• 毛竹miR156家族全基因组鉴定及phe-MIR156o在根茎穗发育中的调控机制研究

  在植物王国中，毛竹以其惊人的生长速度和独特的开花周期著称，这种"一夜抽千尺"的生物现象背后隐藏着怎样的分子密码？科学家们将目光聚焦在了microRNA（小分子RNA）这一基因调控的"精密开关"上。特别是miR156家族，这个在植物界高度保守的调控因子，已被证实是控制多种作物生长发育的关键角色，但在毛竹这类具有重要经济价值的禾本科植物中，其功能图谱仍是一片空白。中国林业科学研究院的研究团队在《Industrial Crops and Products》发表的重要成果，首次绘制了毛竹miR156家族的完整图谱。通过全基因组筛选技术，研究人员从毛竹中鉴定出23个miR156家族成员，运用生物信息学分

  来源：Industrial Crops and Products

  时间：2025-07-22

• 基于扩展有限元法的裂缝性碳酸盐岩储层酸液流动反应模拟与机理研究

  在油气田开发领域，碳酸盐岩储层的酸化压裂技术犹如一把"化学手术刀"，通过盐酸与岩层发生化学反应形成高导流能力的酸蚀通道。然而这把"手术刀"的应用效果却长期受制于两个关键瓶颈：一是天然裂缝与基质间的酸液流动反应存在不连续性，二是现有模型难以准确模拟大尺度人工裂缝与微尺度孔隙的跨尺度耦合作用。传统有限差分法(FDM)在模拟裂缝时需要精细网格划分，而将裂缝简化为高孔隙度基质的处理方法又会导致计算结果失真。这种技术局限使得工程师们难以预测酸蚀缝网的真实形态，严重制约了碳酸盐岩储层的高效开发。中国国家自然科学基金资助项目(No. 51974264)支持下，研究人员在《Geoenergy Science

  来源：Geoenergy Science and Engineering

  时间：2025-07-22

• 知识定义AIoT中基于成本感知的计算卸载路由优化研究

  随着人工智能物联网(AIoT)技术的快速发展，视频分析、云游戏等对带宽和延迟敏感的应用场景爆发式增长。这类应用往往需要在严格时间限制内同时满足计算与网络资源需求，但现有方法存在明显短板：动态目标路径组合缺乏联合优化、云服务定价策略僵化、计算成本估算精度不足。更棘手的是，传统云计算因长距离传输难以满足实时性要求，而边缘计算虽能缩短物理距离，却面临资源分配碎片化与服务定价不透明的双重挑战。针对这一系列难题，东北大学的研究团队在《Future Generation Computer Systems》发表研究成果，提出知识定义AIoT框架下的CompuRoute算法。该研究创新性地将反向拍卖机制与基于

  来源：Future Generation Computer Systems

  时间：2025-07-22

• 面向容器化微服务部署的自适应多目标沙猫群优化算法(MASCSO-HS)设计与性能验证

  在数字化转型浪潮中，容器化微服务架构凭借其弹性伸缩和灵活部署的特性，已成为云计算领域的核心技术。然而，这种架构背后隐藏着令人头疼的"依赖症候群"——当数百个微服务通过服务功能链(SFCs)相互调用时，复杂的依赖关系就像纠缠的毛线球，导致部署效率低下、资源浪费严重。更棘手的是，现有解决方案往往顾此失彼：有的专注提升CPU利用率却忽视通信延迟，有的优化部署密度却牺牲故障恢复能力。这种"单打独斗"的优化方式，使得云数据中心的资源调度陷入"按下葫芦浮起瓢"的困境。面对这一挑战，来自中国的研究团队另辟蹊径，从沙漠猎手沙猫的捕食行为中获得灵感。在《Future Generation Computer Sy

  来源：Future Generation Computer Systems

  时间：2025-07-22

• 基于ELICIT信任驱动的社交网络语言大规模群体决策鲁棒共识模型研究

  随着互联网技术发展，涉及20人以上的大规模群体决策(LSGDM)问题日益普遍。这类决策往往面临决策者(DMs)背景差异导致的意见冲突、语言表达模糊性以及调整成本难以量化等挑战。尤其在社交网络环境下，传统基于精确数值的信任评估方法不仅操作繁琐，更可能因计算过程损失语义信息。现有研究虽尝试引入分布式语言信任关系，却未能充分整合偏好相似性与信任影响，且对决策者调整意愿及相关成本不确定性的考量存在明显空白。针对上述问题，研究人员提出基于扩展符号翻译比较语言表达式(ELICIT)的信任驱动鲁棒共识模型(ELICIT-TDRCM)。该研究首先利用ELICIT模型同时表征决策者偏好和社交信任关系，创新性地构

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于多维多层次评估框架(MMEF-SSCT)的软件供应链威胁量化研究

  在数字化浪潮席卷全球的今天，软件供应链已成为支撑社会运转的"隐形动脉"。然而随着SolarWinds等重大攻击事件的爆发，软件供应链攻击(Software Supply Chain Attack, SSCA)因其隐蔽性强、破坏面广的特点，正成为网络安全领域的"灰犀牛"。传统防御手段面临三大困境：攻击技术迭代迅速导致防御滞后、供应链环节复杂造成攻击面无限扩展、现有评估方法多停留在定性分析层面。这种"看不见、测不准、防不住"的现状，使得建立科学量化评估体系成为行业刚需。为此，研究人员创新性地提出了首个多维多层次软件供应链威胁评估框架(Multidimensional and Multi-level

  来源：Expert Systems with Applications

  时间：2025-07-22

• 数字孪生驱动的铝退火炉高精度能耗预测模型构建与应用

  铝材加工行业是能源消耗大户，其中铝退火炉（Aluminum Annealing Furnace, AAF）作为核心设备，其能耗占整个生产流程的30%以上。这种箱式电阻加热炉通过多温区协同工作，需要精确控制温度曲线以满足不同铝材的退火工艺需求。然而，AAF的能耗特性极其复杂：长达数天的生产周期中存在非线性加热曲线、多温区热耦合效应，以及环境参数波动等多重干扰。传统统计模型和机器学习方法难以捕捉这种长时序、多变量的动态耦合关系，导致能耗预测误差较大，直接影响企业用电成本优化和碳排放管理。针对这一难题，广东某铝制造企业的研究人员在《Expert Systems with Applications》发

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于改进Shapley值的联邦学习质量评估与动态采样算法Fed-MSV研究

  在人工智能与隐私计算交叉领域，联邦学习(Federated Learning, FL)正面临"数据孤岛"与"质量黑洞"的双重挑战。传统FL系统如同一个没有质检环节的"黑箱工厂"，各参与方随机贡献数据却缺乏公平的贡献评估机制，特别是当遇到搭便车(free-riding)、恶意添加噪声(noise-adding)或标注错误(erroneous-label)等低质量客户端时，全局模型性能可能断崖式下跌。更棘手的是，经典Shapley值(SV)评估方法要求所有客户端全程参与，这与实际FL中随机抽样的运行机制存在根本性矛盾——就像用固定标尺测量流动的河水，难以反映不同训练轮次间动态变化的贡献差异。针对这

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于改进Shapley值的联邦学习客户端质量动态评估与优化算法研究

  在人工智能医疗和工业物联网快速发展的今天，联邦学习(Federated Learning, FL)因其隐私保护特性成为研究热点。然而这种分布式学习范式面临一个"数据质量困境"：中央服务器无法直接检查各客户端数据质量，而低质量数据（如带噪声数据、错误标签数据或恶意客户端提交的"搭便车"数据）会显著降低全局模型性能。更棘手的是，传统基于Shapley值(SV)的评估方法要求所有客户端全程参与训练，这与实际FL中客户端随机参与的特性相矛盾——不同训练轮次间模型优化难度差异导致SV评估失效。针对这一难题，国内研究人员创新性地提出改进Shapley值(Modified Shapley Value, MS

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于改进视觉状态空间模型的多尺度光谱重建网络SSRM：一种轻量化高效解决方案

  在遥感监测和医学影像领域，高光谱成像(HSI)因其纳米级光谱分辨率成为"物质指纹"识别利器。然而动辄百万美元的设备成本和漫长的采集时间，让科研人员不得不思考：能否用普通RGB相机"倒推"出高光谱数据？这就是光谱重建(Spectral Reconstruction, SR)技术的核心命题。尽管基于CNN和Transformer的方法已取得进展，但前者受限于局部感受野，后者则被二次方计算复杂度所困。更棘手的是，新兴的视觉状态空间模型Mamba虽在语言处理中表现惊艳，其SS2D扫描算法却会割裂图像局部关联性，犹如用碎纸机处理拼图——全局脉络尚存，细节拼合艰难。澳门大学科技学院软件工程专业的Lina

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于自动抗干扰卷积(ADRConv)增强的ESOD-YOLOv8小目标检测算法研究

  在计算机视觉领域，小目标检测始终是块难啃的硬骨头——当目标像素占比不足0.12%或小于32×32像素时，这些"迷你"目标不仅容易被复杂背景淹没，还在多次采样过程中面临特征"蒸发"的窘境。现有方法要么像YOLO-S那样牺牲精度换速度，要么如MFFSODNet般陷入计算量激增的泥潭，更别提那些在红外探测、医疗影像等专业场景中"捉襟见肘"的传统算法。来自国内研究机构的Zhenhua Yu团队在《Expert Systems with Applications》发表的研究给出了破局方案。他们巧妙地将信号处理中的抗干扰思想引入卷积神经网络，开发出ESOD-YOLOv8系统。这项研究的核心在于三个创新：首

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于节点分类的改进型C-RRT*算法在机器人路径规划中的高效优化研究

  在机器人自主导航领域，路径规划技术直接关系到操作安全性与效率。尽管基于快速扩展随机树（Rapidly-exploring Random Tree, RRT）的算法因其概率完备性被广泛应用，但传统RRT*算法存在初始解成本过高、收敛速度慢等瓶颈。尤其在高密度障碍或狭窄通道环境中，现有方法常因无序的三角不等式优化和冗余计算导致效率低下。大连理工大学工业装备结构分析优化与CAE软件全国重点实验室（State Key Laboratory of Structural Analysis, Optimization and CAE Software for Industrial Equipment）的Zh

  来源：Expert Systems with Applications

  时间：2025-07-22

• 磁控软导管与动脉瘤接触相互作用的建模研究及其在血管内介入治疗中的应用

  在神经介入治疗领域，脑动脉瘤就像潜伏在脑血管壁上的"定时炸弹"。这些血管壁的异常膨出在35-60岁人群中高发，女性患病率更是男性的1.5倍。当血液的持续冲击使瘤体逐渐增大，患者可能面临头痛、言语障碍甚至瘤体破裂导致的中风风险。目前，血管内弹簧圈栓塞术是治疗的主流方法——通过导管将铂金线圈送入瘤腔诱发血栓形成。但复杂多变的动脉瘤形态（囊状、梭形、夹层）与僵硬的传统导管形成尖锐矛盾，临床中常因导管操控不当导致线圈错位或血管损伤。针对这一临床痛点，中国国家自然科学基金资助项目团队在《Extreme Mechanics Letters》发表了突破性研究。研究人员创新性地将钕铁硼(NdFeB)硬磁颗粒嵌

  来源：Extreme Mechanics Letters

  时间：2025-07-22

• 基于邻域搜索的迭代贪婪算法在带序列依赖设置时间的分布式置换流水车间节能调度中的应用研究

  在全球制造业面临低碳转型的背景下，传统集中式生产模式逐渐被分布式生产网络取代，但多工厂协同调度带来的能耗激增问题日益突出。带序列依赖设置时间(SDST)的分布式置换流水车间(DPFSP)因机器准备时间与加工顺序强相关，使得节能调度成为NP难问题。现有研究往往单独优化生产效率或能耗指标，难以平衡总流程时间(TF)与总能耗(TEC)的冲突。武汉科技大学的研究团队在《Expert Systems with Applications》发表的研究中，提出了一种基于邻域搜索的迭代贪婪算法(IGBNS)，为这一难题提供了创新解决方案。研究采用三项关键技术：1) 基于完工时间的NEH_BIBSO启发式算法生成

  来源：Expert Systems with Applications

  时间：2025-07-22

• 基于变分贝叶斯增强的深度稀疏展开网络实现高分辨率声源定位

  在工业设备健康监测领域，机械噪声如同设备的"健康密码"，而声源定位技术就是破译这组密码的关键工具。传统声波束形成技术(Beamforming)虽广泛应用，却面临低频信号"视力模糊"的困境——当声波波长较长时，其方位分辨率会急剧下降，就像近视者看不清远处物体。更棘手的是，复杂工况下的干扰噪声常使现有算法"迷失方向"，导致早期微弱故障难以被捕捉。这种技术瓶颈严重制约了风电轴承、高铁传动系统等关键设备的故障预警能力。针对这一挑战，重庆交通大学的研究团队在《Engineering Applications of Artificial Intelligence》发表创新成果。他们巧妙地将深度学习"黑箱"

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

• 基于PPO-HFEN混合特征提取网络的柔性作业车间动态重调度优化研究

  在智能制造浪潮下，柔性作业车间调度(FJS)已成为提升企业竞争力的核心技术。然而现实生产中，紧急订单插入、机器故障等动态事件常使既定调度计划失效，将经典柔性作业调度问题(FJSP)升级为更具挑战性的柔性作业重调度问题(FJSRP)。传统方法如启发式规则(PDR)易陷入局部最优，元启发式算法计算耗时，而深度强化学习(DRL)虽具潜力，却面临特征提取不足与多目标优化失衡的瓶颈。针对这一行业痛点，河北工业大学的Hao Sun团队在《Engineering Applications of Artificial Intelligence》发表创新研究。他们开发了PPO-HFEN策略，核心突破在于：1）构

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

• 基于深度强化学习的柔性作业车间动态重调度策略研究：PPO-HFEN算法在新订单插入场景的应用

  在智能制造浪潮下，柔性作业车间调度(Flexible Job Shop Scheduling, FJSP)已成为提升生产效率的核心技术。然而现实生产中，新订单插入、机器故障等动态事件常使既定调度方案失效，将FJSP升级为更具挑战性的柔性作业车间重调度问题(Flexible Job Shop Rescheduling Problem, FJSRP)。传统方法如启发式规则(PDR)易陷入局部最优，元启发式算法又难以满足实时性需求，而现有深度强化学习(Deep Reinforcement Learning, DRL)方法在特征提取和多目标平衡方面存在明显短板。针对这一难题，河北工业大学的研究团队在《

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

• 基于机器学习和火用效率的有机固废气化工艺多目标优化模型研究

  全球气候危机与化石能源枯竭的双重压力下，有机固废(OSW)的能源化利用成为破解环境与能源困局的关键钥匙。然而，传统气化技术面临两大痛点：一方面，气化炉类型多样（如固定床UBG/DBG、流化床BBG/CFBG/DFBG），其性能受温度、ER（当量比）、SBR（蒸汽生物质比）等数十种参数交织影响；另一方面，现有研究多聚焦单一参数预测，缺乏系统级优化工具。这种"盲人摸象"式的研究难以满足实际工程中兼顾效率、氢产率和环境效益的复合需求。湖南自然科学基金资助团队在《Engineering Applications of Artificial Intelligence》发表的研究，开创性地将热力学第二定律

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

• 基于深度神经-中智系统的在线性别歧视可解释检测框架研究

  随着社交媒体的匿名化发展，网络性别歧视内容呈现隐蔽化、模糊化趋势。传统基于深度神经网络（DNN）的检测方法在应对讽刺、双关等模糊表达时准确率骤降，而现有审核工具多采用二分类框架，难以捕捉性别歧视的复杂谱系。SemEval-2023竞赛数据显示，当前最优模型在细分类任务（如"反向恭维"等11种子类型）中的F1值不足80%，凸显现有技术对语言不确定性的处理缺陷。为此，研究人员提出深度神经-中智系统（DNNS），通过融合中智推理系统（NIS）与深度神经网络，首次将单值中智集（SVNS）的T（真）、I（不确定）、F（假）三值逻辑引入自然语言处理（NLP）领域。该系统在SemEval-2023任务10数

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

• 基于Mamba增强与多尺度空间注意力的遥感目标检测网络ME-MSA-YOLO

  遥感图像中的目标检测技术是环境监测、城市规划和军事侦察的重要工具，但现实场景中的小目标往往淹没在复杂的背景噪声中，犹如"大海捞针"。现有算法如Faster-RCNN、YOLOv8等虽在自然图像中表现优异，却难以应对遥感图像特有的挑战：目标尺寸微小、尺度变化剧烈、背景干扰复杂。更棘手的是，当前方法往往顾此失彼——要么像RFEB模块只关注局部特征，要么如GIEM模块偏重全局信息，缺乏对两者协同作用的深入挖掘。这种"盲人摸象"式的特征提取方式，导致小目标与背景的关联性表达不充分，检测精度遭遇瓶颈。河北创新驱动发展研究中心的研究团队在《Engineering Applications of Artif

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-07-22

知名企业招聘：