生物通官微陪你抓住生命科技跳动的脉搏
综述:用于提升热效率的生物基建筑复合材料:性能、制造方法及应用效果
穆罕默德·图伊尔|乌萨马·拉赫蒙|哈利德·埃尔哈蒂|拉希德·萨达尼|米卢德·拉赫蒙 摩洛哥梅克内斯穆莱伊斯梅尔大学FS-EST先进材料研究与应用实验室 **摘要** 本综述重点关注使用生物基材料增强的建筑复合材料及其改善建筑围护结构热性能的潜力。文章分析了用于表征这
来源:Cleaner Waste Systems
时间:2026-03-09
识别潮汐能技术中使用的材料及其对人类健康、生态系统和资源的影响:从生命周期评估的角度出发
胡安·加布里埃尔·鲁埃达-巴约纳 | 瓦莱里·奥索里奥·弗兰科 | 胡安·何塞·卡贝略·埃拉斯 HIDROMAR研究小组 自然资源与环境工程学院(EIDENAR),工程学院,瓦莱大学,卡利,760042,哥伦比亚 **摘要** 潮汐能是一种丰富且可预测的可再生能
来源:Cleaner Production Letters
通过化学接枝方法制备环保型PLA/硅基丙基季铵氧化石墨烯复合膜,以提升油水分离效果和抗菌性能
拉维·P·潘迪 | 玛丽亚姆·乌达 | 萨勒姆·A·阿尔马尔祖基 | 拉希德·M·阿尔马兹鲁伊 | 莎迪·W·哈桑 膜与先进水技术中心(CMAT),哈利法科技大学,邮政信箱127788,阿布扎比,阿拉伯联合酋长国 **摘要** 在本研究中,我们介绍了一种新型绿色膜材
来源:Cleaner Engineering and Technology
使用改进的ASTM C1363方法,评估在极端高温条件下,增强废料后的压缩土块与传统砌体结构的热性能对比
拉娜·埃兹丁·拉基斯 | 艾哈迈德·萨伊德·萨阿德 | 塔哈·艾哈迈德 | 阿马尔·阿尔-努里 | 哈瓦拉·艾哈迈德 | 阿里·拉德万 澳大利亚大学科威特分校土木工程系,西米什雷夫,穆巴拉克·阿尔-阿卜杜拉·阿尔-贾比尔地区,5号楼——阿尔阿克萨清真寺街 **摘要**
综述:增强现实的接受度在心理、技术和文化维度上的研究:文献综述
**摘要** 本综述综合了关于消费者在市场营销中接受增强现实(AR)的研究。从最初的200篇同行评审期刊文章(2011年–2025年6月)中,最终选取了39篇2020年至2025年间发表的实证研究进行综合分析。通过采用混合归纳-演绎编码程序的主题分析法,我们确定了影响AR采纳
来源:Theoretical Issues in Ergonomics Science
基于特征压缩和最优状态估计的顺序深度学习方法在室内可见光定位中的应用 Negasa Berhanu Fite, Getachew Mamo Wegari, Heidi Steendam
摘要 可见光定位(VLP)因其对射频干扰的免疫性和与现有发光二极管(LED)照明基础设施的兼容性,而被广泛认为是高精度室内定位的有前景的技术。尽管最近取得了进展,当前的VLP系统仍然受到非线性接收信号强度(RSS)特性、未知的发射器方向以及动态室内干扰的根
来源:Photonics
2018年俄罗斯世界杯和2022年卡塔尔世界杯中的影像投射技术,以及展望2026年
**摘要** 本文探讨了2018年(俄罗斯)、2022年(卡塔尔)和2026年(加拿大、墨西哥、美国) FIFA世界杯期间所发布的公共信息。在前两个案例中,文章发现了一种共同的倾向,即试图展现现代性的形象并打破刻板印象,尽管也存在显著差异。虽然最初比较了墨西哥和美国的早期言论
来源:Soccer & Society
基于强化学习的协同进化优化方法在多目标能效混合流水线调度中的应用 刘宇辰、 舒婷、 尹学松、 夏锦松
**摘要** 能效混合流水车间调度问题是一个具有重大挑战的多目标优化问题,需要同时最小化三个相互冲突的目标:总延迟、总能源成本和碳交易成本。非支配排序遗传算法II(NSGA-II)是多目标优化领域的经典算法。然而,该算法往往缺乏在高维解决方案空间中导航所需的适应能力,尤其是在
来源:Axioms
市政供水项目风险评估的方法论研究 Maria D. Gracia、 Julio Mar-Ortiz、 Carlos Roberto Luna-Domínguez 和 Jannya Pancardo
摘要 关键基础设施项目对社会福祉和经济繁荣至关重要。这些项目具有显著的复杂性和不确定性,包括天气条件、设计挑战和监管限制,这些都可能阻碍它们实现时间、成本和质量目标。为应对可能扰乱这些项目的风险,需要 comprehensive risk assessme
来源:Mathematics
多数据集训练在时空问题中提升准确率:一种可解释的分析方法 Javier García-Sigüenza, Alberto Real-Fernández, Faraón Llorens-Largo, Rafael Molina-Carmona, Marc Semper
摘要:用于预测时空数据的深度学习模型通常使用嵌入来表示构成图的不同节点,从而能够表示待预测节点的特征。虽然在深度学习的其他领域(如自然语言处理NLP)中,会在大型数据集上进行预训练以获得嵌入,然后将其应用于具有较小数据集的另一个任务,但在时空问题的情况下,这是一个更复杂的任务。因
知名企业招聘: