• 一種用于等離子體發射光譜學的嚴重光譜重疊分解方法

  針對等離子體發射光譜中嚴重重疊譜線難題，提出中心波長耦合展寬寬度比約束分解（CC-BCD）方法，將超分辨光譜儀獲取的中心波長和展寬比作為硬約束，將數學擬合轉為物理指導重建。該方法成功應用于LIBS鈾礦石分析（LOD降至7.3 mg/kg）和SD-OES黃銅檢測（Zn LOD從0.39%降至0.11%），顯著提升低分辨率光譜儀的分辨率和靈敏度。

  來源：Talanta

  時間：2026-03-03

• 基于目標的雙聚類主動表示學習方法輔助數值研究等離子體催化的CO?加氫制甲醇過程

  CO?制甲醇的等離子體催化過程通過目標導向的主動表征學習策略優化，以小樣本覆蓋大部分參數空間并構建高保真代理模型。

  來源：Separation and Purification Technology

  時間：2026-03-03

• FedCD：聯邦學習中異構數據的對比蒸餾正則化方法

  本文提出FedCD框架，通過二次本地優化結合對比學習和知識蒸餾技術，有效整合異構數據視角，緩解模型漂移和知識遺忘問題，并設計自適應觸發機制降低計算開銷，實驗驗證其優于傳統方法。

  來源：Pattern Recognition

  時間：2026-03-03

• 基于注意力驅動的偽標簽自訓練方法，用于弱監督視頻異常檢測

  針對弱監督視頻異常檢測中偽標簽生成與自訓練的局限性，提出同步雙分支框架，通過自注意力與跨注意力分離正常/異常片段，結合均值-方差去噪策略生成高質量偽標簽，并設計多尺度時間特征交互模塊增強片段區分度，實現偽標簽生成與模型訓練的協同優化。

  來源：Pattern Recognition

  時間：2026-03-03

• 基于最大相關熵的多元智能體深度強化學習中的值分解方法

  價值基多智能體深度強化學習通過單邊魯棒回歸解決非單調價值分解問題，利用最大相關散度準則抑制低質量聯合動作影響，在多個基準環境中驗證了其泛化性和自適應優勢。

  來源：Pattern Recognition

  時間：2026-03-03

• 通過多任務蒸餾方法實現的高級學習

  提出多任務特權學習框架，結合特權預測任務與目標任務，并融入知識蒸餾技術提升知識轉移效果。實驗表明該框架在表格數據和圖像任務中優于現有方法，通過分析誤分類原因進一步優化模型。

  來源：Pattern Recognition

  時間：2026-03-03

• 通過生物測定評估，并結合基于UHPLC-HRMS/MS的分子網絡分析方法，從Markhamia stipulata的根中發現了具有細胞毒性的萘醌類化合物

  馬克漢木根提取物經活性篩選和UHPLC-HRMS分子網絡分析鑒定出2個新 furanonaphthoquinones（markhanaphthofuranones A,B）及5個已知同類物，首次確定化合物7的絕對構型，揭示2-乙酰基 furan環結構與苯環無羥基/甲氧基是抗腫瘤活性關鍵。

  來源：Journal of Molecular Structure

  時間：2026-03-03

• 4-氰吡啶與氟取代苯甲酸共晶中分子間相互作用的評估：來自實驗和理論方法的見解

  綠色合成法制備了TiO2-ZnO納米復合材料，并評估其抗菌和抗癌活性。通過XRD、FE-SEM、EDX和FT-IR表征，證實復合材料具有球形形貌和良好生物活性。抗菌實驗顯示對大腸桿菌、金黃色葡萄球菌和肺炎克雷伯菌有效，抗癌IC50值為37.07 μg/ml，藥物釋放效率達100%在24小時內。分子對接分析顯示其與耐藥菌及肺癌相關蛋白結合能顯著，HOMO-LUMO間隙小，化學活性強。

  來源：Journal of Molecular Structure

  時間：2026-03-03

• 氮化硼中硼和氮的濃度分布分析：對電化學傳感技術的啟示

  二維硼碳氮（BCN）材料通過調控硼與氮原子比例，優化電極形貌和催化活性，實現醋氨酚檢測限低至1.41 nM，較常規材料靈敏度提升十倍。研究提出電化學粗糙因子（fr）和擴散層厚度（l）分析框架，區分材料表面形貌與內在電催化性能，證實過量硼原子形成孔隙結構并增強表面活性，同時驗證BCN在真實水體檢測中的實用性。

  來源：Diamond and Related Materials

  時間：2026-03-03

• 數字圖書館中的資源優化與用戶交互提升：一種融合ABC優化和區塊鏈技術的混合框架

  數字圖書館面臨資源管理與用戶交互挑戰，本文提出三層框架：底層采用用戶間資源聚類提升利用率，中層通過區塊鏈確保交易透明可信，上層運用深度學習與人工蜂群算法優化用戶排名與QoS參數（吞吐量、PDR、延遲）。實驗顯示該框架性能優于現有方法，但存在高并發瓶頸和區塊鏈成本問題。

  來源：Data & Knowledge Engineering

  時間：2026-03-03

• 始終在線，卻依然孤獨：一項關于技術加劇的孤獨感及大學生情緒癥狀的定性研究

  數字技術對大學生孤獨感和情緒癥狀的影響研究基于現象學方法，訪談20名沙特學生發現：線上可見卻情感缺席，淺層互動與數字排斥加劇孤獨；手機和平臺雙重作用，既提供慰藉又放大負面情緒；熬夜刷屏導致睡眠和學業問題；學生期待護士和校方更主動干預。

  來源：Archives of Psychiatric Nursing

  時間：2026-03-03

• 從患者的角度出發，探討虛擬現實模擬在精神病學治療環境中的可用性和實用性：一項混合方法研究

  VR模擬訓練用于精神科護理教育，通過讓57名學生沉浸式體驗精神科治療環境中的患者視角，評估其可用性與教育價值。結果顯示，該工具能有效提升學生對患者體驗的理解（92.3%認可）和倫理敏感性（89.6%認可），但存在音頻質量差（76.5%）和頭顯設備霧氣問題（63.8%）。研究證實VR技術可顯著降低護理學生對精神疾病患者的偏見（平均減少31.2個百分點），并強化患者權利倡導意識（85.1%學生表示更重視患者尊嚴）。建議后續優化設備硬件并增加多角度觀察模塊。

  來源：Archives of Psychiatric Nursing

  時間：2026-03-03

• SPK 2VEC：一種先進的揚聲器嵌入Transformer模型，采用混合監督學習和自我監督對比學習方法

  提出輕量級Transformer模型SPK2VEC，通過雙目標聯合優化（三元組損失+交叉熵損失）直接從原始語音學習可訓練特征，有效解決多語言、口音差異及實時性挑戰，在VoxCeleb1、QASR等數據集上EER達1.22%，實時因子0.0002，顯著優于單一損失模型。

  來源：Applied Soft Computing

  時間：2026-03-03

• 基于多模態聲熱驅動方法的建筑火災溫度場實時重建

  針對單模態火災溫度場重構的局限性，提出多模態聲熱融合實時重構方法，結合DPCM-Net網絡、HTA-Loss優化和PPGI插值策略，實現高精度（MAE=0.0231，R2=0.9429）與亞秒級（0.501s）實時重建，有效解決局部高溫感知不足和邊界畸變問題。

  來源：Applied Thermal Engineering

  時間：2026-03-03

• 使用基于超邊的關系提取方法進行場景圖優化

  場景圖優化通過關聯規則挖掘和超圖劃分過濾冗余關系，提升Transformer模型（如BERT、GPT）在COCO和Visual Genome數據集上的圖像描述生成效率與質量，實驗顯示BLEU和ROUGE分數顯著提高且計算復雜度降低。

  來源：Applied Soft Computing

  時間：2026-03-03

• ECTDSC-FPNet：一種高效的上下文變換器與深度可分離卷積特征金字塔網絡，結合多種策略的損失優化方法，用于蘋果葉片和病害的分割

  針對復雜環境下蘋果葉片與病害快速精確分割的挑戰，提出ECTDSC-FPNet模型，結合高效上下文變換器和深度可分離卷積，通過多尺度特征金字塔與復合損失函數優化，在IoU和計算效率上顯著優于現有模型。

  來源：Applied Soft Computing

  時間：2026-03-03

• 利用多尺度特征融合和動態任務對齊技術實現小型目標群體的輕量級檢測

  針對軍事場景下小目標無人機群檢測的低像素占有率、復雜背景干擾及資源限制等挑戰，提出輕量級檢測框架，包含多尺度特征融合、動態任務對齊等模塊，實驗表明精度提升且參數減少。

  來源：Applied Soft Computing

  時間：2026-03-03

• 一種用于快速多物理場預測的替代建模方法，應用于針翅散熱器

  代理建模框架通過極坐標參數化和對稱采樣策略減少三維共軛熱傳導模擬數據量48%，構建的CBAM-U-Net模型實現溫度場高精度預測（MAE 3.4K），推理速度達傳統CFD的104倍，可擴展至流速和壓力場預測。

  來源：Applied Thermal Engineering

  時間：2026-03-03

• 基于IMSE-CNN-Transformer和免疫遺傳算法優化的軸承故障診斷方法

  軸承故障診斷中提出了一種集成多目標Coati優化算法優化支持向量回歸（SVR）信號預處理和免疫遺傳算法（IGA）優化CNN-Transformer模型的端到端框架，通過抑制經驗模式分解（EMD）的端點效應和聯合優化信號分解與深度學習模型，在CWRU和MFPT數據集上實現99.55%和99.38%的平均準確率，并在-5dB噪聲下保持98.44%的魯棒性。

  來源：Applied Soft Computing

  時間：2026-03-03

• 一種基于狀態自適應權重調整和探索路徑采樣的新穎多智能體強化學習方法

  多智能體強化學習中的動態權重分配與探索策略研究，提出SAW通過動態狀態權重網絡優化獎勵函數，EPS采用好奇心驅動、路徑多樣性追蹤和自適應噪聲機制提升探索效率，在多個基準環境中驗證其加速收斂和穩定控制效果。

  來源：Applied Soft Computing

  時間：2026-03-03

知名企業招聘：