• 基于偏振分辨技术的深紫外显微镜技术，可实现无标记成像，并显著提升细胞核与纤维结构的对比度

  深紫外（Deep Ultraviolet, DUV）显微技术是一种快速、无需标记的成像手段，在生物医学领域具有广泛的应用价值。与传统的可见光成像相比，DUV显微技术能够提供更高的空间分辨率，同时还能更有效地提取生物分子的定量信息，这对组织分析至关重要。此外，DUV光源的波长较短，能够增强细胞核的对比度，使其在细胞结构的观察中更加突出。近年来，随着高效率DUV发光二极管（LED）的出现，这种技术变得更加经济且实用。然而，当前DUV成像技术在应用过程中，往往忽略了光的偏振信息，而这些信息能够提供额外的结构洞察力。在本研究中，我们提出了一种能够同时提取细胞核和纤维结构信息的偏振分辨深紫外显微镜。这种

  来源：Optical Materials: X

  时间：2025-10-03

• 动态多样性驱动的层次化粒子群优化方法，用于数字光刻掩模优化中的边缘畸变补偿

  黄胜洲|吴东杰|潘建毅|邵永康|何思文安徽工业大学人工智能学院，中国芜湖摘要数字微镜器件（DMD）光刻技术受到微镜离散化和衍射效应的影响，导致边缘失真。为了解决这一问题，本研究提出了一种基于多样性驱动的分层粒子群优化（PSO）方法，用于高保真度掩模优化。该算法结合了三级种群动态和自适应多样性控制，以克服过早收敛的问题。在CEC2005和CEC2022基准测试中的验证表明，该方法具有出色的准确性，包括在多模函数上的接近零的误差。对于30*30的测试图案掩模，图案误差（PE）减少了91.8%，结构相似性指数（SSIM）超过了0.99，平均运行时间为5.59秒。对于100*100的复杂掩模，PE减少

  来源：Optical Materials: X

  时间：2025-10-03

• 探索基于光声效应的用于超声生成的黄金纳米复合材料的合成方法

  金纳米复合材料的合成与应用是一个备受关注的研究领域，特别是在纳米制造技术不断进步的背景下。这些材料因其独特的光学和机械性能，被广泛应用于医学成像、工业检测、环境监测以及生命科学等多个领域。金纳米颗粒（AuNPs）因其易于制备、抗电磁干扰和局部表面等离子共振等优势，成为研究的重点。将金纳米颗粒嵌入聚合物基体中，不仅能够增强材料的性能，还能为多种应用提供新的可能性。本文探讨了通过一步法合成金纳米复合材料的过程，并研究了聚合物交联剂对AuNPs原位还原过程的影响。在实验中，研究者通过调整金纳米复合材料的浓度，分别制备了4.01 wt%、5.23 wt%、6.01 wt%和7.69 wt%的涂层。结果

  来源：Optical Materials

  时间：2025-10-03

• 用于细长物体垂直入水问题的势流多截面方法

  本文讨论了一种基于势流理论的多截面方法，用于分析长体结构在垂直入水时的水动力学特性。该方法适用于入水过程中纵向导数远小于横向导数的情况，此时可以利用细长体近似来简化问题。通过将三维水入问题分解为一系列二维截面问题，并使用完全非线性势流模型进行求解，这种方法在计算效率和准确性之间取得了良好的平衡。本文特别关注了飞机水上迫降这一应用场景，该问题在飞机设计阶段具有重要意义，以确保飞行安全并满足相关认证要求。水入问题的建模与分析一直是流体力学研究的重要课题，其复杂性使得实验测试和高保真数值方法（如计算流体力学，CFD）在实际应用中面临高昂的成本和较长的计算时间。因此，研究者们开发了多种简化模型，如基于

  来源：Ocean Engineering

  时间：2025-10-03

• n-十二烷的滑弧等离子体干重整制氢：结合实验方法和动力学建模的机理研究

  干式重整技术因其能够同时生产合成气（氢气和一氧化碳）并高效地将温室气体二氧化碳转化为有用产物而展现出巨大潜力。本研究通过整合实验和动力学模拟的方法，探讨了在滑弧等离子体（GAP）反应器中n-十二烷的干式重整过程。研究重点分析了氧气与碳的摩尔比、输入功率和停留时间等关键操作参数对合成气生成和反应物转化效率的影响。通过光学发射光谱（OES）技术识别了活性物种，并分析了不同氧气与碳摩尔比下光谱线强度的变化。同时，构建了一个经过验证的零维动力学模型，以解释n-十二烷的重整机制。模型的验证结果表明，模拟性能与实验数据高度一致，相对误差低于5.9%，说明模型具备足够的准确性，可以用于揭示系统内的反应机制和

  来源：Next Energy

  时间：2025-10-03

• 新的最佳尺寸设计及加速测试方法，能够可靠且经济高效地提升并预测冷冻设备的能源性能

  随着全球人口的增长和对食品与药品保存需求的增加，开发高效、节能的冷却与冷冻系统变得尤为重要。这些系统不仅要在产品储存、运输和分发过程中保持其质量和数量，还必须在设计上满足长期、大规模、环境友好且经济高效的冷能生产与维护需求。因此，本研究提出了一种新的优化策略，旨在整合多种数学模型和方法，以提升冷却系统的整体性能，特别是在冷冻设备方面。该研究的主要贡献在于对冷冻设备的热平衡分析和能量效率的优化。通过详细分析冷冻设备的热传导特性，研究人员确定了设备内部和外部的热传递系数，以评估在不同操作条件下的热负荷。随后，他们利用Cobb-Douglas型效用函数和拉格朗日方程求解方法，最大化这些热传递系数，从

  来源：Next Energy

  时间：2025-10-03

• 采用MWCNT-LA NEPCM散热器和U型热管技术的电子处理器冷却系统，实现了更出色的热管理和能源效率提升

  随着现代数字技术的迅猛发展，数据中心在存储、处理和管理大量数据方面发挥着至关重要的作用。然而，数据中心对电子设备的依赖也带来了前所未有的挑战，尤其是在热管理方面。电子处理器在运行过程中会持续产生热量，尤其是在处理高负载任务时，热量的积累可能导致温度迅速上升，进而引发热冲击和系统故障。因此，确保处理器的稳定运行和高效散热成为数据中心设计和运营中的关键环节。传统的主动冷却系统虽然能够有效降温，但其高能耗问题日益突出，使得开发更加节能和高效的被动冷却技术成为研究的热点。相变材料（PCM）因其在相变过程中能够吸收和释放大量热能而被广泛应用于热管理领域。然而，PCM本身存在热导率低的问题，限制了其在高热

  来源：Next Energy

  时间：2025-10-03

• 基于数据驱动的回归控制器的最大功率点跟踪（MPPT）技术，结合图像加密算法，在部分遮挡条件下实现太阳能光伏阵列的重新配置

  太阳能光伏发电系统在实际运行中常常面临多种环境因素带来的挑战，其中最常见的是部分遮挡（Partial Shading, PSC）和环境变化。这些因素会显著降低系统的发电效率和输出功率，使得传统的最大功率点跟踪（Maximum Power Point Tracking, MPPT）方法在面对复杂环境条件时表现出收敛速度慢、容易陷入局部最大值以及计算成本高的问题。因此，研究者们不断探索新的解决方案，以提高光伏系统的效率和稳定性。本文提出了一种基于Kolakoski序列变换（KST）的静态重构技术，结合了数据驱动的回归型MPPT控制器，旨在克服传统方法的局限性，实现高效的能量提取。### 光伏系统面

  来源：Next Energy

  时间：2025-10-03

• 基于变分损伤模型和微球方法的动脉组织应变软化行为研究

  动脉组织作为人体重要的承压结构，其力学行为对维持正常生理功能至关重要。然而，传统的超弹性模型在描述动脉组织的大变形和损伤行为时存在明显不足，特别是无法准确模拟应变软化这一关键现象。应变软化是指材料在达到一定应变后应力反而下降的行为，这在生物软组织如动脉中尤为常见，但与经典力学理论相悖。为了解决这一难题，研究人员开展了一项创新性研究。传统上，基于广义标准材料的模型框架被广泛应用于描述软组织的力学行为。这类模型通过内变量来描述损伤演化，但其增量应力势往往是非凸的，导致边值问题的不适定性。更复杂的是，生物软组织如动脉具有高度各向异性的微观结构，主要由胶原纤维和弹性蛋白组成，这些成分以特定的取向分布，

  来源：Mechanics of Materials

  时间：2025-10-03

• 连续纤维增强聚合物复合材料的各向异性率相关塑性本构模型：一种多模式粘塑性方法

  在航空航天、汽车制造等高端装备领域，连续纤维增强聚合物复合材料因其出色的比强度和比刚度而备受青睐。然而，这些材料在服役过程中常常面临复杂的应力状态、变化的加载速率以及长期载荷作用，其力学行为表现出显著的非线性、率相关性和各向异性特征。传统的线性弹性或简单的塑性模型难以准确捕捉材料在预屈服和屈服阶段的复杂响应，特别是当涉及不同方向的剪切、横向拉伸/压缩以及它们之间的耦合效应时。更棘手的是，聚合物基体本身具有明显的时间依赖性和压力敏感性，而嵌入的高刚度纤维又引入了强烈的力学各向异性，这使得建立能够统一描述这些特性的本构模型成为固体力学领域一个长期存在的挑战。为了解决这一难题，来自国内研究机构的团队

  来源：Mechanics of Materials

  时间：2025-10-03

• AIARec：一种用于图对比学习推荐方法的自适应意图感知增强技术

  推荐系统是现代信息处理中不可或缺的一部分，尤其在面对海量数据和用户个性化需求时，它们能够有效地帮助用户发现感兴趣的内容。随着数据科学和人工智能的发展，推荐系统的研究不断深入，其中图神经网络（Graph Neural Networks, GNNs）和图对比学习（Graph Contrastive Learning, GCL）逐渐成为主流技术。GCL通过在图结构上引入数据增强策略，旨在提升模型的鲁棒性和泛化能力，从而缓解推荐系统中普遍存在的数据稀疏性问题。然而，尽管GCL在推荐系统领域取得了显著进展，仍然面临两个核心挑战：一是推荐模型的表示能力和可解释性；二是意图解耦学习中数据增强策略固有的缺陷，

  来源：Knowledge-Based Systems

  时间：2025-10-03

• 通过对比学习和胶囊GAN的协同作用推进深度聚类技术的发展

  在当前的研究中，研究人员提出了一种协作的深度聚类框架，将对比学习与基于胶囊的生成对抗网络（GAN）相结合，以提升聚类任务的性能。该方法的核心在于通过增强数据的多样性，提高模型在学习数据结构和特征表示时的鲁棒性和区分度。传统的聚类方法依赖于数据的分布特征，但在实际应用中，由于缺乏标签信息，其效果往往受限。而深度聚类方法通过引入神经网络的表示能力，能够在没有标签的情况下更有效地识别数据的内在结构。近年来，对比学习作为一种自监督学习方法，因其能够通过正负样本对的对比，学习出更具判别性的特征表示，逐渐成为深度聚类领域的重要研究方向。在本研究中，研究人员首先设计了一种数据增强策略，称为多分辨率裁剪与随机

  来源：Knowledge-Based Systems

  时间：2025-10-03

• 碱金属离子在液态氟化氢和水中的溶解：一种结合了从头算方法和分子动力学的研究

  埃萨姆·A·奥拉比（Esam A. Orabi）|阿卜杜勒-拉赫曼·A·达希（AbdelRahman A. Dahy）加拿大魁北克省蒙特利尔市谢尔布鲁克西街7141号，康考迪亚大学（Concordia University）分子建模研究中心（Centre for Research in Molecular Modeling, CERMM）及化学与生物化学系摘要尽管氢氟酸（HF）具有高毒性和腐蚀性，但它仍被广泛用于工业过程，如氟化合物合成、铝生产以及汽油精炼。作为唯一的弱氢卤酸，HF在某些水环境和生物环境中可以以未解离的分子形式存在。HF与H₂O具有相似的极性，这两种液体都表现出由氢键驱动的分子

  来源：Journal of Molecular Liquids

  时间：2025-10-03

• 通过粉末冶金技术同时提高AlMoNbTaTiZr耐火高熵合金的强度和塑性

  这项研究提出了一种结合机械合金化（MA）和火花等离子体烧结（SPS）的粉末冶金策略，用于制备高性能的AlMoNbTaTiZr难熔高熵合金（RHEAs）。该合金由体心立方（BCC）相、有序B2相以及晶界处的Al₄Zr₅金属间化合物组成。通过优化球磨工艺、SPS烧结温度以及Al/Zr元素的含量，研究人员成功获得了较高含量的B2相，并且其结构具有高度有序性，同时在晶界处形成了所需的不连续Al₄Zr₅金属间化合物。值得注意的是，所制备的AlMo₀.₅NbTa₀.₅TiZr RHEA的平均晶粒尺寸仅为14.8 μm，远小于铸造态合金的晶粒尺寸。这一特性赋予了粉末冶金制备的AlMo₀.₅NbTa₀.₅Ti

  来源：Journal of Manipulative and Physiological Therapeutics

  时间：2025-10-03

• 一种结合实验与建模的机器学习方法，用于预测高压压铸Al-Si合金的失效伸长率

  高压力压铸（HPDC）是一种广泛应用于制造复杂结构合金部件的工艺，因其生产效率高、能够实现高精度和低表面粗糙度而受到工业界的高度重视。然而，这一工艺在实际应用中仍面临诸多挑战，特别是在提高材料的机械性能和减少早期失效方面。主要的工艺诱导缺陷包括气孔、缩松和夹杂物等，这些缺陷严重影响了合金产品的性能表现。因此，如何有效预测和控制这些缺陷成为研究的关键。传统的方法通常依赖于多维度检测技术，如X射线计算机断层扫描（CT）、拉伸性能测试和显微结构分析等，但这些方法往往伴随着高昂的设备成本、较长的检测周期以及对人工操作的高度依赖，限制了其在实际生产中的广泛应用。此外，现有的方法在解释工艺参数对最终产品质

  来源：Journal of Materials Research and Technology

  时间：2025-10-03

• 艺术创新的艺术：厘清创意产业中技术创新与符号创新的决定因素——来自加拿大博物馆的证据

  本研究旨在探讨博物馆创新背后的驱动因素，结合了技术性创新与象征性创新，揭示两者之间的复杂关系。不同于以往主要关注技术性创新的研究，本研究采用了一套全面的决定因素，以分析其对博物馆各类创新的影响。通过收集加拿大250家博物馆的数据，并运用多变量路径模型，我们同时估算了八种类型的创新：四种技术性创新（产品、流程、组织、市场）和四种象征性创新（艺术、美学、文化、受众）。研究发现，创新往往源于内部能力、市场响应能力以及外部关系之间的复杂互动。资源相关因素如技术基础设施、财务资源和艺术能力对不同类型创新的影响各异，表明博物馆的创新并非单一资源驱动的。相比之下，人力资本、艺术创造力和研发投入的影响较为有限

  来源：Journal of Information and Intelligence

  时间：2025-10-03

• 在小样本条件下，利用深度迁移学习技术，通过数字孪生技术实现轴向柱塞泵的跨领域故障诊断

  在现代工业系统中，轴向柱塞泵作为液压系统的核心组件，其运行状态直接影响整个系统的可靠性和稳定性。然而，轴向柱塞泵作为一种复杂的热-流-结构耦合系统，其故障诊断面临诸多挑战。其中，最为突出的问题包括：故障样本数量有限、不同工况下的数据分布不一致、以及传统方法在整合和利用多源信息方面存在不足，导致对故障特征的描述不完整。为了解决这些问题，本文提出了一种基于数字孪生（Digital Twin, DT）和对抗性迁移（adversarial transfer）的智能跨域工业信息集成故障诊断方法。该方法通过构建多域耦合的数字孪生模型，生成多源故障模拟信息数据，结合改进的辅助分类生成对抗网络（Auxilia

  来源：Journal of Industrial Information Integration

  时间：2025-10-03

• 基于信息整合的因子对象方法在系统故障演变过程中的对象分类判断

  工业系统中的故障信息融合是一个复杂的过程，涉及多个与系统故障相关的数据要素。在这一过程中，对象通常指的是系统中核心的故障事件，而因素则用于量化这些对象的动态状态。对象的特征可以通过其状态的变化来体现，而这些状态的变化又受到因素值的持续影响。因此，故障信息的整合不仅关注系统在正常运行状态下的表现，还特别强调系统从正常运行向潜在故障演变的全过程，即系统故障演变过程（System Fault Evolution Process, SFEP）。为了更准确地评估因素如何影响对象的分类，本文提出了一种基于对象分类判断方法集成的因子-对象（Object Classification Judgment Met

  来源：Journal of Industrial Information Integration

  时间：2025-10-03

• 通过数字孪生（Digital Twins）和滑动工作共享（Sliding Work Sharing）本体技术，实现建筑和制造领域中人类与人工智能的互操作协作，从而推动自动化进程

  这篇文章探讨了如何构建一个支持人类与人工智能驱动的非人类代理之间动态、可解释和以人为本协作的本体系统，特别关注于工业4.0（Industry 4.0）和工业5.0（Industry 5.0）背景下数字孪生（Digital Twins, DT）和人类数字孪生（Human Digital Twins, HDT）的应用。随着人工智能、机器人和网络物理系统（Cyber-Physical Systems, CPS）技术的快速发展，这些技术正在重新定义未来工作环境中的任务分配与协作模式。然而，现有的任务调度本体在处理人类与非人类代理之间的动态协作时存在局限性，特别是在对数字孪生、人类数字孪生以及实时情境变

  来源：Journal of Industrial Information Integration

  时间：2025-10-03

• 通过低浓度OH−介导的生长和电化学氧化方法，从六角形Ni(OH)₂纳米片制备的NiOOH电极显著提升了非对称超级电容器的性能

  周涛|邱志航|郝晨霞|高琦|赵雅妮|赵金玲|景 Luxuan|吕家泽|李红辉|赵建国山西大同大学化学与化学工程学院，教育部煤基生态碳封存技术工程研究中心，国家林业和草原管理局石墨烯林业应用重点实验室，山西省化学生物传感重点实验室，中国大同市037009摘要一种低浓度OH−介导的水热工艺利用三聚氰胺分解过程中可控的NH3释放，促使六角形Ni(OH)2纳米片在镍泡沫上实现二维生长。随后通过电位恒定氧化处理转化为NiOOH，保持了这种独特的形态，形成了开放、网状的 porous 结构，具有优异的电导率和较高的比表面积（66.38 m2/g）。因此，这种NiOOH电极在2 mA/cm2的电流下展现出5

  来源：Journal of Energy Storage

  时间：2025-10-03

知名企业招聘：