学术背景 氢解反应（hydrogenolysis）是一种通过分子氢的加入来断裂化学键的基础化学反应，广泛应用于生物质、石油等原料的升级转化为高价值化学品和燃料。此外，氢解反应在制药和精细化工行业中也是合成复杂分子结构的关键工具。然而，传统的氢解反应通常依赖于高温高压条件下的多相催化，其选择性有限。近年来，均相催化作为一种有潜力的替代方法，在较温和的条件下提供了更高的选择性。尽管如此，针对碳-卤键（C-X键）的均相氢解反应，尤其是氚代（tritiation）和氘代（deuteration）反应，仍然是一个未解决的挑战。氚代反应在药物研发中尤为重要，因为它可以提供关于药物及其代谢物药代动力学的关键信息。然而，现有的氚代方法主要局限于芳香族系统或与杂原子相邻的位置，而对于更为丰富且易得的烷基氯化物...

脑启发的低能耗生成模型——Spiking Diffusion Models研究评述 背景概述 近年来，人工智能领域涌现出众多前沿技术，其中深度生成模型（Deep Generative Models, DGMs）通过生成图像、文本等数据表现出了卓越的能力。然而，这些生成模型通常依赖人工神经网络（Artificial Neural Networks, ANNs）作为骨干网络，其高度依赖算力和内存资源的特性使其在大规模应用中面临显著的能耗问题。同时，与人类大脑相比，ANNs的能耗效率远不及人类大脑的20瓦功率水平，这导致研究人员对更高能效的神经网络架构产生了兴趣。 与ANNs不同，脉冲神经网络（Spiking Neural Networks, SNNs）以大脑神经元的工作方式为启发，以事件驱动的方...