- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试GO材料测试
原位表征技术在水系电池研究稳定性测试中的应用-测试GO
原位表征技术在水系电池研究稳定性测试中的应用-测试GO随着水系电池研究的深入，稳定性已成为衡量其性能与安全性的关键指标。 测试狗科研服务依托先进的检测技术，推出三项核心稳定性测试项目——电池产气分析、原位电极质量监测和原位气压监测，为水系电池的研发与优化提供多维度、高精度的数据支持。 测试狗通过气相质谱联用技术，对电化学反应中产生的挥发性物质进行定性与定量分析。 测试狗采用微天平技术，在充放电过程中实时监测单个电极的质量波动。 原位电极质量监测三、原位气压监测：体系稳定性与安全性的直接表征电池内部气压变化是评估整体稳定性的重要指标。测试狗通过高精度气压传感器，在静置或循环过程中实时监测电池内部气压。
26210编辑于 2025-09-01 3D场景重建与跨模态表征学习技术解析
运动恢复结构技术针对影视内容中摄像机运动受限的特点，提出深度引导的稀疏运动恢复结构方法。 关键技术包括：双目标优化：联合优化2D重投影误差与深度估计误差，相比传统几何优化方法提升10%-30%性能指标深度估计融合：利用现成深度估计模型生成密集深度图，通过双线性插值获取关键点真实深度初始化优化 ：在3D场景结构和相机位姿初始化阶段即引入深度信息系统工作流程：输入视频→关键点检测与跟踪→深度图插值→3D结构重建跨模态表征学习改进CLIP框架的局限性，提出渐进式自蒸馏方法：软对齐机制：允许图像与非配对文本建立概率关联 负样本权重实验表明该方法在：图像分类任务：部分数据集超越CLIP 30%-90%跨模态检索：图文互检索任务持续优于基线泛化能力：成功识别训练集未包含的彩色玻璃金鱼图案左：CLIP强制硬对齐 右：本文的概率软对齐框架技术应用前景两项技术已应用于 ：影视后期：精确插入数字对象到实拍视频内容理解：构建通用视觉表征支持分类/检索任务质量保障：为视频流媒体提供底层技术支持
26810编辑于 2025-08-19- 来自专栏Unity3d程序开发
u3d DoTween子物体回到原位
System.Collections.Generic; using DG.Tweening; public class Test : MonoBehaviour { public GameObject m_tar; Vector3 m_tarPos = Vector3.zero; Quaternion m_tarQua = Quaternion.identity; Dictionary<Transform, Vector3 > m_mapPosReset = new Dictionary<Transform, Vector3>(); Dictionary<Transform, Quaternion> m_mapQuaReset
39630编辑于 2023-08-24 - 来自专栏测试GO材料测试
原位X射线衍射（XRD）技术在锌离子水系电池领域的应用
原位X射线衍射（XRD）技术在锌离子水系电池领域的应用原位X射线衍射（XRD）技术是研究锌离子水系电池（ZIBs）工作机理的重要手段，它可以实时监测电池充放电过程中电极材料的结构和相变。 原位XRD技术原理与应用X射线衍射（XRD）是一种非破坏性的分析技术，它通过分析X射线与晶体材料相互作用产生的衍射图谱来确定材料的晶体结构、物相组成、晶粒尺寸、晶格应变等信息。 例如，研究表明，通过原位XRD分析，可以观察到非水电解液锌离子电池在循环过程中可逆的立方-单斜晶相变机制。3. 原位XRD可以用来研究锌沉积和溶解的机制，以及锌枝晶的形成过程。例如，研究表明，通过调节初始堆叠压力，可以实现锌的平面生长，从而促进更大的锌沉积面积。3. 数据分析复杂： 原位XRD数据量大，分析复杂，需要专业的软件和技术。分辨率限制： XRD技术的分辨率有限，可能无法检测到微小的结构变化 。成本较高： 与传统XRD相比，原位XRD设备和实验成本较高。
52110编辑于 2025-08-11 基于成像空间转录组技术的肿瘤亚克隆CNV原位推断方法
近年来，成像空间转录组（iST，如CosMx、Xenium）凭借高分辨率（单细胞水平）和原位保留空间信息的能力崭露头角，但其基因覆盖度有限（通常数百至数千基因），CNV推断一直未被突破。 技术验证：性能评估与关键发现 1. 三克隆进化模型：发现3个CNV定义的上皮亚克隆，其中一簇富集于晚期腺瘤（TVA3），提示早期肿瘤进展。 2. 3. 技术局限性 1.
38010编辑于 2025-08-01- 来自专栏模拟计算
测试GO前沿实验室：为水系电池研究提供多维度表征解决方案
测试GO前沿实验室：为水系电池研究提供多维度表征解决方案随着全球能源转型加速，水系电池因其高安全性、低成本和环境友好特性，成为下一代储能技术的重要发展方向。 一、核心表征技术：揭示电池材料的微观世界形貌与晶体结构分析三维形貌图：利用扫描电子显微镜（SEM）与原子力显微镜（AFM）技术，可视化锌负极沉积形貌（如枝晶抑制效果）、SEI膜分布状态，结合能谱分析揭示元素组分空间分布 电化学性能表征原位电化学阻抗谱（EIS）：解析电荷转移电阻（Rct）、界面膜电阻（Rf）等参数，关联隔膜改性或电解液配方优化对动力学的影响。 四、客户价值与科研赋能数据可靠性：严格遵循ISO/IEC标准，提供可重复的表征结果（如TOF-SIMS成分分布图、原位EIS阻抗谱）。 技术前瞻性：同步辐射、原位拉曼等高端表征平台保持国际接轨。成本可控：提供梯度化测试方案，适配不同预算的科研需求。
21310编辑于 2025-08-11 - 来自专栏测试GO材料测试
三维组分分布测绘：三大技术解构水系电池界面传输机制
三维组分分布测绘：三大技术解构水系电池界面传输机制水系电池的性能优化高度依赖于对电极-电解液界面特性的深入认知。 测试GO前沿实验室依托TOF-SIMS深度成分分析、扫描电化学显微镜原位测绘及动态浓度分布表征三大技术，为科研人员提供水系电池界面行为的精准量化解决方案。 离子流动态追踪：SECM原位扫描技术我们利用高精度扫描电化学显微镜（SECM），原位解析电极表面电化学活性与离子传输行为：离子流动态成像：实时记录水系电解液中Zn²⁺、H⁺等离子在电极表面迁移的二维分布 浓度场时空演变：原位动态分布表征针对界面离子浓度梯度的动态特性，测试狗实验室搭建原位光学/谱学联用平台：浓度动态可视化：通过特殊探针或标记技术，实时记录电解液中Zn²⁺等金属离子（如1M Zn(OTf) 在当前全球追求高安全、低成本电池体系的大背景下，测试狗科研服务以精准的组分分布测试体系助力学界与企业突破研发瓶颈，提供创新的前沿表征方案与技术支持，帮助您发掘新质内容，实现科研突破，提升论文档次，迈向学术高峰
29310编辑于 2025-08-22 - 来自专栏测试GO材料测试
前沿实验室丨形貌与晶体结构表征技术全解析
前沿实验室形貌与晶体结构表征技术全解析在新能源材料研发的赛道上，每一次突破都始于对材料微观世界的精准洞察。 测试GO前沿实验室依托国际领先的表征平台，提供创新的前沿表征方案与技术支持，打造五大"科研利刃"，帮助您发掘新质内容，实现科研突破，提升论文档次，迈向学术高峰。 某动力电池团队在开发高能量密度正极材料时，利用该技术发现：经过表面机械研磨处理（SMAT）的NCM811，其（003）晶面取向度从55%优化至82%，对应电极的离子扩散系数提升3倍，容量保持率从82%跃升至 原位监测技术通过在电化学池中集成光学显微镜、质谱仪或X射线成像系统，实现对电极表面状态的全流程追踪。 相较于离线表征，原位技术能捕捉瞬态反应特征，区分主反应与副反应的贡献，为抑制枝晶生长、延长电池寿命提供关键动力学参数。
47810编辑于 2025-08-14 - 来自专栏GiantPandaCV
ICLR 2024 最新研究 DYST 技术让视频表征更精准、更智能
ICLR 2024 最新研究 DYST 技术让视频表征更精准、更智能 1. 论文信息 2. 3. 讨论 论文提出的方法是一种先进的视觉表示学习技术，专注于从单目视频中提取和利用动态场景的3D结构和动态变化。 论文提出的方法为理解和生成动态3D场景提供了强有力的工具，尽管在实际应用中可能面临数据依赖和资源需求方面的挑战。 6. 结论 在这项工作中，我们提出了DyST，这是一种新颖的动态3D视觉场景生成建模方法，它允许独立控制相机和场景内容。
62910编辑于 2024-03-20 - 来自专栏测试GO材料测试
原位电化学阻抗谱（EIS）技术在锌离子水系电池领域的应用-测试GO
原位电化学阻抗谱（EIS）技术在锌离子水系电池领域的应用原位电化学阻抗谱（EIS）技术在锌离子水系电池领域中被广泛应用，主要用于研究电池运行过程中的电极/电解质界面动态变化、锌枝晶的形成、固体电解质界面 原位电化学阻抗谱（EIS）技术的基本原理电化学阻抗谱（EIS）是一种通过施加小振幅交流信号并测量电池体系的响应来研究电化学体系的有效方法。 例如，原位形成的Zn3(PO4)2/ZnF2富集的SEI可以改善锌阳极的性能。 电极材料结构演变的原位研究原位EIS技术能够揭示水系锌离子电池充放电过程中电极材料的结构演变。 传统的非原位或原位X射线衍射（XRD）技术可以完成表征，但存在实验繁琐耗时等缺点。 结论原位电化学阻抗谱（EIS）技术是研究锌离子水系电池的重要手段，通过它可以深入了解电池内部的电化学过程和界面动态变化。
81600编辑于 2025-08-14 - 来自专栏机器之心
教程 | 简述表征句子的3种无监督深度学习方法
近年来，由于用连续向量表示词语（而不是用稀疏的 one-hot 编码向量（Word2Vec））技术的发展，自然语言处理领域的性能获得了重大提升。 ? 我们会通过对标题单词的 Word2Vec 表征求平均来表征文章标题。正如之前提及的，Word2Vec 是一种将单词表征为向量的机器学习方法。 在将每一个单词表征为向量后，我们会将一个句子（文章标题）表征为其单词（向量）的均值，然后运行 logistic 回归对文章进行分类。 整个结构的输入和输出都是标题，我们将使用 LSTM 的输出来表征标题。在得到自编码器的表征之后，我们将使用 logistics 回归来预测类别。 您可以阅读这篇博客（https://medium.com/@sanyamagarwal/my-thoughts-on-skip-thoughts-a3e773605efa），了解关于这个模型的更多信息。
1.3K50发布于 2018-05-08 - 来自专栏测试GO材料测试
原位SEM测试样品制备和前处理步骤盘点-测试GO
原位扫描电镜原位扫描电子显微镜（SEM）技术，作为一种先进的材料表征工具，提供了研究电极材料微观结构的独特视角。 此外，原位SEM观察还揭示了一个重要的发现，即界面周围的镀锂优先变薄，而远离界面的锂则保持相对稳定。图3. 金属锂在Cu|LiPON界面上的电化学沉积和溶出过程的原位观测[1]▶ 3.2. 成分分析钟文涛教授等人利用SEM和X射线能谱分析技术（EDS/Mapping）对钴掺杂的Na0.44MnO2材料进行了表征。 三种锂负极材料在循环100圈后的形貌变化[3]4. 结语原位SEM技术在电池电极材料的研究中发挥着关键作用。 通过本文我们可以知道，原位SEM技术为电池电极材料的微观结构与性能研究提供了强大的工具和平台。
21410编辑于 2026-01-19 - 来自专栏测试GO材料测试
微分电化学质谱（DEMS）在电池研究中的应用与检测分析
微分电化学质谱（DEMS）在电池研究中的应用与检测分析微分电化学质谱（Differential Electrochemical Mass Spectrometry, DEMS）是一种结合电化学与质谱技术的原位表征方法 其核心特点包括：原位检测：在电化学反应过程中实时监测气体或挥发性产物的生成与消耗。高灵敏度：可检测 ppm 甚至 ppb 级别的气体分子（如 H₂、O₂、CO₂、CH₄ 等）。 （3）固态电池分析固态电解质（如 LLZO、LGPS）与电极界面的副反应，如 H₂S、SO₂ 的释放。研究锂金属负极与固态电解质的相容性。 DEMS 技术在电池研究中具有不可替代的优势，尤其在解析复杂反应机理、优化电解液配方、提高电池安全性等方面发挥重要作用。 随着原位表征技术的发展，DEMS 可能进一步结合红外光谱、拉曼光谱等多模态分析手段，为新型电池体系的设计提供更全面的数据支持。测试GO
80310编辑于 2025-06-30 - 来自专栏测试GO材料测试
《新能源汽车运行安全性能检验规程》发布，电池检测项目盘点
《新能源汽车运行安全性能检验规程》发布随着新能源汽车市场的迅猛发展，为确保新能源汽车的安全性能，我国正式发布了《新能源汽车运行安全性能检验规程》，并将于2025年3月1日起实施。 3.电控系统检测：包括电机控制器、电池控制器等关键部件的功能性和安全性检测。4.电气安全检测：涉及整车电气系统的绝缘性能、漏电保护、过载保护等安全项目。 电池行业技术服务电池材料表征隔离膜检测：热稳定性、热导率、热收缩性能、熔融指数、形貌、透气率、穿刺拉伸强度测试、浸润性等。 正极/负极检测：颗粒特性、物质组成、结晶度、电导率、压实密度、剥离强度等电解液：电导率、金属成分、介电常数、游离酸、粘度、阴离子、含水量等原位表征电化学原位测试：活性材料的结构变化表征，叠片软包充放电反应
1K10编辑于 2024-09-27 - 来自专栏测试GO材料测试
表征技术：飞行时间二次离子质谱（TOF-SIMS）
飞行时间二次离子质谱（TOF-SIMS）是一种结合二次离子质谱与飞行时间质量分析器的表面表征技术。 该技术由Beninghoven教授团队于20世纪80年代初首次研制，后经多次迭代升级，在分析性能、数据处理效率及软件操作性方面均取得显著提升。如今，TOF-SIMS已成为成熟且应用广泛的表征手段。 近年开发的铋金属离子源（Bi+, Bi3⁺, Bi3++）在Ga⁺/Au⁺基础上优化而来，兼具有机物信息增强与高横向分辨率特性，现已成为化学成像首选离子源（Cheng et al., 2014; Choung 3D成像。 图5.TOF-SIMS在刑侦科学中的应用：指纹残留物的化学成像地球化学微量元素微区原位分析方法在地球化学和宇宙化学研究中发挥着重要的作用，是揭示成矿物质来源、成矿条件及矿床成因等方面有效的技术手段，也是研究月球和行星物质组成的重要方法
70210编辑于 2025-10-24 语音识别技术前沿：自监督学习与声学表征新突破
语音识别的演进与挑战二十年前，自动语音识别技术主要集中于小规模封闭词汇识别，例如连接数字识别系统。如今，深度学习模型已成为主流，数百万用户通过语音助手或手机转录软件将语音转换为文本。 两大前沿技术趋势自监督学习机制自监督学习使系统能够自我生成训练数据，无需人工标注。该方法借鉴了自然语言处理中BERT模型的成功经验，通过随机掩码语音片段并训练模型预测缺失部分。 新型声学表征传统梅尔频谱基于信号处理和人耳听觉机制，而新型表征不假设信号特定结构，在语音识别和合成中表现更优。最有效的表征基于自监督学习，通过无标注输入定义辅助任务生成伪标注训练数据。 技术实现与应用对比学习框架采用Barlow twins对比学习框架，使同一说话人或音素的信号在表征空间中相近，其他样本相远。 未来展望语音信号作为最平凡却又最复杂的信号之一，其技术发展仍充满探索空间。自监督学习与新型表征方法的结合，为多语言识别、自适应学习等方向开辟了新路径，持续推动着语音技术领域的创新突破。
32210编辑于 2025-09-24- 来自专栏测试GO材料测试
测试GO：揭秘枝晶生长对锌离子电池寿命的影响
原位显微表征原位光学显微镜（in situ optical microscopy）：实时观察枝晶从平滑电极到针状结构的演化过程，直观揭示沉积动力学；原位扫描电子显微镜（in situ SEM）：分辨率更高 3. 原位 X-ray CT（X 射线断层成像）：三维可视化枝晶的空间分布与贯穿情况，能直观评估对隔膜/电解液的穿透风险。图 3. AFM（原子力显微镜）：表征表面粗糙度演化，定量追踪枝晶萌生。图4. C3N4QDs 电解质和 （f-j） 2 M ZnSO4 电解质中，电流密度为 100 μA cm-2 的 Zn 在 HOPG 上的原位 AFM 图像。 优点：分辨率高，能定量表征表面粗糙度变化，直观捕捉枝晶萌生过程。缺点：扫描区域小，易受探针干扰，难以反映宏观整体沉积。
31010编辑于 2025-11-04 西安工业大学Energy Storage Materials：闪蒸焦耳加热1秒合成SiC！硅基负极"三效合一"突破瓶颈
本研究提出了一种创新且可规模化的三步联用制备策略：首先通过真空熔炼将硅与低熔点金属（锡、铋或钇）制成均匀的前驱体合金（SiSnM），以解决纯硅导电性差、无法直接进行焦耳加热的问题；接着利用砂磨技术将合金锭粉碎并精细控制颗粒尺寸至亚微米级 系统性表征证实，此方法成功构建了“金属相-SiC-硅”三相协同增强的复合结构，同步攻克了硅基负极的导电性差、SEI不稳定和体积膨胀大三大瓶颈。 图文解读图1：FH-SiSnBi的合成路径与物相表征通过XRD图谱（图1b）确认了Si晶体衍射峰及SiC特征峰（JCPDS 29-1129），证实闪速焦耳加热过程中碳纸作为碳源参与反应，在SiSnBi颗粒表面及近表面原位生成 图3：Si基负极的电化学性能对比FH-SiSnBi在0.1–1.5 V电压窗口下展现出典型的Si、Sn、Bi氧化还原峰（图3a），首圈可逆容量达2612.97 mAh g⁻¹（图3b）。 全电池（图3f–g）与全固态电池（图3h–i）亦表现出高容量与良好循环稳定性。
22910编辑于 2026-02-07- 来自专栏DeepHub IMBA
ReFT(表征微调):比PeFT效果更好的新的大语言模型微调技术
PeFT 参数高效微调方法（Parameter-Efficient Fine-Tuning，PEFT）仅微调少量或额外的模型参数，固定大部分预训练参数，大大降低了计算和存储成本，同时最先进的 PEFT 技术也能实现了与全量微调相当的性能 版在输入前面的每层加入可微调的参数，增强了V1版的性能 然后就是我们熟悉的也是最长用的LoRA，这里就不多介绍了，我们可以狭义理解为LoRA是目前最好的PeFT方法，这样可以对我们下面介绍的ReFT更好的对比 表征微调 3、动机 PEFT方法的主要动机是对参数有效适应的需求，减少了调优大型语言模型的计算成本和内存需求。 /tmp", learning_rate=2e-3, logging_steps=50) trainer = ReftTrainerForCausalLM( model=
2.2K10编辑于 2024-04-15 - 来自专栏DrugOne
. | 通过荧光偏振和原位合成筛选抑制剂：加速药物发现的有效方法
今天为大家介绍的是来自中国药科大学张晓进教授团队在Angewandte上发表的一篇论文，该论文将荧光偏振与原位抑制剂合成结合起来，提出一个原位抑制剂合成与筛选（ISISS）的策略,将高通量合成与高通量筛选集成为一体 为此本文中作者做了一种操作简单的替代方案：原位抑制剂合成和筛选（ISISS），它将生物正交合成（组合化学）与荧光偏振筛选技术联系起来， 展示了如何通过荧光偏振技术将酰肼和醛的通过组合方式得到的苗头化合物进行活性筛选 图3.原位抑制剂合成和筛选 (ISISS) 的原理和程序概述。mP：偏振值 在这个过程中需要解决下面两个影响因素，才能证明ISISS方法构建成功。作者在文中都做出了一一解答。 （2）对于不熟悉合成工作的科研工作者提供了一种新的发现先导化合物的方式，无需合成表征工作，也可以粗略验证化合物活性。 （2）研究中对合成产物进行了质谱和光谱表征，但只有进入下一阶段的化合物才需要进行这些表征，这可能会导致一些有潜力的化合物被忽略。（3）对于片段A选择5种特定结构化合物的理由并没有交代清晰。
64310编辑于 2024-11-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号