒性，提出了一种基于快速梯度符号法的对抗攻击算法与一种基于对抗训练的防御算法。快速梯度符号法生成具有时序关联性的对抗样本，建立攻击强度与预测误差的量化关系；对抗训练通过结合对抗样本，增强模型对输入扰动的泛化能力，以抵御对抗攻击。实验数据表明，对抗攻击能显著降低模型的预测准确率，而经过对抗训练的模型能有效提升鲁棒性。该方法验证了对抗攻防机制在光伏功率预测中的有效性，对电力系统的安全运行具有实际应用价值。 发表于：2025/12/17 基于SABNet的自闭症谱系障碍多模态脑影像识别研究 自闭症谱系障碍（ASD）是一种影响社交互动、沟通和行为的神经发展障碍，早期诊断至关重要，但在处理多模态脑数据时仍面临挑战。为此，提出了一种基于多模态特征融合的端到端模型SABNet，该模型通过稀疏自编码器对功能数据进行特征筛选，并结合结构数据构建联合特征。最终，结合双向长短期记忆网络和注意力机制提取动态序列中的重要信息，实现高效分类。通过在中型ASD-MRI数据集上的实验，SABNet在分类准确率（91.21%）等核心指标上明显优于传统方法，主成分分析进一步验证了其有效性。该研究表明了SABNet在ASD识别中的优异性能，并展示了多模态特征融合在脑疾病分类中的潜力。未来研究将致力于优化模型结构、扩大数据集规模，并提升其适用性和泛化能力。 发表于：2025/12/17 <…567891011121314…>
