• FL-IDS++：一种动态联邦学习框架，用于入侵检测，适用于具有个性化非独立同分布（non-IID）数据、对抗性 resilience（抗攻击能力）以及能效高效、轻量级的模型

  入侵检测系统（IDS）作为网络安全的核心技术，正面临多重挑战。随着物联网和边缘计算的发展，传统集中式IDS存在数据隐私泄露、横向扩展能力不足、无法适应动态网络环境等问题。2024年SolarWinds供应链攻击事件暴露了传统IDS在应对隐蔽多阶段攻击时的系统性缺陷，这促使研究者探索更高效的联邦学习（FL）架构。某团队在Shiv Nadar University提出的FL-IDS++框架，通过整合联邦学习与对抗防御技术，实现了在异构网络环境下的隐私保护与高效入侵检测。该框架的核心创新体现在三个维度：首先在模型训练层面，采用非独立同分布（non-IID）数据优化技术，通过动态客户端选择机制（Fed

  来源：Future Generation Computer Systems

  时间：2025-12-06

• 通过超声波调控功能团增强高灰分煤泥浮选效果的研究

  毛荣忠|张勇|朱洪正|刘新红|陈军|闵帆飞|朱金波|陈坤安徽科技大学煤炭清洁加工与碳减排工程研究中心，中国淮南232001摘要为了提高受亲水官能团阻碍的细粒焦煤的浮选效率，本研究系统地考察了不同超声功率水平（0～720 W）对官能团、润湿性和浮选性能的影响。采用了一种多尺度方法论——包括FT-IR峰值拟合、接触角测定、浮选实验和分子模拟——来揭示其背后的机制。研究发现360 W是最佳功率水平。在该功率下，空化效应能够有效去除羟基（–OH）和羧基（–COOH）官能团，使接触角增加到51.1°，从而增强了疏水性，精煤回收率达到了66%，比0 W时提高了10%。此外，灰分含量为10.8%，浮选完善指

  来源：Fuel

  时间：2025-12-06

• MetaPilot：一种基于深度强化学习（DRL）的控制器，能够动态适应高性能计算（HPC）系统中不断变化的调度目标

  高效计算（HPC）系统的调度效率直接影响资源利用率和用户体验。传统调度方法通常采用固定策略，例如先来先服务（FCFS）或基于资源利用率的静态优化，难以适应动态变化的计算负载。新研究提出的MetaPilot框架通过动态调整系统级与用户级优化目标，显著提升了HPC集群的调度性能。### 1. 现有调度方法的局限性传统调度系统在处理高并发、多资源异构场景时面临两大矛盾：系统级资源利用率优化与用户级任务响应速度提升之间的冲突。例如，最大化CPU利用率可能优先调度大型计算任务，导致中小型任务堆积等待时间过长；而侧重缩短平均等待时间可能造成资源碎片化，降低整体吞吐量。固定策略的僵化性使其难以应对实时波动，

  来源：Future Generation Computer Systems

  时间：2025-12-06

• 迈向注重隐私的人类数字孪生：一种多层架构

  数字孪生技术在产业5.0背景下的创新实践一、技术背景与发展动因随着工业4.0向产业5.0的范式转变，人类数字孪生（Human Digital Twin, HDT）技术作为新兴研究方向受到学界和产业界的双重关注。传统数字孪生技术主要应用于物理设备监控与优化，通过物联网设备实时采集数据并构建虚拟模型。但这类工业级解决方案存在明显局限：首先，物理设备与人类工人的交互模式存在本质差异，人类生理数据的动态变化对建模精度要求更高；其次，工业场景强调系统优化而忽视人类主体性，导致人机协同存在断层。当前技术发展呈现出三大趋势：一是可穿戴设备成本持续下降，使生理信号采集具备普及基础；二是边缘计算性能提升，为实时

  来源：Future Generation Computer Systems

  时间：2025-12-06

• 利用联邦学习和双向图注意力机制进行多平台异构谣言检测的研究

  随着社交媒体的快速发展，谣言跨平台传播已成为影响社会稳定的突出问题。当前主流的谣言检测方法面临双重挑战：一方面，用户隐私保护政策导致平台间数据难以共享，传统集中式模型无法直接应用；另一方面，不同平台用户行为模式、数据分布特征及传播路径存在显著异质性，单纯依赖单一平台数据进行建模难以捕捉完整的谣言扩散图谱。针对上述难题，研究者提出FedHBiRA框架，通过融合联邦学习架构与双向图注意力机制，在保护隐私的前提下实现跨平台协同建模。研究背景方面，传统谣言检测存在三大瓶颈：其一，依赖人工审核或专家经验的方法效率低下且成本高昂，难以应对海量实时数据；其二，基于特征工程的机器学习方法存在模型泛化能力不足的

  来源：Future Generation Computer Systems

  时间：2025-12-06

• 关于部分填充多孔介质的氨/氢动力多通道微燃烧器热性能提升的数值研究

  微能源系统领域的技术突破与燃烧器结构创新研究在微机电系统（MEMS）大规模应用背景下，能量转换技术正面临关键性挑战。当前主流的锂离子电池存在能量密度低（＜1 MJ/kg）、充电时间长、循环寿命短等固有缺陷，严重制约其在高能耗场景的应用潜力。相比之下，氨气与氢气混合燃料展现出革命性的能量优势，其能量密度分别达到45 MJ/kg和142 MJ/kg，较锂电池提升百倍量级。这种燃料特性为微尺度热电转换系统提供了全新技术路径，催生了微热光电（MTPV）系统的快速发展。本研究针对传统单通道微燃烧器的核心瓶颈——输出功率受限问题，创新性地提出多通道结构燃烧器解决方案。通过系统研究燃料配比、进气参数及多孔介

  来源：Fuel

  时间：2025-12-06

• 高功率质子交换膜燃料电池系统，配备氧气富集装置

  该研究聚焦于菜籽油与丁醇的酯交换反应，以开发一种高效、环保且可规模化生产的生物柴油制备工艺。研究团队通过实验与模拟相结合的方式，系统性地优化了反应条件、构建了动力学模型，并完成了全流程的能量与经济性评估。以下从技术路径、创新点、工业化潜力三个维度进行深入分析。一、技术路径优化与工艺创新1. 催化剂体系创新研究采用天然矿物 Dolomite 作为催化剂，其独特的双金属结构（CaO/MgO）在高温煅烧后形成多孔载体。通过粒度分级（0.1-0.315mm）优化催化剂表面积，实验显示在5.24wt%的负载量下，酯转化率可达96.5%，且催化剂可循环使用三次以上，减少废渣排放。该催化剂相比传统硅铝酸盐催

  来源：Fuel

  时间：2025-12-06

• 在无机微凝胶作用下，高沥青含量乳化沥青的界面特性研究

  吴志超|严家龙|王佳宇|Serji Amirkhanian|肖飞鹏中国上海同济大学教育部道路与交通工程重点实验室，邮编201804摘要随着全球对环境保护和施工效率要求的日益迫切，基于乳化沥青的冷拌沥青混合料已成为路面工程中的环保选择。然而，传统乳化沥青的低沥青含量严重限制了其实际应用。为了解决这一挑战，高沥青含量乳化沥青（HACEA）成为了一种有前景的解决方案。本研究采用了一种界面增强策略，利用连续相中的微凝胶结构实现了界面增强。这种协同作用使得制备出沥青含量为75%的乳化沥青成为可能，并且该乳化沥青在90天以上时间内保持稳定。通过不同沥青含量下的稳定性评估和表面张力测试，确定了68%的沥青含

  来源：Fuel

  时间：2025-12-06

• 关于氨硼烷燃烧的实验、理论及动力学建模研究

  氨硼烷（NH₃BH₃）作为新型高能固体燃料在推进系统中的应用研究取得重要进展。该研究团队通过多维度实验与理论计算相结合的方式，系统揭示了氨硼烷燃烧的动力学机制与关键影响因素。研究采用高压冲击管实验平台，在5.0-10.0 bar压力范围内（1000-2300 K温度区间）首次实现了氨硼烷/空气混合物的点火延迟时间（IDT）精确测量，发现IDT随温度升高显著缩短（5.0 bar下1005.1 K时0.561 ms降至2374.5 K时0.298 ms），压力增加则呈现相反趋势，这一发现为推进系统设计提供了关键参数依据。在理论计算方面，研究团队构建了包含58种反应物和292个基元反应的动力学模型。

  来源：Fuel

  时间：2025-12-06

• 在深部页岩储层中推进二氧化碳增强型气体开采：对干酪根成熟度及储层和开采机制与深度相关性的分子层面理解

  页岩气体储运机理的深度耦合研究及其工程应用价值（总字数：2187）一、研究背景与科学问题2000m）复杂的地质-物理化学耦合作用机制尚未明晰，传统实验室模拟难以真实复现地壳深部的高温高压（HPHT）环境；二是气体分子与复杂多孔介质的相互作用缺乏系统理论支撑，导致吸附/解吸动力学参数与实际生产数据存在显著偏差。本研究通过构建分子-介观-宏观多尺度模型体系，首次实现了 kerogen 成熟度、矿物基质与深度依赖性储层参数的耦合解析。二、技术创新与方法体系（1）复合介质建模突破传统研究多采用单一矿物（如高岭石）或简化有机相（如石墨烯）模型，本项研究创新性地建立 Type II 老化 kerogen-

  来源：Fuel

  时间：2025-12-06

• 在失踪人员调查中记录生物性别和社会性别

  这篇由Kristy A. Winter和Callan Birkmann-Little合著的研究论文，聚焦于生物学性别与性别在失踪人员调查中的记录问题及其对案件侦破的影响。研究通过分析全球170种表格设计，揭示了现有系统在性别二元论框架下的结构性缺陷，并提出了基于"性别多形性"的改进方案。### 一、性别二元论的系统性困境研究指出，当前主流的性别二元分类体系存在三个根本性矛盾：1. **生物学复杂性**：人类性别的染色体（XY/XX）、激素水平、生殖器官等存在自然多样性。例如，XX染色体个体可能因激素异常发育出男性特征，而XY染色体个体也可能呈现女性第二性征。表格数据显示，10.6%的记录表格仍

  来源：Forensic Science International: Synergy

  时间：2025-12-06

• 基于大语言模型（LLM）的自然语言处理软件的自动化鲁棒性测试

  大型语言模型（LLM）驱动的自然语言处理（NLP）软件在金融舆情分析、有害内容过滤和日志生成等关键领域得到广泛应用。这类软件与传统DNN模型存在本质差异：其输入不仅包含文本数据，更依赖用户提供的提示（prompt）和示例（example）作为交互接口。随着LLM参数规模从百亿级向万亿级跃升，模型对输入的敏感性显著增强，但现有测试方法主要针对传统DNN架构，难以有效评估这类新型系统的鲁棒性。研究团队在Hohai大学计算机科学与软件工程学院完成了一项系统性研究，通过构建AORTA自动化鲁棒性测试框架，解决了LLM-NLP软件测试中的三大核心问题。首先，针对多维度输入空间的测试需求，开发出动态组合优

  来源：Expert Systems with Applications

  时间：2025-12-06

• 多模态大型语言模型能否理解视觉隐喻？对MLLM多视角理解视觉隐喻能力的评估

  视觉隐喻理解的技术挑战与多模态大语言模型评估体系创新研究视觉隐喻作为人类认知的重要载体，在跨文化传播、艺术创作和商业传播中具有不可替代的作用。当前多模态大语言模型（MLLM）虽然在文本生成和基础图像理解方面取得显著进展，但在视觉隐喻解析领域仍面临系统性挑战。本研究通过构建MetaVis4D专业评估数据集，设计四维评估框架，并创新性引入Prolog逻辑验证机制，系统性地揭示了现有MLLMs在视觉隐喻理解中的关键缺陷，为模型优化和评估体系完善提供了新范式。一、研究背景与问题分析视觉隐喻的认知机制具有多维特征，既包含目标域与源域的概念映射（Lawler, 1982），又涉及跨域知识的整合推理（For

  来源：Expert Systems with Applications

  时间：2025-12-06

• 具有异构车队的多仓库协同电动汽车路径规划问题

  碳中和目标背景下，城市物流电动化转型已成为全球性研究热点。针对多仓库协同运营中存在的车辆异构性、充电设施不足等现实难题，研究团队创新性地构建了多仓库协同电动车辆路径问题（MDCEVRPHF）的理论框架与求解方法，为绿色物流体系提供重要技术支撑。在问题建模方面，研究突破性地将多仓库协同机制与车辆异构管理相结合。不同于传统单仓库VRP模型，该框架构建了三级协同体系：顶层实现跨企业仓库的货物调拨协同，中层优化多类型电动车辆的调度配置，底层精确控制单车辆路径规划。这种三维建模方式有效解决了现有研究中普遍存在的"协同有余、执行不足"的技术瓶颈。特别是在充电设施优化方面，创新性地引入动态充电站选址模型，通

  来源：Expert Systems with Applications

  时间：2025-12-06

• DGT：一种用于图学习的差分图变换器，支持小样本学习

  近年来，图神经网络（GNN）在推荐系统、社交网络分析及生物化学等领域展现出强大的数据建模能力。然而，这类模型在实际应用中面临两大核心挑战：一是对标注数据的过度依赖，导致在小样本学习场景中表现受限；二是传统注意力机制对噪声的敏感性，容易在数据稀疏或存在干扰时引发模型失效。针对上述问题，研究者提出了一系列改进方案，包括引入元学习框架、开发自监督预训练方法以及优化知识迁移策略。这些技术虽取得一定进展，但仍存在全局上下文建模不足和噪声抑制能力弱等缺陷。在医疗健康领域，新药分子筛选需要基于有限临床数据的快速预测；社交网络冷启动用户需通过少量交互行为建立画像；电子商务场景中长尾商品偏好识别受限于稀疏点击数

  来源：Expert Systems with Applications

  时间：2025-12-06

• 通过判别性实例教师实现的无监督领域自适应对象检测

  目标检测模型在跨领域应用中的性能衰减问题已成为计算机视觉领域的重要研究方向。随着自动驾驶、智能安防等场景的快速发展，训练数据与实际部署环境间的显著差异导致模型泛化能力不足，这一挑战在目标检测任务中尤为突出。传统方法主要依赖有监督学习，但标注成本高昂且难以适应动态变化的目标场景。近年来，基于学生-教师框架的无监督领域自适应目标检测（DAOD）方法取得了一定进展，但其核心缺陷尚未得到根本性解决。当前主流的DAOD方法存在两个关键性局限：首先，过度依赖伪标签进行监督学习，导致错误累积效应。教师模型生成的伪标签存在天然噪声，在迭代训练过程中这些错误信号会被不断强化，最终形成错误固定的学习范式。其次，背

  来源：Expert Systems with Applications

  时间：2025-12-06

• 基于SLM引导和学习增强型NMPC的层次化运动控制框架，用于自主水下航行器

  自主水下机器人（AUV）的运动控制面临复杂水下环境带来的双重挑战：一方面，动态变化的外部干扰和未建模动力学导致传统控制方法难以精准执行；另一方面，实时任务交互需求与边缘计算资源限制形成矛盾。针对这一困境，研究者构建了三级联动的智能控制架构，通过融合轻量化语言模型与在线自适应学习技术，实现了任务理解、误差补偿、实时控制的协同优化。在任务交互层，研究者创新性地采用参数高效微调（LoRA）技术对小型语言模型进行领域适配。这种技术突破传统大模型需要全量参数更新的局限，通过在预训练模型上叠加少量可学习参数，使模型既能保持低计算资源消耗（仅需边缘设备即可运行），又能准确解析包含三维空间定位、动态避障等复杂

  来源：Expert Systems with Applications

  时间：2025-12-06

• 提出一种结合情感分析和历史数据的混合深度学习模型，用于预测加密货币价格

  该研究聚焦于解决加密货币市场预测的复杂性问题，通过整合多模态数据与混合深度学习架构，提出了一套创新性的预测方法。研究团队由四位学者组成，分别来自伊朗沙泽尔高等研究院计算机工程系，其研究成果在方法论和实际应用层面均展现出显著突破。在研究背景方面，加密货币市场呈现出与传统金融市场截然不同的特征。不同于股票市场的周期性波动，加密货币市场受技术迭代、政策监管、社区情绪等多重因素影响，呈现出更高的非线性和突发性。传统预测模型如ARIMA、随机森林等难以捕捉此类动态特征，而单一深度学习模型（如LSTM或Transformer）虽然能处理时序数据，但存在对多维特征融合不足的问题。研究团队通过文献调研发现，现

  来源：Expert Systems with Applications

  时间：2025-12-06

• 链长如何影响脆性聚合物玻璃的断裂？

  Christine Heera Ahn|Zheqi Chen|Xianyang Bao|Zhigang Suo哈佛大学约翰·A·保尔森工程与应用科学学院，美国马萨诸塞州02138摘要在脆性聚合物玻璃中，断裂性能随着聚合物链长度的增加而提高，然后达到一个平台值。在这里，我们使用聚甲基丙烯酸甲酯（PMMA）来研究几种断裂性能的这种变化。我们使用没有预切裂纹的样品来测量强度，使用有预切裂纹的样品来测量韧性和疲劳阈值。这三种性能在不同的链长度处达到平台值。这些变化是由于断裂机制的变化——从链的拔出转变为链的断裂。断裂性能达到平台值的链长度可以通过剪切滞后模型来解释。平台长度由两种类型键的强度平衡决定：

  来源：Extreme Materials

  时间：2025-12-06

• 利用机械超材料控制动态摩擦不稳定性

  本文围绕机械超材料对界面摩擦失稳的主动调控机制展开研究，重点探讨了双材料界面中负有效力学参数对剪切破裂传播行为的抑制作用。研究采用谱边界积分方程方法（SBIEM）与滑移弱化摩擦定律相结合的数值模拟手段，构建了包含两种典型配置的理论分析框架：反平面剪切问题和平面剪切问题。通过对比传统弹性材料与具备负密度、负剪切模量等异常力学特性的超材料的界面响应差异，揭示了负有效参数对界面应力传递、能量耗散及失稳模式转化的调控规律。在反平面剪切问题研究中，界面上层设置机械超材料层，其负有效密度与负剪切模量形成独特的波传播特性。这种异常参数组合导致界面剪切波产生反向能量流，当传统材料中因滑移弱化引发的应力释放被抑

  来源：Extreme Materials

  时间：2025-12-06

知名企业招聘：