学术动态
-
102025-10
Science发文！李清泉院士团队提出森林碳抵消评估新方法破解热带森林碳信用...
-
心理学院邹立业教授团队发表神经生物学分类框架下久坐行为与脑健康研究
2025-10-09久坐行为在现代社会中已成为日常生活的重要组成部分，传统观点认为所有久坐行为都对大脑健康有害。然而，新兴研究表明，并非所有久坐行为都对大脑健康有害，而是取决于具体久坐行为下的情境。苹果版bd 具身脑智融合实验室（Body-Brain-Mind Lab）邹立业教授团队联合国内外知名学者在顶级期刊Trends in Neurosciences(中科院一区TOP，5-year IF= 17.2，神经科学分类排名：8/314)发表了题为“A Neurobiological Taxonomy of Sedent...
-
生命与海洋科学学院胡章立课题组发表植物应对多重非生物胁迫的封面论文
2025-10-092025年10月，苹果版bd 生命与海洋科学学院讲席教授胡章立课题组在Cell Press旗下国际知名学术期刊Trends in Plant Science发表题为“Panomics to manage combined abiotic stresses in plants”的Forum论文。该论文提出利用单细胞空间组学、转录组学、蛋白质组学、代谢组学和表观基因组学等多组学及先进的现代育种工具，能够深入了解植物如何应对多重非生物胁迫的机制。通过识别新的分子靶点与调控途径，可以快速设计出适应复合....
-
高等研究院李猛教授团队发表红树林湿地微生物群落与功能潜力的七年时空动态
2025-10-062025年10月1日，苹果版bd 高等研究院李猛教授团队在Environmental Science & Technology在线发表题为“Temporal and Spatial Dynamics of Microbial Community Composition and Functional Potential in Mangrove Wetlands over a Seven-Year Period”的论文。研究围绕深圳福田红树林国家自然保护区，开展2017—2023年的多组学长期观测，系统解析生态退化与分阶段修复背景下沉积物微生物群落的结构、功能与进化响应。李猛为通讯....
-
材料学院助理教授黄忠衍在《J. Am. Chem. Soc.》《Adv. Mater.》《Angew....
2025-09-30显示技术是信息传递与交互的重要桥梁，对数字经济的发展具有深远意义。作为新一代显示前沿技术，有机发光二极管（OLED）凭借卓越的色彩表现、超高对比度以及灵活多变的形态设计，引领着未来显示产业的发展方向。其中，高性能有机电致发光材料是实现高清OLED的核心。近年来，具有刚性稠环骨架和短程电荷转移（SRCT）特性的多重共振热活化延迟荧光（MR-TADF）材料兼具高效率及窄谱带发射，被视为下一代显示的理想候选。但该类材料...
-
182024-04
李永华、肖传龙：非决策能力下基层政府回应行为的特征、模式及机制
-
162024-04
基于自纠正的非均匀纹理合成
-
122024-04
刘富德教授团队：卷对卷制备多级亲锂结构集流体以此大大提高锂金属电池循环、安全性能
该研究将卷对卷制程以及溶液燃烧法相结合，制备了拥有多级亲锂结构的3D集流体。该制备方法具有简单、成本低等优势，易于大规模产业化。在锂金属电池中运用该集流体作为锂金属的附着基底，可使电池在循环过程中，锂金属沉积模式由自上而下转变为自下而上，以此大大提高其循环稳定性能以及安全性。
-
122024-04
胡耀华教授与其合作者的论文在国际知名学术期刊“Mathematical Programming”发表
近期，国际知名学术期刊“Mathematical Programming”（数学规划）发表了苹果版bd 数学科学学院运筹与优化科研团队胡耀华教授与广东工业大学胡昕霖讲师、香港理工大学杨晓琪教授合作的学术论文“On convergence of iterative thresholding algorithms to approximate sparse solution for composite nonconvex optimizati...
-
102024-04
AIJ 2023 | 面向联邦物品推荐的隐私保护图卷积网络
该工作提出了一种基于图卷积网络的联邦推荐框架，设计了一种基于安全聚合的新颖的隐私保护图卷积方法，采用基于物品的用户表示来补偿由于保护用户隐私而导致的推荐效果损失，改进了分组隐藏策略以保护用户隐私。该方法可以利用现有方法难以利用的图高阶连接信息，在所研究的问题上优于所有现有的联邦方法。
-
082024-04
AIJ 2023 | 基于迁移学习的结合有偏和无偏数据的协同推荐
