• 用于环境空气条件下的分级异质结空穴传输层，以及钙钛矿太阳能电池的可扩展制造方法

  钙钛矿太阳能电池通过PTAA/MeO-2PACz异质结HTL刀涂工艺实现高效稳定，该结构优化表面润湿性及结晶质量，降低界面缺陷并促进电荷提取，效率达23.53%且500小时衰减仅4%。

  来源：Journal of Energy Chemistry

  时间：2026-03-21

• 在Cu/Ni异质结电极上的界面电子工程技术实现了稳定且高效的形式醛电氧化过程，从而用于氢气的生产

  Cu/Ni异质结电极通过电沉积法制备，Ni与Cu界面电子转移形成富电子Cu表面，抑制Cu⁰氧化，实现甲醛氧化反应（FOR）电流密度100mA·cm^-2（0.1V vs RHE），稳定性超100h，并在双极制氢系统中达到0.14V超低电压。

  来源：Journal of Alloys and Compounds

  时间：2026-03-21

• 基于机器学习的合金成分优化技术：提升Al-Mg-Si-Zr-Er合金的强度与延展性

  Al-Mg-Si合金通过机器学习与实验验证协同设计，开发出高强度高韧性新型合金。随机森林回归模型（R²>0.8）成功预测抗拉强度（404.3±20.2MPa）、屈服强度（339.1±16.9MPa）和延伸率（11.9±0.6%），其性能显著优于传统6xxx系列铝合金。微观结构分析揭示多机制协同强化：纳米β'、Q相及Al₃(Zr,Er)析出相分别贡献沉淀强化、晶界钉扎及析散强化，同时发现独特的“晶格状Mg₂Si相”包覆结构。

  来源：Journal of Alloys and Compounds

  时间：2026-03-21

• 一种无需使用液体的清洁准分子激光方法，用于在聚合物上制备镍纳米颗粒，以应用于表面增强拉曼散射（SERS）技术

  脉冲激光辐照聚合物基底制备可控形貌镍纳米颗粒，探究激光能量、脉冲次数及外加电场对颗粒尺寸与表面等离子体共振（SERS）性能的影响。研究发现聚碳酸酯（PC）基底结合电场可形成更均匀纳米颗粒（21±2 nm），其SERS增强效果显著优于聚醚砜（PES）基底。该无溶剂、无化学添加的制备方法为工业与生物医学应用提供高效可控的镍纳米材料合成方案。

  来源：Optics & Laser Technology

  时间：2026-03-21

• 使用六亚甲基四胺进行山羊皮的无盐保存：皮革加工中减少污染的可持续替代方法

  HMTA作为盐-free环保抗菌剂在 Goat皮 temporary preservation中的应用，通过抑制微生物并降低水分实现防腐，5%浓度最优，可减少91.6% TDS和81.5% COD污染，提升皮革制造资源效率。

  来源：Journal of Water Process Engineering

  时间：2026-03-21

• 用于筛选Aurora Kinases A和B抑制剂的多表示机器学习方法以及来自结构警报的洞察

  选择性AURKA/AURKB抑制剂设计及机器学习模型开发研究，通过系统筛选和贝叶斯分析确定关键结构特征，结合多种分子特征构建高效预测模型，并验证其在临床前药物筛选中的应用价值。

  来源：Journal of Molecular Graphics and Modelling

  时间：2026-03-21

• 通过能量控制断裂的粘结单元方法对可压碎颗粒材料进行多尺度分析

  脆性颗粒材料在等静压缩下的破碎行为研究，采用三周期粒子动力学模拟与热力学一致性粘结胞模型，揭示颗粒分裂成多面体细胞后，宏观应力比与微观各向异性呈现三阶段演化规律：初始阶段颗粒重组导致各向异性激增，第二阶段断裂引发参数骤降并进入应变硬化平台，第三阶段形成稳定碎屑结构。发现碎片尺寸分布遵循幂律规律且受加载条件显著影响，大碎屑保留初始尺寸分布特征，而小碎屑受Voronoi分划影响。

  来源：Computers and Geotechnics

  时间：2026-03-21

• 新能源汽车出口中的供应商选择：一种用于海运运输的三聚类进化博弈方法

  中国新能源汽车（NEV）出口依赖高效海事物流供应商（MTSs），本研究创新性地将三聚类方法与多维进化博弈理论结合，构建了基于部门管理偏好的MTS评估体系。通过仿真验证，该方法在成本、时效、环保等5个关键指标上显著优于TOPSIS和MOO模型，尤其能适应需求波动下的动态调整。

  来源：Computers & Industrial Engineering

  时间：2026-03-21

• 基于深度证据Transformer和蒙特卡洛dropout方法的不确定性感知剩余使用寿命预测模型

  可靠剩余寿命预测在复杂工业环境中面临传感器噪声、操作变异和可信决策支持等挑战。传统深度学习模型难以量化aleatoric和epistemic双重不确定性，常产生过度自信的预测。本研究提出Deep Evidential Transformer with Monte Carlo Dropout（DET-MCD）框架，通过Normal-Inverse Gamma先验建模aleatoric不确定性，结合MCD在推理时引入随机性量化epistemic不确定性，实现端到端的不确定性联合建模。实验表明，DET-MCD在C-MAPSS数据集上显著优于22种基准方法，其预测区间覆盖率达95%以上且宽度最优，有效提升预测可信度，为工业维护决策提供可靠支持。

  来源：Computers & Industrial Engineering

  时间：2026-03-21

• FC-Font：基于频率域风格补偿的少量样本扩散式字体生成方法

  少样本扩散字体生成框架FC-Font通过频域建模解决传统网络高频细节缺失问题，采用频域风格补偿模块和对比学习风格优化网络，实现跨语言风格迁移与结构保真。

  来源：Computers & Graphics

  时间：2026-03-21

知名企业招聘：