• Thermo-CR：通过热力学大气建模与多源数据融合实现基于物理原理的实时云影去除技术

  摘要星载光学传感器能够实现持续的地球观测，但大气干扰仍然限制了其实际应用可靠性。平均而言，云层覆盖了地球表面的67%。这种持续存在的云层覆盖会影响到精准农业、灾害监测以及各类物联网系统所依赖的数据连续性。近年来，一些深度生成模型能够生成视觉效果良好的无云图像。然而，当面对云层厚度

  来源：Scientific Reports

  时间：2026-06-25

• 基于技术-算法矩阵的国画3D数字化非写实渲染——以钱选《八花图》为案例研究

  摘要中国传统绘画是文化遗产的重要组成部分，其3D数字化在文化传播与艺术再现方面发挥着关键作用。然而，现有的非真实感渲染技术在对传统绘画进行再现时存在诸多局限，如艺术精髓的丧失、工作流程的不清晰，以及创作者需要承担较高的学习成本。为解决这些问题，本研究提出了一种“中国传统绘画技法与

  来源：Scientific Reports

  时间：2026-06-25

• 利用光伏技术量化车对家能源系统在建筑层面的益处：一项采用修正关键绩效指标的高分辨率参数研究

  摘要本文通过建立高精度、长达一年的TRNSYS模型，并结合Python自动化技术，量化分析了在以电动汽车电池作为灵活储能装置的光伏住宅中，车对家（V2H）功能对建筑层面的自给率及自用率的影响。该研究共进行了430次年度模拟，涵盖了五种光伏阵列朝向、七种电动汽车可用时间表、三种每日

  来源：Scientific Reports

  时间：2026-06-25

• 油藏岩石物理特征表征与化学处理作为优选最佳提高采收率技术的工具

  强化采油（EOR）方法对于最大化成熟油藏的原油采出至关重要。鉴于当前对原油的持续依赖，推进强化采油技术以提高油藏产量并延长其开发寿命具有重要意义。在化学法强化采油中，化学驱是一项成熟技术，理论上可适用于多种油藏条件。本文采用环境友好的绿色化学路线，以乙醇为溶剂

  来源：Scientific Reports

  时间：2026-06-25

• 基于进化算法的类黑猩猩元启发式数据聚类方法及其在智能学习系统中的应用

  摘要在任何复杂的系统中，数据聚类对于辅助决策过程都具有重要意义，尤其是在数据规模庞大、维度高且类型多样的环境中。本文提出了一种对Chimp优化算法的进化改进版本（EVCHOA），旨在提升其在现实世界中的应用效果。该解决方案在受黑猩猩行为启发的搜索过程中引入了自适应进化更新机制，以

  来源：Scientific Reports

  时间：2026-06-25

• 用于通过差异化夹紧实现长制品剪切分离的模具的技术与设计特点

  摘要通过剪切方式将长工件加工成精密零件仍然面临诸多挑战，这些问题包括弯曲变形、端面开裂以及尺寸精度不足。采用差异化夹紧方式的模具被视为一种有前景的解决方案，但其设计参数对力传递、能量效率以及变形局部化的影晌目前尚不完全清楚。本研究旨在探讨长工件差异化夹紧模具的技术与设计特点，并建

  来源：Scientific Reports

  时间：2026-06-25

• 基于多模态PET/CT与半监督及无监督深度学习的技术在肺癌PD-L1状态预测中的应用

  摘要深度学习技术已被应用于肺癌筛查、药物效果评估以及预后预测领域。在此背景下，将18FDG PET/CT图像与深度学习相结合的方法取得了令人满意的成果，尤其是在预测肺癌中的程序性死亡配体-1表达方面，提升了整体预测精度，同时也为临床决策和患者分层提供了可行的无创辅助成像生物标志物

  来源：Scientific Reports

  时间：2026-06-25

• 基于深度学习的等离子体电化学传感技术，实现快速准确的病原体检测

  摘要利用新一代深度学习算法开发等离子体电化学生物传感器，是为病原体提供快速、现场可检测的诊断方法的有效途径。本文结合了MobileNet-Transformer与Gated Recurrent Unit（GRU）深度神经网络，以及一种纳米结构等离子体生物传感器，可用于早期检测大肠

  来源：Scientific Reports

  时间：2026-06-25

• 半干旱布阿纳内流域地下水潜力分区的多准则AHP-GIS方法

  摘要在半干旱地区，可持续的地下水管理仍是一项重大挑战，因为气候变率以及日益增加的人为压力会削弱含水层的恢复能力。在此背景下，本研究采用基于层次分析法的GIS框架，对数据匮乏的半干旱地区的布阿纳内盆地进行地下水潜力区划。分析中综合考虑了九个水文环境因素，包括降水量、土地利用类型、地

  来源：Scientific Reports

  时间：2026-06-25

• 跨域迁移学习策略增强深度学习模型解释方法(xAI)解释的可解释性

  临床决策日益依赖深度神经网络(DNNs)，但其临床应用要求预测过程透明且可解释。可解释人工智能(explainable artificial intelligence, xAI)方法能识别与模型决策相关的输入区域，但其临床可解释性仍有限。本研究探讨归纳式迁移学

  来源：Scientific Reports

  时间：2026-06-25

知名企业招聘：