• 质子交换膜电解氮化钛保护涂层：气相涂覆方法对比

  打开拓片查看器 我们研究了三种气相涂覆方法，即原子层沉积（ALD）、反应溅射（RS）和等离子体氮化（PN

  来源：RSC Applied Interfaces

  时间：2026-10-18

• 综述：无监督机器学习在有机合成方法开发中的应用综述

  打开图像查看器 机器学习作为一种工具的兴起，正开始对化学家如何开发合成方法以及获得对化学反应的有价值洞察

  来源：Organic Chemistry Frontiers

  时间：2026-10-18

• 北极船舶建造钢中腐蚀驱动老化：退化评估代表性测试方法综述

  北极环境中船舶的安全运行依赖于结构钢在极端零下暴露条件下仍保持足够强度、韧性和耐腐蚀性。当前监管框架，例如国际海事组织（International Maritime Organization, IMO）所遵循的框架，确保材料满足北极服役的最低设计要求。然而，这

  来源：Materials Today Communications 

  时间：2026-10-18

• 3D打印脊柱融合装置：技术突破、临床挑战与智能化未来

  三维打印脊柱融合装置正处于技术突破与临床转化的关键阶段。4D打印磁电融合笼可实现无线、被动监测应变与融合进程。新型低温三维打印技术可将生物活性药物（如丹酚酸B，Salvianolic acid B）封装于支架中实现持续释放。机器学习驱动的逆向设计可优化用于脊柱

  来源：Materials Today Communications 

  时间：2026-10-18

• 机器学习方法在HIV研究中的演示与应用：识别抗逆转录病毒治疗障碍的关键预测因素

  摘要专业翻译 尽管机器学习在健康研究中应用日益广泛，但其在HIV研究中的采用仍然有限，尤其是在阐明面临抗逆转录病毒治疗（ART）依从性障碍的高风险个体亚群方面。本研究旨在方法学层面演示机器学习方法的应用，以考察社会人口学模式作为ART依从性障碍的预测因素。 在

  来源：Machine Learning with Applications

  时间：2026-10-18

• 流形域函数型数据的局部推断：基于置换检验的方法

  专业术语翻译的摘要 局部推断（local inference）对于函数型数据（functional data）而言，是指能够在数据定义域上评估调整后的p值函数（adjusted p-value function）的方法，从而能够将零假设（null hypoth

  来源：Journal of Multivariate Analysis

  时间：2026-10-18

• 基于SWAT-LSTM-Transformer混合模型的无测站流域径流模拟迁移方法

  径流是水文循环的关键组成部分，对水资源管理、防洪和农业规划至关重要。然而，全球仍有大量无测站流域（ungauged basins），特别是在发展中国家或地区，这是由于径流测量成本高昂且监测网络稀疏。为了有效管理和规划水资源，有必要在这些无测站流域模拟径流。然而

  来源：Journal of Hydrology: Regional Studies

  时间：2026-10-18

• 持续时间自适应的粤港澳大湾区（GBA）降雨模式识别增强方法及其非对称变化

  研究人员提出了一种用于粤港澳大湾区（Guangdong-Hong Kong-Macao Greater Bay Area, GBA）降雨模式（rainfall pattern, RP）识别及其非对称变化的增强方法。持续时间自适应识别（duration-adap

  来源：Journal of Hydrology: Regional Studies

  时间：2026-10-18

• 面向科学领域的大型语言模型效率技术综述

  摘要将大型语言模型（LLMs）适应到科学领域需要高效的策略，以在保持性能的同时降低高昂的计算成本。本文系统性地综述了将LLMs适应到科学应用中的效率技术。我们的综述分析了七个科学领域的120项研究，包括生物医学、临床医学、生物学、数学、化学、地球环境科学以及跨学科科学研究。在

  来源：ARTIFICIAL INTELLIGENCE REVIEW

  时间：2026-10-18

• 协作机器人视觉感知技术综述：动态环境挑战、统一闭环流水线与未来研究路径

  协作机器人（cobots）从孤立的、预编程的机械臂演变为能够与人类、其他机器人和机器高效协同工作的伙伴的进程正在迅速加快。计算机视觉技术的进步使得协作机器人即使在动态且杂乱的场景中，也能对环境进行感知、识别并对操作进行评估。然而，在动态系统中实现更高的检测精度和实时定位仍然是

  来源：ARTIFICIAL INTELLIGENCE REVIEW

  时间：2026-10-18

知名企业招聘：