- 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 - 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。 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。 随着原位XRD技术的不断发展和完善，相信它将在未来的锌离子电池研究中发挥更大的作用。 未来的研究方向可能包括：开发更高分辨率、更高灵敏度的原位XRD设备；结合其他原位技术，如原位拉曼光谱、原位电化学阻抗谱等，实现对电池工作机理的更全面、更深入的理解。
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
2025年7月2日 bioRxiv预印了一篇文章 In Situ Inference of Copy Number Variations in Image-Based Spatial Transcriptomics 提出iST-CNV方法，实现了从iST数据中推断CNV，并系统评估了技术限制与临床应用潜力。 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. 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 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. 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。
62910编辑于 2024-03-20 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7：循环后电极的机械性能表征AFM测试（图7a–d）显示FH-SiSnBi循环后表面粗糙度降低（164 nm → 61 nm），杨氏模量保持16 GPa。 纳米压痕测试（图7e–f）表明FH-SiSnBi的弹性模量（12.6 GPa）与硬度（730 MPa）显著高于纯Si，证实SiC的弥散增强效应。
22910编辑于 2026-02-07- 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。 原位沉积/剥离/产气监测电池的失效往往始于微秒级的界面反应——锌负极的瞬间析氢、锂金属的突发短路、SEI膜的快速破裂。 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 - 来自专栏机器之心
7 papers | 3篇综述论文，全面了解机器阅读理解、图表征学习等
机器之心整理 机器之心编辑部 本周 7 Papers 重点推荐三篇综述论文，包括机器学习测试综述、图数据表征学习方法最新进展综述以及机器阅读理解综述。 这些 survey 论文能够很好的帮助我们全面了解特定技术主题。 然后，他们列出了用于学习图数据表征的主要方式，即核方式、卷积方式、图神经网络方式、图嵌入方式和概率方式。每一种方式下的具体方法也进行了讨论，并且文章最后简单讨论了图数据表征学习的前景。 7.标题：Unsupervised Learning of Object Keypoints for Perception and Control 作者：Tejas Kulkarni, Ankush Gupta 在本文中，研究人员意图为控制和强化学习任务学习目标表征。他们提出了一个神经网络架构——Transporter，用于根据目标的关键点或图像空间中的坐标点，发现目标中简单的几何表征。
78740发布于 2019-07-12 - 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。 原位EIS则是在电池工作状态下进行EIS测量，能够实时监测电池内部的变化。EIS技术可以帮助理解锂离子电池的反应机理、检测动力学/传输参数以及探索退化效应。 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。 技术迭代后，Ga⁺、Au⁺（含Au₃⁺）及C60⁺成为过渡性离子源。 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 图6.TOF-SIMS在高铝粉煤灰(HAFA)颗粒上Al、Si、Fe、Li元素的成像分析综上所述，飞行时间二次离子质谱（TOF-SIMS）以其高灵敏度、亚纳米级分辨率及多功能分析能力，已从基础材料表征跃升为跨学科研究的核心工具
70210编辑于 2025-10-24 - 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
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 通过 FP 测定评估纯化的 1-10 对 PHD2 的亲和力（图7）；结果显示出与ISIS相似的趋势。 图7.鉴定合成化合物的活性与结合模式。 02、片段B（醛）结构的优化 二羟基/儿茶酚片段已被确定具有引起毒性的潜力。 （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 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
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）。 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 - 来自专栏达达前端
前端技术前沿7
使用response.writeHead()函数发送一个HTTP状态200和HTTP头的内容类型content-type，使用response.write()函数在HTTP相应主体中发送文本。
68830发布于 2019-07-03 - 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。 他们采用原位SEM技术观察了金属锂在不同厚度铜集流体上的生长过程，并研究了初始状态金属锂在不同集流体上的沉积和溶出过程（见图4）。 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。 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。通过原位SEM，可以实时观察电极材料在充放电过程中的微观结构变化，探究其与性能变化之间的关系，为电池设计和优化提供重要的参考。 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 LoreftIntervention, ReftTrainerForCausalLM ) # Loading HuggingFace model model_name_or_path = "yahma/llama-7b-hf
2.2K10编辑于 2024-04-15 - 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
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
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 原位 XRD：追踪 Zn 沉积/剥离过程中相组成变化。图 2. 锌在 Cu 基板上沉积的梯度电流密度分布和原位XRD分析。（a）原位电池实现基板 / 工作电极 (WE) 上梯度电流密度分布的示意图。 基板上的选定位置沉积锌的原位 X 射线衍射图案。 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. 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
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