• MDM：用于可见光和红外Mamba基目标检测的模态解耦技术

  1. 提出基于Mamba的跨模态解耦融合方法MDM，通过Global/Local Mamba模块实现多尺度特征提取，结合Modality Decouple模块分离模态特有与通用特征，并设计空间和通道维度差异感知的融合策略，显著提升红外可见光目标检测的效率与精度。

  来源：NEOTROPICAL BIOLOGY AND CONSERVATION

  时间：2026-04-20

• 通过算子合并方法对扩散轨迹蒸馏过程的理论洞察

  扩散轨迹蒸馏的理论分析与优化策略研究。通过重构轨迹蒸馏为算子合并问题，区分线性高斯和非线性高斯混合两种机制，揭示信号收缩与误差传播规律，推导方差驱动的最优合并相位转换，并提出帕累托动态规划算法实现高效全局最优合并计划。

  来源：NEOTROPICAL BIOLOGY AND CONSERVATION

  时间：2026-04-20

• 通过SG@DODGA柱预分离结合ICP-MS技术测定高纯度氧化钕中的微量稀土杂质

  高效固相萃取材料SG@DODGA的制备及其在镝氧化物纯度控制中的应用。通过共价修饰二氧化硅制备新型吸附剂，实现稀土元素的高选择性分离，有效消除基体效应对ICP-MS检测的干扰，检测限达0.008-0.2 μg/g，回收率91%-112%，为高纯度稀土材料质量控制提供绿色解决方案。

  来源：Microchemical Journal

  时间：2026-04-20

• 一种新型的NiCoFe LDH/B-CDs涂层猎鹰管，用于在食品和水样中通过涡流辅助微固相萃取技术提取Cd(II)，随后利用HR-CS-FAAS方法对其进行定量分析

  基于花状B-CDs@NiCoFe-LDH纳米复合材料的涂层Falcon管涡旋辅助微固相萃取法（CFT-VA-μSPE）成功开发，优化条件下检测限1.73 μg L⁻¹，前处理因子22.5，可高效富集痕量Cd(II)并避免后续分离步骤，适用于复杂基质中食品和饮用水样本的绿色检测。

  来源：Microchemical Journal

  时间：2026-04-20

• 用于监测饮用水中微量有机和无机消毒副产物的综合绿色分析方法（TD-GC–MS、HPLC-MS/MS）

  饮用水消毒副产物中三卤甲烷、卤乙酸及无机盐的绿色同步测定方法研究。采用薄层固相微萃取（TF-SPME）与搅拌棒固相萃取（SBSE）联用技术结合高效液相色谱-串联质谱（HPLC-MS/MS），实现DBPs的高灵敏度分析，符合欧盟2020/2184标准，无需前处理，适用于日常水质监测。

  来源：Microchemical Journal

  时间：2026-04-20

• 使用集中注意力的指导方法可以减弱人类预测学习中应用行为分析（ABA）效果的衰减现象

  三个实验探讨了专注注意力指令对ABA更新的影响，发现指令仅在干扰治疗后立即给予时有效，支持上下文处理中的注意力机制理论。

  来源：Learning and Motivation

  时间：2026-04-20

• 克服纤维降解：基于顶空固相微萃取-原位衍生化联用GC-MS检测尿液中苯丙胺类兴奋剂的绿色分析方法

  为解决苯丙胺类兴奋剂（ATS）生物检测中传统衍生化试剂腐蚀SPME纤维、影响方法重现性的难题，本研究开发了一种绿色、耐用的HS-SPME/GC-MS方法。通过优化三氟乙酸酐（TFAA）用量与温度参数，在保护PDMS/DVB纤维的同时实现了AMP、MET等4种ATS的高灵敏检测（线性范围25–2000 ng/mL），为法医毒理学提供了可靠且环保的分析方案。

  来源：Journal of Chromatography Open

  时间：2026-04-20

• 一种用于婴幼儿粪便中芳香族乳酸对映体手性分离与定量的验证方法：揭示双歧杆菌代谢物在早期免疫发育中的立体化学作用

  为解决现有方法无法精准分离与定量人体生物样本中芳香族乳酸（PLA, 4OH-PLA, ILA）D-型和L-型对映体的问题，研究人员开发并验证了一种基于手性柱的LC-MS/MS方法。该方法在10分钟内实现了所有对映体的基线分离，显著降低了基质效应（>80%），提升了回收率（>80%），定量限（LOQ）低至2.9-6.7 ng mL-1，并成功应用于婴儿粪便样本。该方法为深入研究这些对映体在婴儿健康中的生物学意义奠定了分析基础。

  来源：Journal of Chromatography A

  时间：2026-04-20

• 通过基于时空图的多模态数据融合技术实现荔枝霜霉病的早期预测

  早期预测模型研究|多模态融合|时空图神经网络|高光谱成像|农业病害监测

  来源：Agricultural Systems

  时间：2026-04-20

• 融合区域专用词汇过采样与BERT集成学习的孟加拉语方言文本分类混合方法

  为解决孟加拉语地区方言文本分类中数据集不平衡、缺乏高质量标注资源和传统模型泛化能力不足的问题，研究人员开展了一项结合语言信息过采样与异构深度集成学习的研究。他们构建了包含五个地区、4218个样本的层级化数据集，并引入区域专用词典进行基于语言学的过采样。研究最终提出了一个集成BanglaBERT、BUETBERT和DistilBERT的软投票深度集成模型，在高质量数据集上取得了85.17%的准确率和84.84%的加权F1分数。这项工作显著提升了低资源方言文本分类的准确性，为方言保护和技术包容性发展提供了新的框架。

  来源：Array

  时间：2026-04-20

知名企业招聘：