• 基于比色染料赤藓红B的动态蛋白-配体结合事件预筛检测方法研究

  比色技术及其相关染料，相较于荧光和发光类方法，在许多筛选应用中可提供更低成本和更易获取的替代方案。本研究旨在筛选适用于蛋白-配体结合推定检测（presumptive assay）的比色染料，特别关注那些构象动态性高、常难以用标准生物物理方法研究的蛋白。研究人员

  来源：Sensors

  时间：2026-10-22

• 基于加权最大功率传输效率的可控增益分配多波束天线阵列综合方法

  摘要专业翻译 多波束综合通常依赖迭代优化，当不同波束的增益分布不均匀时，其计算成本和收敛时间会显著增加，从而难以直接控制各波束的相对增益。为解决这一问题，本文提出了一种基于加权最大功率传输效率（Weighted Maximum Power Transfer E

  来源：Sensors

  时间：2026-10-22

• 基于UAV摄影测量与地面激光扫描的石材幕墙安装检查与挂件预调整方法

  石材幕墙中多点连接单元系统的安装质量取决于单元侧挂件阵列与支撑侧连接节点（support-side attachment nodes, SSAN）之间的几何兼容性。然而，现场焊接、适配器组件安装及端部连接定位产生的偏差会在单个SSAN内累积，影响挂件就位、同步

  来源：Sensors

  时间：2026-10-22

• 多模态情感识别、人格特质评估与矛盾/犹豫识别的统一视角：语料库、方法、评价与开放挑战

  人类行为的多模态分析已取得快速发展，然而情感识别（Emotion Recognition, ER）、人格特质评估（Personality Trait Assessment, PTA）和矛盾/犹豫识别（Ambivalence/Hesitancy Recognit

  来源：Big Data and Cognitive Computing

  时间：2026-10-22

• TPU–Tactix–DGEBA三元体系的相平衡与形态学：干涉方法与SEM分析

  将不同官能度的环氧低聚物与热塑性改性剂相结合，能够实现对聚合物网络架构及复合材料相结构的定向调控。本研究提出了一种综合干涉–显微方法，用于研究以4,4′-二氨基二苯砜（DDS）固化的热塑性聚氨酯（TPU）–三官能环氧低聚物（Tactix）–双官能环氧低聚物（D

  来源：Polymers

  时间：2026-10-22

• 解剖匹配的麻醉策略：标准化多层筋膜平面方案在B-Lite®假体经Feather Touch技术清醒乳腺下隆乳中的应用

  背景：清醒乳腺下隆乳可提供快速恢复，但需要有效的围术期镇痛。本研究评估Feather Touch技术下标准化多层筋膜平面麻醉方案。方法：在这项前瞻性研究中，66名女性于2025年1月至11月期间在轻度静脉镇静下接受初次乳腺下隆乳，并采用超声引导下胸肌间、胸肌-

  来源：Aesthetic Plastic Surgery

  时间：2026-10-22

• 单位Juchez分布：经典估计方法、精算度量与真实数据应用

  寿命数据建模高度依赖于概率分布，且必须根据数据的特征进行分布选择。本文提出了一种新颖的分布——单位Juchez分布（Unit Juchez Distribution, UJD），用于对区间(0, 1)上的有界数据进行建模。该分布通过对Juchez分布（Juch

  来源：Scientific African

  时间：2026-10-22

• 基于NMR谱学技术对一株红树林来源镰刀菌属真菌中新型二氢异香豆素及其相关聚酮化合物的结构解析

  抗菌药物耐药性（AMR）仍是21世纪最严峻的全球公共卫生挑战之一，它削弱了现有疗法的有效性，凸显了对新型抗菌药物的迫切需求。来源于细菌和丝状真菌的天然产物仍然是结构多样的生物活性代谢物的宝贵来源。本研究从红树林相关子囊菌中获得的56种提取物，针对一组多重耐药（

  来源：Magnetic Resonance in Chemistry

  时间：2026-10-22

• 基于直接接枝技术功能化预处理纤维素基底：MTMS分子作用与疏水性演化研究

  本研究探讨了在不使用颗粒载体的情况下，采用基于直接浸泡的接枝技术，于MTMS-乙醇介质中对经预处理的纤维素基底进行甲基三甲氧基硅烷（MTMS）分子的功能化。研究人员利用傅里叶变换红外光谱法（FTIR）、X射线衍射法（XRD）、飞行时间二次离子质谱法（ToF-S

  来源：Materials Today Communications 

  时间：2026-10-22

• 面向非独立同分布（non-IID）情感分析的自编码器（AE）聚类联邦学习与重要性感知聚合方法

  情感分析日益面临传统集中式机器学习的挑战，因为数据通常是分散的，将其传输到中心位置会带来隐私和安全风险。联邦学习（FL）通过在本地训练模型而无需共享数据来缓解这些风险，但其在非独立同分布（non-IID）数据下的性能和收敛性会下降。为在non-IID数据下提高

  来源：Machine Learning with Applications

  时间：2026-10-22

知名企业招聘：