本文针对超大规模图神经网络（GNN）全图训练面临的显存瓶颈与频繁CPU-GPU数据传输难题，提出了高效的图神经网络训练系统NeutronJittor。该系统基于计图（Jittor）深度学习框架，设计了“中间结果嵌入重用”机制与“时空感知数据调度器”，实现了用户透明的内存管理。实验表明，NeutronJittor在保持模型精度的前提下，将CPU-GPU通信量降低65.7%–94.3%，实现了3.71×–11.61×的训练加速，为超大规模图数据的全图训练提供了新解法。

本研究开发了一种TREM2-ICG双模态探针，结合多波长光声显微镜与近红外二区荧光成像技术，以监测阿尔茨海默病(AD)模型中小胶质细胞的动态。 研究结论：该多尺度成像平台凭借高时空分辨率与深层穿透力，成功在体内实时追踪了Aβ诱导的小胶质细胞趋化反应及其空间分布特征。 重要意义：此方法突破了传统显微镜在深度与视野上的局限，为深入解析AD神经免疫机制及推动早期诊断与精准治疗提供了强有力的新工具。