图书信息

内容简介

对 arXiv cs.ET 分类的年度综述，涵盖 2025 年 9 月至 2026 年 8 月期间发表的研究。本卷基于对 120 篇论文 的细读整理，组织为 44 章，按该领域的研究子方向描绘这一年的全貌。

全书框架（年度产出占比）：

类脑计算与神经形态硬件 (83.0%) — 本聚类聚焦神经形态芯片、存内计算与类脑系统的架构设计、基准测试与实现，以应对传统计算中的能效与可扩展性挑战。
量子计算架构与硬件 (6.3%) — 本领域研究处理量子中心超级计算机的设计、量子硬件性能，以及从经典到量子架构的转型，以求解复杂计算问题。
神经形态器件与存内处理 (3.8%) — 本子领域探索基于忆阻器与模拟神经形态器件的制造、优化与部署，用于高效边缘计算与存内处理范式。
伊辛机与组合优化 (2.7%) — 本方向研究利用伊辛模型、量子启发算法与神经形态硬件求解组合优化问题，并提升机器学习推理效率。
语义通信与无线感知 (1.6%) — 本聚类涵盖语义通信、通信与感知一体化，以及分子/生物无线信道，以提升复杂环境中的资源效率与检测能力。
大语言模型与多智能体系统 (1.1%) — 本领域研究聚焦改进大语言模型推理、多智能体协作框架，并基准测试大规模语言模型应用中的幻觉与安全。
物理储层计算与自适应控制 (0.6%) — 本细分领域探索物理与神经形态储层、自适应控制系统与动态物理计算，用于实时预测与安全应用。
自动驾驶与数字孪生 (0.6%) — 本子领域考察自动驾驶系统、协作机器人与数字孪生的整合，以提升交通安全、仿真精度与去中心化交通基础设施。
生成式 AI 应用与社会影响 (0.4%) — 本聚类分析生成式 AI 模型的快速发展、其在仿真与创意产业中的应用，以及相关的法律、教育与社会影响。
生物启发的脉冲 Transformer (0.1%) — 本专题聚焦通过脉冲神经形态 Transformer 中的突触可塑性实现注意力机制，将生物灵感与现代 Transformer 架构连接。