-
市政污水污泥(MSS)与生物质残渣共燃回收磷(P):底灰直接农用潜力及化学形态与Cr(VI)限制评估
现有生物能源基础设施产生富磷(P)底灰(bottom ash)。灰的化学性质表明其具有直接农田应用的潜在适用性。Whitlockite型是主要结晶含磷酸盐相。灰中升高的Cr浓度限制其直接农田应用。
来源:Waste Management Bulletin
时间:2026-11-03
-
全球北方城市非正规拾荒的量化核算:巴塞罗那废金属收集的经济与环境贡献
在全球北方城市核算非正规拾荒:巴塞罗那案例
• 近两千名非正规拾荒者(informal waste pickers, IWPs)管理巴塞罗那33–39%的废金属(scrap metal)收集。
• 他们促进代谢循环性(metabolic circularity
来源:Waste Management
时间:2026-11-03
-
距离与连接子工程调控NDI–芘对环芳烷的分子内空间电荷转移(TSCT)
在电子给体–受体(D–A)分子中,空间电荷转移(TSCT)是控制激发态过程的有力策略。然而,分子结构对TSCT动力学的影响仍认识不足。在此,研究人员报道了一系列萘二酰亚胺(NDI)–芘(Py)D–A对环芳烷(PCPs),通过不同连接子系统改变发色团间距和空间排
来源:Journal of Materials Chemistry C
时间:2026-11-03
-
从分层充填到长孔空场法:Black Mountain Mine回填管网优化与集成运营管理案例研究
为提高年矿石产量并降低采矿成本,南非Black Mountain Mine(BMM)引入了长孔采矿法(longhole mining method)。现有为分层充填采场(cut-and-fill stopes)设计的水力充填(hydraulic fill)回填
来源:MetaResource
时间:2026-11-03
-
面向偏好漂移感知的联邦动态多模态记忆推荐框架(FedDMMR)
大语言模型(LLMs)近期被用于通过提供语义物品描述和高层内容表示来增强推荐系统。然而,当此类语义特征被纳入联邦推荐(federated recommendation)时,两个实际挑战仍未得到充分解决。第一,静态语义表示难以适应本地设备上持续演化的用户偏好(p
来源:IEEE Transactions on Big Data
时间:2026-11-03
-
泛癌视角下FACT染色质重塑复合体驱动肿瘤进展与免疫抑制微环境的多组学及单细胞机制解析
摘要:FAcilitates Chromatin Transcription(FACT,促进染色质转录)复合体是一种染色质重塑因子,在肿瘤进展中具有新兴功能。研究人员采用多组学策略,整合单细胞RNA测序(scRNA-seq,single-cell RNA se
来源:IEEE Transactions on Big Data
时间:2026-11-03
-
SuperAnimalFace:融合全景关键点超集与WildLifeFLM的野生动物跨物种面部关键点检测统一预训练框架
面部关键点检测(facial landmark detection, FLD)是动物行为分析(animal behavior analysis)、动物福利(animal welfare)和情感计算(affective computing)中的基础任务。然而,现
来源:IEEE Transactions on Big Data
时间:2026-11-03
-
基于迁移学习的单细胞与空间多组学数据过整合消解框架scRabbit
整合来自多种单细胞测序技术的数据比单独分析单个测定可提供更深入见解。尽管已开发若干整合单细胞多组学数据的方法,但其常过度关注不同模态间混合程度,导致过整合,从而可能掩盖细胞亚型与生物学条件间差异。为解决该局限,研究人员引入一种无监督方法,通过迁移学习桥接共享与
来源:IEEE Transactions on Big Data
时间:2026-11-03
-
面向FLaaS的DRL驱动成本感知型Serverless逻辑树自适应生成机制
无服务器(Serverless)计算的兴起促使服务提供商提供细粒度函数配置(如以1 MB为粒度分配内存),以支撑多样化函数类型并适应波动的工作负载。基于无服务器函数实现联邦学习(Federated Learning, FL)聚合器可显著削减空闲等待时间带来的成
来源:IEEE Transactions on Big Data
时间:2026-11-03
-
机器学习驱动的密码攻击检测与系统漏洞分析:一项系统综述
本系统综述考察机器学习(Machine Learning, ML)技术在网络安全环境中检测密码攻击和分析系统漏洞的应用。研究在24项同行评审研究中评估了包括朴素贝叶斯(Naïve Bayes, NB)、决策树(Decision Trees, DT)C4.5、随
来源:IEEE Transactions on Big Data
时间:2026-11-03