• 面向酒店与旅游业的社会可持续性制度化：基于动态能力、制度与利益相关者理论的递归治理能力构建模型

  推荐：针对酒店旅游业社会可持续性难以长期内化的问题，研究者整合动态能力与制度等理论，通过框架分析及管理者工作坊，提出包含感知、攫取、转型与系统协作四阶段的递归能力模型，为实现社会目标向常态化治理嵌入提供理论与实操路径。

  来源：ANNALS OF TOURISM RESEARCH

  时间：2026-04-25

• 分子前驱体喷涂包覆：低成本锂锰富集正极材料表面改性新策略

  锂锰富集（LMR）正极材料在高电压循环下易发生结构演变与过渡金属溶解，导致电压衰减与容量衰退。本研究采用异丙醇铝为分子前驱体，通过可扩展的喷雾干燥法在LMR表面构建含铝薄层，经450°C煅烧优化后，材料在500次循环（2-4.6V, C/3）中容量保持率达~80%，并有效抑制电压衰减。该工艺为高性能LMR正极的规模化稳定提供了新途径。

  来源：JOURNAL OF POWER SOURCES

  时间：2026-04-25

• 共享自动驾驶汽车中通勤时间的工作与休闲利用：一项基于“绿野仙踪”车载模拟器的现场实验研究

  本文针对自动驾驶汽车（AVs）普及过程中的核心瓶颈——如何将通勤时间转化为生产力，开展了一项创新性实证研究。研究人员利用“绿野仙踪”车载模拟器，首次在真实城市交通环境中，让104名参与者体验了共享自动驾驶汽车（SAV）内的工作与休闲活动，并通过详尽的问卷调查和视频分析，量化了非驾驶相关任务对旅行时间价值的影响。研究结果表明，SAV因其允许乘客专注于工作，可显著降低其旅行时间价值，从而凸显了其在提升出行生产力、重塑通勤体验方面的巨大潜力。这项研究为自动驾驶技术的商业化推广和城市交通系统的可持续规划提供了关键的行为学证据。该成果发表于《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》。

  来源：TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES

  时间：2026-04-25

• InfinityEBSD：基于扩散模型与物理指标引导的无限尺度EBSD图谱生成研究

  为解决EBSD图谱获取成本高、尺寸受限且现有生成模型缺乏物理意义的问题，Sterley Labady等开展了基于DDPM（Denoising Diffusion Probabilistic Models）的无限尺度EBSD图谱生成研究。该研究提出的InfinityEBSD模型通过微结构指标（如晶粒尺寸、配位数等）条件化生成，实现了从统计描述符直接生成或从小图谱扩展生成任意尺寸的物理可解释EBSD图谱，为材料计算模拟提供了高质量数据源。

  来源：ACTA MATERIALIA

  时间：2026-04-25

• 冷喷涂高保真建模：改进的本构材料模型与非局部网格敏感性缓解策略

  为解决冷喷涂（CS）数值模拟中传统本构模型（如JC、MW模型）在高应变率下预测失真，以及欧拉（Eulerian）框架中结果严重依赖网格尺寸的问题，研究者开展了高保真本构模型开发及非局部策略研究。结果显示，新模型在590–1058 m/s宽速域内精准预测粒子变形（重叠率达93.2%），混合非局部策略成功消除了网格敏感性，对CS工艺优化及增材制造模拟具有重要意义。

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-04-25

• 延性材料相场断裂与塑性耦合的热力学相容性：若干耦合策略的理论评估与机制构建

  相场断裂方法为延性材料中裂纹的萌生与扩展提供了统一的计算框架，但经典的格氏能断裂判据在理想塑性条件下会因弹性应变能饱和而导致裂纹停止。本研究聚焦于如何将相场断裂与塑性本构进行热力学相容的耦合，以描述延性断裂。研究人员评估了多种损伤-塑性耦合策略，通过克劳修斯-杜亨不等式论证了在理想塑性极限下，将塑性功直接引入亥姆霍兹自由能的常见方法不具热力学容许性。为此，论文提出了两种可接受的替代机制：依赖塑性应变的损伤激活阈值降低定律，以及随累积塑性应变减小但仍严格为正的断裂韧性函数。数值算例阐明了这些耦合如何产生损伤与塑性相互作用的不同机制，明确了热力学结构对模拟结果的实际影响。这项工作澄清了弹塑性材料相场断裂模型的关键理论结构，为建立可靠的延性相场模拟奠定了基础。

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-04-25

• 基于自适应鲁棒优化的分布式综合能源系统（含主动配电网与区域供热网）最优调度研究

  随着分布式能源的快速增长，主动配电网（ADN）与区域供热网（DHN）的协同运行成为提升综合能源系统（IES）灵活性与经济性的关键。然而，负荷与可再生能源（RES）的不确定性、多主体隐私保护等问题给IES最优运行带来挑战。本文提出一种基于交互能源（TE）市场的分布式优化调度框架，采用交替方向乘子法（ADMM）与自适应鲁棒优化（ARO），在考虑配网与热网约束、建筑与管道热惯性的条件下，实现了多微网（MMG）与配电系统运营商（DSO）的协同优化。数值仿真表明，该方法能有效降低系统运行成本，提升能源利用效率，为高比例可再生能源接入下的IES经济可靠运行提供了新思路。

  来源：Energy and AI

  时间：2026-04-25

• 数据驱动的风景秀美度制图在大陆尺度陆上风能资源评估中的应用

  为量化景观视觉冲击对风电规划的影响，研究者融合众包风景评级与地理空间数据，开发了首个大陆尺度风景秀美度机器学习预测框架。研究发现，优先保护风景优美地区将使部分国家风电潜力减少超60%，但对全欧平准化度电成本影响有限。这为兼顾社会接受度的大规模能源系统规划提供了数据支撑。

  来源：Energy and AI

  时间：2026-04-25

• 基于强化学习的可逆水泵水轮机实时控制以实现抽水蓄能电站快速响应

  本文针对传统控制器在抽水蓄能电站可逆水泵水轮机快速启动中响应慢、适应性差的问题，研究人员利用数字孪生平台，结合近端策略优化（PPO）强化学习（RL）算法，对400 kW实验室规模的机组启动过程进行了控制策略研究。研究表明，RL学得的控制策略可将启动时间缩短30%以上，实现了更快的同步和更早达到目标流量。这项研究为RL在安全关键的能源系统控制中的应用提供了一条从安全离线训练、可解释规则代理验证到仿真-现实迁移的系统性路径，对提升电力系统灵活性与稳定性具有重要意义。

  来源：Energy and AI

  时间：2026-04-25

• 从“削峰”到“应力再分布”：天气信息驱动的自适应强化学习如何重塑热浪下的街区级能源系统韧性

  本研究聚焦于热浪频发对城市电力网络的严峻挑战。为探究如何在极端天气下实现分散、稳健的能源管理，研究人员开发并评估了天气信息驱动的自适应强化学习能源管理框架。研究发现，该框架能将社区平均制冷需求降低10-15%，并有效削减高百分位需求，同时维持室内热舒适，为未来气候条件下构建可扩展、隐私保护的韧性社区能源系统提供了新思路。

  来源：Energy and AI

  时间：2026-04-25

知名企业招聘：