• 利用可见光近红外（Vis-NIR）和pXRF数据融合以及机器学习技术，预测火山土壤的特性

  Po-Hui Wu | Budiman Minasny | Yin-Chung Huang | José A.M. Demattê | Zeng-Yei Hseu•可见近红外(Vis-NIR)和脉冲X射线荧光(pXRF)信号与安第斯山土壤的特性有关。•结合Vis-NIR和pXRF

  来源：Computers and Electronics in Agriculture

  时间：2026-05-23

• 将森林废弃物通过生物转化技术培育成平菇，构建循环型生物经济体系，这一做法对蓝罗非鱼的健康养殖具有积极意义

  阿鲁尔·库马尔·穆鲁格桑（Arul Kumar Murugesan）|普拉德希娜·瓦伊拉加坦（Pradheena Vairaganthan）|拉朱·苏巴（Raju Subha）印度泰米尔纳德邦金奈马德拉斯大学附属帕查亚帕斯学院（Pachaiyappas College）植物学研究

  来源：Bioresource Technology Reports

  时间：2026-05-23

• 迈向可扩展和可持续的二氧化碳捕获技术：基于RSM方法的Mg(OH)₂浆液气泡柱反应器优化

  摘要由于工业活动和化石燃料消耗导致的大气二氧化碳（CO₂）浓度不断增加，因此需要开发高效且可扩展的碳捕获技术。本研究在半批次浆液气泡柱反应器中，利用氢氧化镁[Mg(OH)₂]浆液对CO₂进行了化学吸收实验。该过程采用Box-Behnken设计（BBD）在响应面方法（RSM）框架内

  来源：Scientific Reports

  时间：2026-05-23

• 具有Robin边界条件的奇异摄动转折点耦合系统的参数一致数值方法

  摘要本文研究了一类受到Robin型边界条件约束的奇异摄动拐点问题，这类问题具有明显的边界层和内部层结构，给标准数值方法带来了巨大挑战。为有效应对这些困难，本文提出了一种基于三角三次B样条（TCBS）配置方法来获得精确的数值近似解。TCBS基函数的平滑性和灵活性使得该方法能够捕捉到

  来源：Scientific Reports

  时间：2026-05-23

• 基于可解释机器学习的分析方法，用于研究影响拼接玻璃纤维增强聚合物棒界面性能的关键参数

  摘要在实际应用中，由于钢筋长度的限制，经常需要拼接玻璃纤维增强聚合物（GFRP）筋。这会影响维持混凝土与钢筋之间平衡的粘结应力。此外，目前缺乏利用机器学习方法来估算拼接GFRP增强梁的粘结强度以及解释相关有效参数的技术。因此，本文采用机器学习（ML）模型（包括普通最小二乘回归（O

  来源：Scientific Reports

  时间：2026-05-23

• 基于LSTM的安全导向预测方法：在极寒条件下测量登山鞋穿着者大脚趾皮肤温度，以评估鞋子的性能

  摘要本研究提出了一种以安全为导向的框架，用于评估登山鞋在极端寒冷环境中的隔热性能。研究引入了一种新的指标——安全暴露时间（Duration of Safe Exposure，简称DSE），定义为在特定的鞋类隔热性能、环境温度和体力活动条件下，大脚趾皮肤温度达到保守的临界阈值15°

  来源：Scientific Reports

  时间：2026-05-23

• 基于PERMA干预方法的随机对照试验：研究其对年轻和中年中风患者在康复期间主观幸福感及创伤后成长（post-traumatic growth）的影响

  摘要年轻和中年中风患者面临着独特的康复相关心理困扰——例如由于运动功能恢复缓慢而感到沮丧、对失去家庭/社会角色的焦虑以及对长期康复缺乏动力——这些因素都直接阻碍了身体康复和术后适应。本研究开发了一种基于积极心理学的、针对中风患者特定需求的PERMA（积极情绪、参与度、人际关系、意

  来源：Scientific Reports

  时间：2026-05-23

• 优化多标签图像标注：一种结合CNN和Transformer的深度学习方法

  摘要多标签图像标注仍然是一项具有挑战性的任务，原因在于标签分布极不平衡、存在共现的语义概念，以及标注数据中包含罕见或噪声较大的样本。为了解决这些问题，我们提出了ReSwinNet，这是一个结合了CNN和Transformer的混合框架。该框架利用ResNet-50进行细粒度空间特

  来源：Scientific Reports

  时间：2026-05-23

• 一种基于比较机器学习的方法，利用来自完整种子的可见光-近红外（VIS-NIR）光谱数据，结合多种数据转换技术和重采样方法来对羽扇豆属（Lupinus）物种进行分类

  摘要人们对羽扇豆属（Lupinus）物种的栽培和利用越来越感兴趣，这主要是由于它们的营养价值以及其在可持续农业中的潜力。然而，利用全种子光谱数据对羽扇豆属物种进行非破坏性分类的研究还相对较少。在这项研究中，比较评估了五种机器学习分类器，这些分类器利用可见光和近红外（VIS-NIR

  来源：Scientific Reports

  时间：2026-05-23

• 基于组学数据和网络嵌入技术的疾病分子图谱

  摘要识别与疾病相关的蛋白质和通路仍然是理解疾病机制和支持治疗开发的基本挑战。尽管组学分析可以提供有价值的见解，但它们通常分别考虑每个基因/蛋白质，而不是从生物系统的角度来进行分析。通过将组学数据与蛋白质网络相结合，可以解决这一问题。我们将特定于疾病的组学数据与STRING提供的通

  来源：npj Systems Biology and Applications

  时间：2026-05-23

知名企业招聘：