近日，青岛滨海学院智能制造与材料学院马吉超博士在中国科学院三区期刊发表两篇高水平论文，在人脑信息处理研究领域取得新进展。

文章1：发表在《Scientific Reports》期刊

该文章题为“Accurately modeling resting-brain functional connectivity using hypergraph neural field-Fourier deep neural network”，聚焦人脑静息态功能连接建模难题，针对人脑结构与功能连接关系展开深入研究。

研究创新性融合超图神经场与Fourier深度神经网络，构建HNF-FDNN模型，从脑区间信息交互和频域特征两个层面刻画脑功能连接形成过程，增强结构连接到功能连接的映射表征能力。

本次研究实现了非直接结构连接脑区间信息交互的建模，能够更准确地模拟脑区间正、负相关关系，并显著提高结构连接到功能连接的预测精度。为从脑活动动力学与数据驱动方法相结合的角度理解功能连接形成机制提供了新的建模思路。

论文完整信息：Jichao Ma*, Jiebin Luo, Dandan Liu, Xi’an Li. Accurately modeling resting-brain functional connectivity using hypergraph neural field-Fourier deep neural network [J]. Scientific Reports, 2026, 16: 25719. DOI: 10.1038/s41598-026-57930-3.

文章2：发表在《Discover Computing》期刊

该文章题为“A spatial-temporal normalization framework for Fourier-enhanced physics-informed deep learning in large-scale wave propagation”，聚焦大尺度波传播问题中传统物理信息神经网络存在的优化不稳定、频谱偏差及预测精度下降等难题开展研究。

研究创新性融合时空归一化策略与Fourier增强物理信息神经网络，构建面向大尺度波传播的空间—时间归一化框架，通过优化时空坐标尺度改善模型优化条件与训练稳定性，并引入Fourier特征映射缓解传统神经网络的频谱偏差，增强对高频、振荡性波动特征的学习能力。