• 混凝土强度预测基于领域驱动特征工程与可解释LightGBM

  准确预测混凝土抗压强度对于优化配合比设计、确保结构完整性以及降低施工成本至关重要。本研究将领域驱动的特征工程与优化的基于树的集成模型相结合，在广泛认可的Yeh数据集上对混凝土强度预测进行基准测试。研究人员在基线特征集基础上扩展了11个工程变量，评估了五种架构：

  来源：Scientific Reports

  时间：2026-09-01

• 土地利用对伊朗西北部生态系统中土壤生物参数的影响

  摘要土地利用变化已成为伊朗西北部面临的主要环境挑战，其中包括阿爾達比爾省的納明地區。在过去的几十年里，农业扩张加速了该地区森林和草地的退化。本研究旨在比较四种代表性土地利用类型（森林、草地、灌木丛和雨养农业）之间的土壤生物特性，并确定伊朗阿爾達比爾省納明地區最具信息量的土壤质量指

  来源：Scientific Reports

  时间：2026-09-01

• 失稳检测与超载控制系统：以公共交通为例

  摘要译文： 在许多地区，公共交通——尤其是小型巴士服务——是一种不可或缺的出行替代方式，然而超载仍然是一种普遍存在的安全隐患。当超过允许的重量限制时，车辆稳定性受到危害，道路恶化加速，事故可能性增加。为了解决这些问题，本研究提出了一种集成的、实时的驾驶员支持系

  来源：Scientific Reports

  时间：2026-09-01

• 一种基于混合元启发式优化和机器学习框架的智能医疗心血管疾病预测系统

  摘要 心血管疾病（CVDs），尤其是心脏病发作，仍然是全球最严重的公共卫生挑战之一，每年导致数百万人死亡，并给世界各地的医疗系统带来巨大压力。因此，尽早识别高风险人群对于及时干预和改善临床结果至关重要。近年来，机器学习（ML）作为一种有前景的工具，通过分析复杂

  来源：Scientific Reports

  时间：2026-09-01

• 小鼠结直肠和胰腺肿瘤的蛋白质组学分析与探索性免疫细胞去卷积

  摘要CT26 结直肠癌和 KPC 胰腺癌模型是广泛使用的同基因系小鼠肿瘤模型，具有不同的特征，这些特征会影响它们对癌症治疗的反应。尽管被广泛使用，但它们的蛋白质组学图谱仍未得到充分表征。我们在三次重复实验中对 KPC 和 CT26 肿瘤应用了无标记定量蛋白质组学，以识别模型间

  来源：Scientific Reports

  时间：2026-09-01

• 污水污泥与咖啡渣的共水热碳化：燃烧特性与水热炭特性

  摘要为了同时解决污泥（SS）处置和咖啡渣（CG）资源化利用的迫切挑战，本文在 1:2 的干质量比下，于 180–260 °C 温度范围内对 SS 和 CG 进行了共水热碳化（Co-HTC），以评估水热炭性质和协同相互作用。结果显示，单独由 SS 产生的水热炭（SS260）燃料

  来源：Scientific Reports

  时间：2026-09-01

• 在未来低惯量电网中，用于并网型逆变器的匹配控制的可行性评估

  摘要本文研究了在不同电网强度下，匹配控制型并网逆变器在电力系统中的运行可行性。通过结合小信号分析和电磁暂态分析，研究了在符合IEEE Std. 2800–2022标准的典型干扰场景下逆变器与电网的稳定性机制。基于17状态状态空间模型的小信号分析表明，匹配控制能够在直流链路电压状态

  来源：Scientific Reports

  时间：2026-09-01

• 基于保形P值的-risk-aware多选问答

  多选问答（MCQA）系统常需在不确定证据下行动，同时向用户提供简洁决策。研究人员引入一种risk-aware MCQA接口，将归一化选项概率转换为保形预测集（conformal prediction sets），使系统能在用户选定风险水平下保留所有被支持的答案

  来源：Scientific Reports

  时间：2026-09-01

• 一种用于隐私保护的个性化多模态情感识别的机器学习框架

  摘要本文提出了一种新颖的机器学习框架——隐私保护个性化多模态情感识别（P3MER），该框架同时解决了情感计算中的三个基本挑战：实现最先进的识别准确率、确保强大的隐私保护以及实现针对个体用户的有效个性化。该框架将分层多模态融合与联邦学习和差分隐私相结合，无需集中式数据收集即可实

  来源：Scientific Reports

  时间：2026-09-01

• 融合因果图发现与双重机器学习的因果推断框架：评估 IDC 部署对企业 ESG 绩效的影响

  摘要在全球数字化转型与可持续发展深度融合的背景下，互联网数据中心（IDC）已成为与 ESG 绩效相关的关键计算基础设施。针对高维混淆和复杂结构关系带来的挑战，本研究构建了一个整合的因果推断框架，融合了因果图发现（DirectLiNGAM）、双重机器学习（DML）和贝叶斯优化。

  来源：Scientific Reports

  时间：2026-09-01

知名企业招聘：