• 基于Fe3O4@Au纳米酶与CHA-PET-RAFT级联反应的协同三重放大电化学发光生物传感器用于灵敏检测烟草花叶病毒RNA

  •双功能Fe3O4@Au纳米酶作为稳健的纳米载体和ECL共反应加速剂。•三重信号放大策略整合了纳米酶、CHA和PET-RAFT级联反应。•光驱动的PET-RAFT引导发光胺接枝聚合物链的原位生长。•该生物传感器在实际植物RNA提取物中检测TMV RNA的检出限达0.17 pM。引

  来源：Analytica Chimica Acta

  时间：2026-10-27

• 膳食溶血磷脂-胆汁酸的补充方式及其在机体中的整合方式会影响幼年大口黑鲈（Micropterus salmoides）的生长、体成分及肝脏脂质代谢

  摘要据报道，溶血磷脂（LPL）和胆汁酸（BA）可以改善鱼类的生长表现和脂质吸收。本研究评估了LPL和BA（1:1比例，总补充量为200-600毫克/千克）联合膳食补充对幼年大口黑鲈（Micropterus salmoides）的生长表现、体成分、肌肉脂肪酸（FA）组成以及肝脏脂质

  来源：Animal Feed Science and Technology

  时间：2026-10-27

• 在SuperKEKB加速器上使用贝叶斯优化的注入调谐工具的实现与部署

  截至2025年7月，SuperKEKB加速器（使7 GeV电子与4 GeV正电子对撞，从而大量产生B介子和τ轻子等粒子）保持着最高瞬时亮度的世界纪录。为了实现更高的亮度，正在进行持续运行和升级。维持高瞬时亮度需要保持储存环中的高束流强度，这又要求注入器提供高效的束流注入。特别是必

  来源：Physical Review Accelerators and Beams

  时间：2026-10-27

• 湍流火焰空间填充特性的周期性调制导致周期性的尖峰状热释放振荡

  尖峰振荡具有快慢动力学特征，常见于神经元膜和心肌细胞等可兴奋介质中。在湍流反应流系统中，我们观察到热释放率呈现与正弦周期声压振荡同步的自持续周期性尖峰振荡。这些自持续振荡是热声不稳定的结果，源于声场与热释放率场之间的正反馈。热释放率波动的主要机制之一是火焰拓扑结构的调制，火焰是分

  来源：Physical Review E

  时间：2026-10-27

• 有机导体中的结构动力学

  层状有机导体𝜅−(BETS)₂Mn[N(CN)₂]₃是一种强关联电子系统，在𝑇_MI≈25K处表现出金属-绝缘体相变，并且由于电子铁电性，在𝑇_MI以上和以下分别表现出不寻常的平衡和非平衡动力学。然而，在更高温度（𝑇*=102K）下，据报道还存在另一种与不可公度超结构形成

  来源：Physical Review Materials

  时间：2026-10-27

• 维格纳连续自旋方程：玻色子与费米子情形

  我们为反德西特空间中任意维数的对称连续自旋场构造了类Wigner运动方程，同时处理了玻色子和费米子两种情况。我们推广了玻色子连续自旋场的经典平空间Wigner约束，对于费米子情况，我们采用Bekaert和Mourad提出的方程作为出发点。这是通过将普通导数协变化并对所得约束进行形

  来源：Physical Review D

  时间：2026-10-27

• 非平凡边界介导的TRSB拓扑铁基超导体中的超导输运

  超导性、能带拓扑和自发时间反演对称性破缺（TRSB）之间的相互作用有望实现拓扑超导边界态。有趣的是，铁基硫族化物超导体FeTe₀.₅₅Se₀.₄₅在超导态中表现出自发磁化，这使其成为三种要素共存的单材料平台。在此，我们报告了在机械剥离的Fe(Te,Se)器件中观察到的非平凡边界介

  来源：Physical Review X

  时间：2026-10-27

• OmniCosmos：跨宇宙传输粒子物理学知识

  基础模型能够构建数据的有效表示，并应用于各种下游任务。先前的研究表明，为对撞机物理学设计的OmniLearned基础模型能够显著提升对撞机实验的发现潜力。本文表明，在对撞机数据上训练的基础模型可以迁移至宇宙学。具体而言，我们改进了CosmoBench数据集中不同数据集的宇宙学参数

  来源：PRX IntelligenceNEW

  时间：2026-10-27

• 在中间温度下采样权重是训练大型蛋白质语言模型的最优选择

  采用统计力学框架，我们研究了基于蛋白质序列数据训练的Transformer模型的参数空间。我们利用朗之万动力学在不同温度下对损失景观进行采样，以表征低流形结构并理解Transformer在蛋白质结构预测中表现卓越的机制。我们发现，与不基于注意力机制的网络不同，Transforme

  来源：PRX IntelligenceNEW

  时间：2026-10-27

• 光谱学中用于可靠信号提取的概率去噪

  尽管深度学习为科学研究提供了强大的能力，但其应用常常受到缺乏定量可靠性的阻碍。为解决这一问题，我们引入了一个概率去噪框架，能够同时从噪声数据中提取去噪信号和逐元素的预测不确定性。我们在三维角分辨光电子能谱数据上展示了这一方法，结果表明该模型能够从平均每个体素仅0.02个电子的泊松

  来源：PRX IntelligenceNEW

  时间：2026-10-27

知名企业招聘：