• 从电子废弃物衍生的铜到Pd-Cu合金膜：PCB热解炭与废电缆中铜的回收及其在氢气分离中的应用

  电子废弃物（e-waste）已成为全球增长最快的废物流之一，在带来显著环境挑战的同时也代表着有价值的二次资源。铜因其在印刷电路板（PCB）和废电缆（WC）中含量较高且在工业应用中具有关键作用而尤为重要。研究人员通过热解（pyrolysis）处理PCB，使铜含量

  来源：Green Energy and Resources

  时间：2026-11-01

• 消除被忽视热带病的实践之路：评估既往进展与展望未来

  ：消除被忽视热带病（neglected tropical diseases, NTDs）对于减少贫困、解决不平等和实现全民健康覆盖至关重要。随着世界卫生组织（World Health Organization, WHO）2021–2030年路线图进入后半程，2

  来源：International Health

  时间：2026-11-01

• 融合传统标记回捕与声学遥测提升高目标礁鱼gag（Mycteroperca microlepis）放流后绝对存活估计

  准确估计放流后存活（post-release survival）是渔业资源评估（stock assessment）和有效管理的基础。传统标记回捕研究（conventional tag-return studies）和声学遥测（acoustic telemetr

  来源：ICES Journal of Marine Science

  时间：2026-11-01

• 面向多风电机组风速时空不确定性预测的多阶段图条件概率预报器（MGPF）——双流时间编码与节点对自适应图融合

  多阶段图条件概率预报器（MGPF）将自适应图学习、时间编码和概率预测统一起来。节点对图融合能够捕捉风电机组之间异构的空间依赖关系。数据集特定编码可为不同数据集选择GPT-2或Patch表示。时空交叉注意力将时间动态与基于图的空间特征联系起来。MGPF在三个风电

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-11-01

• 全脑、硬脑膜静脉窦与颅骨骨髓作为胶质母细胞瘤治疗相关性淋巴细胞减少候选危及器官的剂量学比较分析

  摘要 治疗相关性淋巴细胞减少（treatment-related lymphopenia, TRL）是胶质母细胞瘤（glioblastoma, GBM）中已确立的预后因素，但其解剖起源尚不清楚。这项回顾性单中心研究比较了全脑、硬脑膜静脉窦（dural veno

  来源：Journal of Radiation Research

  时间：2026-11-01

• 面向工业预测性分析的TTF预测：基于GP相关前向过程与时间感知去噪器的条件扩散生成模型

  从退化信号预测工程资产的失效时间（time-to-failure, TTF）或剩余使用寿命（remaining useful life, RUL），是航空航天、制造和能源领域中预测与健康管理（prognostics and health management,

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-11-01

• 面向意大利降水与温度观测遗产系统性重建的ANNHYDRO项目：历史水文年鉴日值数据的抢救、数字化与一致性检验

  历史水文气象记录的重建对于评估长期气候变率（climate variability）和支撑适应政策至关重要。本文介绍了一项近期开展的综合性工作，旨在抢救1920—1990年代印制的水文年鉴（hydrological yearbooks）中所蕴含的意大利气候遗产

  来源：Hydrological Sciences Journal

  时间：2026-11-01

• 基于地点的地方性海岸脆弱性指数（PB-CVI）的海岸脆弱性热点识别与适应性决策——以英格兰兰开夏郡及塞夫顿海岸为例

  海岸脆弱性评估对于保护海岸地区免受自然灾害和极端天气事件影响至关重要。在英国（UK），低洼海岸带频繁遭受淹没、洪水、滑坡、海岸侵蚀和悬崖失稳，而气候变化加剧了上述过程。尽管英国拥有欧洲最长且地貌多样性最丰富的海岸线之一，但这种多样性限制了海岸脆弱性指数（Coa

  来源：Geomatics, Natural Hazards and Risk

  时间：2026-11-01

• 基于堆叠集成机器学习与SHAP模型的坎格拉区（印度西北喜马拉雅）土壤侵蚀易发性建模研究

  本研究旨在利用机器学习算法——支持向量机（SVM）、随机森林（RF）、XGBoost、CatBoost及其堆叠集成模型——预测印度坎格拉区的土壤侵蚀易发区域。此外，研究还采用SHAP（SHapley Additive exPlanations）模型增强对表现最

  来源：Geocarto International

  时间：2026-11-01

• 运动学信息驱动的双流深度学习框架：多时间尺度滑坡位移预测与风险知情决策支持

  滑坡灾害减灾需要能够同时支持应急响应和较长期工程规划的预测。现有数据驱动模型通常针对单一预测时距，并主要依赖位移序列，因而对变形阶段和长时稳定性的表征有限。研究人员提出一种运动学信息驱动的双流框架，用于多时间尺度位移预测和风险知情决策支持。时间卷积网络–双向长

  来源：Geomatics, Natural Hazards and Risk

  时间：2026-11-01

知名企业招聘：