• 聚合物涂层内圆柱表面确定性微织构法向响应的接触时间与松弛效应：分层黏弹性接触模型

  确定性微织构与黏弹性涂层变形会影响聚合物涂层内圆柱表面的法向响应。一种加性模型将统计平台粗糙度、确定性Fourier位移以及涂层减裸基周期单元增量分离开来。半空间（HS）与有限厚度（FT）单粗糙峰定律描述同一指定峰群，用于孤立压痕（A类）与连通螺旋沟槽（B类）

  来源：Polymers

  时间：2026-10-25

• 面向注塑短玻纤增强热塑性塑料S–N曲线预测的滤波耦合异方差高斯过程回归

  专业术语翻译 预测注塑短玻纤增强热塑性塑料的疲劳行为，受制于疲劳数据巨大且不可约的离散性，以及响应对于成型条件的强烈依赖性，而传统的点估计模型既无法再现也无法量化这些特征。本研究提出一种物理信息驱动的异方差高斯过程回归模型（Pi-HGPR），通过预测作为循环次

  来源：Polymers

  时间：2026-10-25

• 聚脲壳层正十九烷相变纳米胶囊改性沥青混合料的马歇尔性能与导热系数研究

  ： 气候变化与城市化导致柔性路面表面温度升高，这增加了对既具备改良热响应特性又保持可接受的混合料性能的材料的需求。在本研究中，研究人员将先前开发的正十九烷胶囊体系（以聚脲（PUA）为壳层）按沥青结合料质量的1%、3%和5%掺入沥青中，并在胶囊/结合料尺度及混合

  来源：Polymers

  时间：2026-10-25

• 石油沥青质作为聚酰胺-12热熔胶的低浓度高效增粘剂研究

  系统研究了石油沥青质作为聚酰胺-12（Polyamide-12，PA12）基热熔胶（Hot-Melt Adhesive）中新型低浓度增粘剂的潜力。对含有5至20 wt%沥青质的聚酰胺共混物的结构、流变、热物理、力学及粘附性能进行了全面评价。在最佳添加量5 wt

  来源：Polymers

  时间：2026-10-25

• 分子扩散驱动梯度聚合物空穴传输层实现高效稳定有机光伏器件

  高性能且耐久的有机光伏器件（OPVs）需要既能实现高效载流子提取又能保证长期稳定性，同时兼容可扩展和基于印刷工艺加工的中间层。在本研究中，研究人员展示了一种用于高效且热耐久型OPVs的分子扩散驱动梯度聚合物空穴传输层（g-HTL）。该g-HTL通过将薄层PM6

  来源：Polymers

  时间：2026-10-25

• 基于物理引导表示学习与选择性域自适应的跨工况轴承故障诊断

  跨工况轴承故障诊断仍具挑战性，因为运行工况变化会引起分布偏移，从而降低诊断性能。此外，域自适应并非总是有益的，可能引入负迁移和不必要的计算成本。本文提出一种带有差异门控部署策略的物理引导域表示网络（Physics-Guided Domain Represent

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-25

• 当复用重复错误：大语言模型语义缓存中的答案稳定性与错误集中

  语义答案缓存（semantic answer caching）通过复用先前响应来降低推理成本，但可能反复提供错误答案。已有研究主要针对缓存匹配、验证和新鲜度，而本研究探讨一个错误归因问题：将多个请求表面（request surface）分组到共享源键（sour

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-25

• 基于可解释模糊聚类与声化的宇宙微波背景多模态知识提取研究

  复杂科学数据集需要可解释的机器学习方法，这些方法能够在保留不确定性和数据状态间渐变过渡的同时提取结构化信息。本研究提出了一种可解释的模糊聚类与声化框架，用于宇宙微波背景（CMB）数据的特征化与多模态表征。研究人员从普朗克全天（I， Q， U）星图出发，对斯托克

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-25

• 选择性报告与评估协议塑造田纳西伊士曼过程（TEP）深度学习故障检测的证据：系统综述与Meta分析

  深度学习在田纳西伊士曼过程（TEP）故障检测中的报告增益尚未被综合。在本系统综述中，研究人员将研究回顾性注册于OSF Registries，并检索Scopus与Web of Science Core Collection中2017年至2026年报告深度学习方法

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-25

• 基于零泄漏多专家K折蒸馏的鲁棒轻量视网膜微血管分割

  在资源受限设备上部署用于视网膜微血管分割的精确深度学习模型，需要在诊断精度与计算效率之间进行权衡。此外，基于单一固定数据划分的评估可能引入乐观偏差，并掩盖紧凑模型对域偏移的脆弱性。为应对这些挑战，研究人员提出了一种零泄漏多专家K折蒸馏框架（Zero-Leaka

  来源：Machine Learning and Knowledge Extraction

  时间：2026-10-25

知名企业招聘：