• 可通过矩阵调节的Eu3+/1,10-菲罗啉二氧化硅纳米材料，用于高分辨率指纹识别技术的发展

  本研究所制Eu³+/OP荧光纳米材料通过溶胶-凝胶法利用TMOS/TEOS/TMPS作为硅基质，其表面微环境有效抑制淬灭效应并增强吸附位点，实现非孔隙/孔隙基材上稳定显影，包括持久性指纹特征（二级三级细节）及抗老化（100天）和抗水溶（50天）性能。

  来源：Microchemical Journal

  时间：2026-02-15

• 通过Gramian角场成像和数据增强技术实现拉曼光谱的少样本学习，以提升生物流体的检测鲁棒性

  拉曼光谱通过跨模态学习框架实现小样本生物检测，采用GADF变换将一维光谱转为二维图像，结合亮度与对比度增强扩展数据集，利用CNN进行特征提取和分类，在140个有机分子和80种氨基酸数据集上达到近完美分类精度，并在含有人类血清复杂背景中成功检测低浓度甘氨酸，为临床诊断提供通用解决方案。

  来源：Microchemical Journal

  时间：2026-02-15

• La₂O₃掺杂Bi₂O₃纳米材料的绿色合成方法：适用于超级电容器及整体水分解应用

  新型Bi₂O₃:La₂O₃纳米材料的绿色合成及其在超级电容器与整体水裂解中的应用研究。通过Amaranthus viridis植物提取物作为还原剂和稳定剂，采用水热法成功制备了不同浓度La₂O₃掺杂的Bi₂O₃纳米材料。材料经SEM、XRD等表征显示良好结晶性和分散性，电化学测试表明其比电容达890 F/g，能量密度14 Wh/kg，过电位133 mV，且循环稳定性优异，具备应用于储能与制氢的潜力。

  来源：Microchemical Journal

  时间：2026-02-15

• 环保型银纳米颗粒与智能手机成像技术相结合，实现对水中汞的灵敏且选择性的比色检测

  本研究开发了一种基于智能手机的便携式系统，用于检测水体中的Hg²+。采用香蕉皮提取物绿色合成银纳米颗粒（AgNPs），并通过UV-Vis、FTIR、SEM和TEM表征，证实其球形形貌、稳定性和400 nm附近的LSPR峰。系统配备定制HDPE外壳，结合RGB颜色分析，灵敏度及选择性高，检测限0.499 μM，与UV-Vis和CV-AAS验证结果一致，适用于资源有限地区的汞监测。

  来源：Microchemical Journal

  时间：2026-02-15

• 母马采卵过程中卵泡冲洗次数与刮擦时间的对比评估：对卵母细胞回收率的影响与技术考量

  本文探讨了母马经阴道超声引导采卵过程中，多次卵泡冲洗与单次冲洗结合连续刮擦对卵母细胞回收率的影响。研究发现，在总刮擦时间相同的情况下，两种方法对回收率无显著差异，但单次冲洗可减少冲洗液用量。研究强调了优化刮擦时间在提升技术效率、降低成本和减少操作者疲劳方面的重要性。

  来源：Reproduction in Domestic Animals

  时间：2026-02-15

• 基于双注意力机制的增强型流式图像水印技术

  本文提出DARIW框架，通过通道注意力和焦点频率损失优化流式结构，增强水印鲁棒性及图像隐蔽性。实验证明其优于现有方法。

  来源：Pattern Recognition

  时间：2026-02-15

• SMRNet：结合时空建模的堆叠运动残差学习方法，用于扩散模型中的人体运动预测

  提出基于扩散模型的Stacked Motion Residual Network（SMRNet），通过层叠残差修正与时空图卷积融合，有效建模人体运动的空间和时间约束，显著提升预测精度并降低计算复杂度36.13%，在Human3.6M和HumanEva-I数据集上验证优于现有方法。

  来源：Pattern Recognition

  时间：2026-02-15

• FCT-Stock：一种融合CNN和Transformer模型的股票波动异常检测方法

  异常股票波动检测中融合CNN与Transformer的FCT-Stock模型提出分层特征提取机制，通过改进的坐标注意力模块实现跨维度特征交互，采用双分支并行架构同步处理多频数据，显著提升异常模式识别准确率。

  来源：Pattern Recognition

  时间：2026-02-15

• MAPLE-VAE：基于MAP的LaplacE VAE方法，用于稳健的密度估计

  针对高维数据中零方差特征导致的训练不稳定问题，提出基于拉普拉斯分布的MAPLE-VAE模型，通过引入形状参数正则化实现冗余特征筛选，并扩展至柯西分布有效提升密度估计和生成性能。

  来源：Pattern Recognition

  时间：2026-02-15

• CED：基于CLIP的熵动力学方法，用于在恶劣视觉条件下实现鲁棒的测试时适应

  Test-Time Adaptation通过熵最小化提升模型鲁棒性，但过度自信导致模型坍塌。本文揭示其根本原因在于"挤压效应"，并提出CED框架：引入冻结的CLIP模型提供语义信号，结合轨迹感知正则化约束参数更新，有效缓解挤压效应。实验表明CED在CIFAR、ImageNet等数据集上显著优于基线方法。

  来源：Pattern Recognition

  时间：2026-02-15

知名企业招聘：