- 综合排序
- 最热优先
- 最新优先
- 来自专栏模拟计算
解锁水系电池机理：原位谱学测试方案全解析-测试GO
解锁水系电池机理：原位谱学测试方案全解析-测试GO随着水系电池研究的深入，实时、精准地监测电池在工作状态下的动态变化成为机理研究的关键。 测试狗科研服务聚焦水系电池研究前沿，推出覆盖多维度分析需求的原位谱学测试解决方案，通过集成化、高精度的测试手段，为科研人员提供从结构演化到反应动力学的全视角解析。1. 原位XRD（水系电池）2. 原位拉曼：实时监测表界面反应通过原位拉曼光谱，研究人员可动态观测电极表面化学组分的结构变化、中间产物生成与转化过程，甚至获取固态电解质界面（SEI）的组成信息。 原位红外（水系电池）4. 原位电化学阻抗谱（EIS）：揭示过程动力学与阻抗源在电池工作状态下，原位EIS持续监测电池阻抗的演变规律，解析电荷传输阻力、界面反应速率及扩散过程的变化。 原位电化学阻抗谱（原位EIS）整合优势：多技术联动，深度破解机理测试狗通过将上述原位技术整合应用，实现了对水系电池“结构-界面-动力学”的多维度关联分析。
32010编辑于 2025-09-01 - 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，利用原位电化学充电过程，可以在Ca2MnO4正极上观察到单组分阴极固体电解质界面（SEI）层（CaSO4·2H2</sub 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。 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 - 来自专栏腾讯移动品质中心TMQ的专栏
测试建模兵器谱
2、第二步是产品的组件（Component）分割，待建模的产品可以分为哪些模块，这里需要注意一点，模块之间最好能够相互独立不交叉，这样一方面可以比较清晰的定义能力，另一方面也方便在ACC建模的基础上拓展测试用例 2、 在ACC建模中，根据建模结果，对每一个属性进行测试用例的编写。可以理解为，覆盖了所有ACC建模中属性的测试用例，即对功能覆盖完全。 这种方法的好处是，可以在比较短的时间内输出测试用例。 考虑到以下两点： 1、 之前没有对数据管理模块进行过全面的测试 2、 本次优化并没有实际的需求文档 因此，我们针对数据管理模块进行了ACC建模，具体建模如下： ? 组合测试建模的步骤 1、确定变量Xi； 2、确定每个变量Xi的取值集合； 3、为了更充分的发现缺陷，每个变量的取值要进行充分的设计，尤其是“典型取值”，可以通过等价划分、边界值等方法进行取值。 测试集中没有包含可以暴露错误的特定取值是缺陷遗漏的主要原因； 4、确定检查方法，以判断Y1，Y2，…，Yn是否正确。错误的或不严谨的检查都有可能遗漏的缺陷。
92960发布于 2018-02-08 - 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SEM测试样品制备和前处理步骤盘点-测试GO在现代社会，电池扮演了至关重要的角色，尤其是在移动设备、电动汽车以及可再生能源存储系统等领域中的广泛应用。 2. 样品制备和前处理步骤样品制备是原位SEM研究中至关重要的一环，它直接影响到后续实验的可行性和结果的准确性。以下是原位SEM样品的前处理步骤：▶ 2.1. 制样在进行原位SEM实验之前，根据原位测试夹具和装置测试要求，制样人需要提前设计和制备实验测试的样品，确保样品和测试装置能够完美契合，从而保证实验顺利进行。此外，实验要保证样品表面平整且导电。 样品的固定与支撑为了在SEM中稳定原位观察样品，通常需要将样品固定在适当的支撑物上，如测试狗原位测试装置或者根据自己实验要求设计的测试夹具（注意：这个需要和测试机构提前沟通）。 图2. 样品制备和前处理步骤通过以上前处理步骤，原位SEM样品可以得到良好的准备，以确保在SEM中获得清晰、稳定的图像，并能够准确地观察电极材料在充放电过程中的微观结构变化。3.
21410编辑于 2026-01-19 - 来自专栏生信菜鸟团
R tips：ggplot2进行多维原位图绘制
R中可以使用ggplot2的geom_tile图层绘制热图，可是有的时候我们想要每一个热图格子里面可以展示多维的信息：多个基因表达量、多个组别数据等等，而不是一个热图仅展示了一个表达量信息。 先模拟两组热图数据，dat_1与dat_2： library(tidyverse) len_row <- 20 len_col <- 5 set.seed(1234) dat <- matrix( rnorm(len_row * len_col, 0, 1), nrow = len_row, ncol = len_col ) dat_2 pheatmap::pheatmap(dat_2, main = "dat_2", silent = T)$gtable ) 模拟数据展示 模拟数据如下图所示，而我们想要的效果是合并这两个热图 (scale(val))) dat_2_tidy2 <- dat_2_tidy %>% group_by(row) %>% mutate(val = as.numeric
55900编辑于 2025-01-07 - 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
晶体取向分布：通过二维X射线衍射（2D-XRD）和同步辐射技术，定量分析锌箔或锌颗粒的晶体学取向（如[0001]择优取向），指导电极结构设计以提升循环稳定性。 界面动态与反应机制解析原位谱学监测：红外光谱（IR）：实时追踪充放电过程中界面官能团（如-OH、-SO₃）的演变，量化副反应程度。 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）。 五、服务特色全流程支持：从实验设计到数据分析全程对接，配备材料学与电化学背景工程师。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 - 来自专栏人人都是数据分析师
统计学(2)|AB测试—理论基础
ZZ之前承诺以A/B测试为案例，串联起统计学的理论，让理论直接落地于实践，搭建起统计学理论与工作实践的桥梁。所以，为了实现吹过的牛逼，这篇”A/B测试—理论基础“应运而生。 其科学之处在于： 科学的实验设计； 科学采样； 科学的流量分割； 科学的统计学原理； A/B测试的概念很重要，因为这里涉及了几个核心概念：同一总体，策略，不同样本，差异及效果，下面的介绍将会围绕这些核心概念展开 2 A/B测试的本质 上一篇统计学必知必会中，ZZ详细的剖析了统计学中关于假设检验部分的发展历程，从计数到均值方差；从总体到样本；从频率到概率；从指标到分布；最后由于现实世界的限制，研究从样本推断总体， 进而引出统计量，抽样分布，最后引出假设检验，下面是详细链接，没有看过同学建议移步先行阅读一下： 统计学(1)|白话统计学发展(含统计学必知必会) 那么本质上来说，A/B测试就是假设检验理论的一个实际应用而已 当总体是正态分布的情况下，我们可以推导出关于样本方差 S^{2}的分布形式为(具体推导过程感兴趣的同学在评论区留言，我会把推导过程回复)： 其中， 为自由度为 的卡方分布，需要注意的是，样本方差的此分布形式有前提
1.4K20发布于 2021-05-13 - 来自专栏奇点大数据
没有基础半路学编程，靠谱吗？
2、学习是一辈子的事情，哪里来的半路出家？25岁学编程，35岁的时候你就是有10年编程经验的人。 3、在互联网时代，随处可见的秘籍太多，而诚心修炼的人太少，和是不是科班出身没太多关系，有的人4个月培训就干掉人家2年的工作经验。 后来突发心血学编程，完全是通过网络资源自学。通过几个有影响力的个人项目，成功应聘开发职位，同样成长很快。 藉由上面两个例子，我想说的是：学编程并不是一件轻松的事。 或许对于王江民的故事，你早已烂熟于心，那我再说一个 22 岁学编程，最终进了 facebook 的程序员的故事。他的天赋和经历，和我们常人的差距不算很大，是很好的学习榜样。 事情的缘由是这样的：有人在 quora 上提问，「如果我想成为一名顶级软件工程师，17 岁开始学编程，还来得及么？」
1.4K30发布于 2019-05-05 - 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。 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。 原位气压监测测试狗科研服务通过多维度联动分析（产气+质量+气压），构建了水系电池稳定性的综合评估体系。
26110编辑于 2025-09-01 - 来自专栏程序员互动联盟
【答疑解惑第十讲】到底学哪种语言靠谱？
存在问题： 好多同学在初学编程的时候都会问，这么多编程语言都有啥特点，我该学什么语言呢？例如下面的这位同学： 解决方案： 下面就大致介绍下主流的编程语言。 项指标，综合了 10 个来源（含 IEEE Xplore、Google、GitHub）的数据，最终评选出了下面这个排行榜（满分 100，得分越高排名越靠前），其中的十大编程语言分别是： 1、 Java 2、 我该学哪一个？ 程序语言并不适合于人，而适用于所要开发的领域或软件的需求。你不能光从名称看出某一门编程语言的含义，也不能跟风别人学什么我就学什么。而在 于你的兴趣，或是你要涉及的领域、开发的程序。
1.2K140发布于 2018-03-15 - 来自专栏软件测试学习
AI教你学测试
ChatGPT这个词相信大家最近看到都不会陌生，应该刷爆了各位的朋友圈，各种分享注册教程、什么AI写代码的文章比比皆是，今天，让我们一起来看一下OpenAI能不能教我们学测试呢，对测试人员的日常工作是否有帮助呢 二、AI智能对话初体验 注册账号后，通过对话，我们来看一下AI会教我们怎么去学测试呢？ 怎么判断自己目前是否适合转行做测试？ 软件测试的基本流程是什么？ 数据库怎么去学？ 测试环境怎么搭建？ 自动化框架的设计思路？ 测开要具备哪些技能？ 面试时怎么谈薪资？ 印象深刻的bug？ 接口幂等什么意思？ 自动化测试的高频面试题 如何在团队中推广自动化测试？ UI自动化定位不到元素有哪些原因？ 看到这，你是不是以为AI是万能的呢？
81120编辑于 2023-02-24 综述分享---肿瘤微环境的时空特征（niche）
空间组学数据的获取与预处理空间蛋白质组学、转录组学和基因组学技术的本质在于它能够在精确的空间坐标上同时检测分子成分。 蛋白质组学的空间平台（2024的年度技术）CODEX,100多抗体。成像质谱细胞术（IMC）和多路离子束成像（MIBI），每种抗体与不同的金属结合并通过质谱（MS）成像检测。 转录组学的空间平台荧光原位杂交（FISH），可对组织给定区域中存在的mRNA分子进行计数。原位测序（ISS）技术。 55 μm for 10× Visium, 10 μm for Slide-seq and Slide-seqV2, 2 μm for HDST to 500 nm for PIXEL-seq, Seq-Scope 基因组学的空间平台许多为多重原位杂交开发的方法已经被用于同时鉴定大量染色体位点。原始数据的预处理由于基于成像和基于测序的方法生成不同类型的原始数据，因此需要单独讨论工作流程。
36820编辑于 2025-03-26- 来自专栏机器学习炼丹术
小白学PyTorch | 2 浅谈训练集验证集和测试集
怎么将给定的数据集划分为训练集和测试集呢？常用的方法在这里有介绍。首先介绍的是留出法，其实这种方法在国内教材和论文中最常见，就是把数据集D划分为两个互斥的集合，其中一个是训练集，一个是测试集。 一开始接触机器学习只知道训练集和测试集，后来听到了验证集这个词，发现验证集和之前所认识的测试集的用法是一样的，一直就把验证集和测试集给混淆了。 也就是说，我们的测试集最终还是要用来训练模型的。之前有说到数据集D划分为训练集和测试集，训练集就是用来训练模型，测试集是用来估计模型在实际应用中的泛化能力，而验证集是用于模型选择和调参的。 当调好之后，再用测试集对该模型进行泛化性能的评估，如果性能OK，再把测试集输入到模型中训练，最终得到的模型就是提交给用户的模型。 ，学习方向，学习方式，是否正确；测试集是最终考察学生的成绩如何。
2.3K10发布于 2020-09-03 今日话题---从Visium空间转录组学中恢复单细胞表达谱
空间技术的困境：空间转录组学绘制了组织切片中的基因表达，揭示了细胞在自然环境中的组织。然而，许多技术缺乏单细胞分辨率，从混合细胞群体中捕获集体基因表达。 分析目标：在多细胞分辨率下从空间转录组学数据中恢复单个细胞在其位置的表达谱的方法知识积累许多流行的空间转录组学技术缺乏单细胞分辨率。 空间转录组学（ST）技术通过将成像与测量组织样本不同位置的基因表达水平的能力相结合，便于原位研究细胞。 首先通过结合点水平表达谱和配对的组织学图像来生成亚细胞分辨率的基因图谱，然后从这些图谱中分割单个细胞，从而产生它们的表达谱。 细胞型反卷积的scResolve评价与基准测试首先用单细胞的真实表达谱模拟了低分辨率的ST数据Stereoscope和cell2location都只能正确识别两种罕见细胞类型中的一种，而不能识别另一种模拟
31420编辑于 2024-10-12- 来自专栏AustinDatabases
谁说postgresql 没有靠谱的高可用（2）
repmgr.conf standby switchover -U repmgr --verbose 1 步 根据执行地的repmgr 数据库中的记录，开始找到那个是当前的主节点，因为你是在从库执行的 2 下面继续， 遇到的问题 1 虽然切换成功，但原主库并没有关闭，demotion失败 解决方法 1 关闭原主库（用任何方法都可以），如果运维自动化，可以写脚本，KILL 2 打开主库，然后使用命令将其驱逐出 2 关闭primary 的图 ? 3 切换成功，从库已经可以进行写操作 ? 好了到目前为止，POSTGRESQL 的高可用，手动，自动 都是可以的，没有任何问题。 2 切换的过程如果不成功怎么办，什么可能的因素会导致切换失败 3 多节点，如果切换，其他的节点是否可以连接到新的主上，并继续工作 4 跨数据中心的怎么来进行高可用的规划。 1 在主从切换的过程中，等待的时间要和你的当前的运维基础有关，如果你本身的网络基础就不好，还设置的比较短的诊断时间，那只能是给你自己平添烦恼 2 切换失败后的问题分析诊断，以及恢复 3 多从节点的换主
1.8K21发布于 2019-12-17 - 来自专栏雷子说测试开发
测试兵器谱のCucumber-JVM框架篇
写在前面 最近业务上使用的自动化测试项目在改进项目执行方案，优化框架，正好结合实践记录一下最近遇到的问题和解决方法，打算从以下几个部分跟大家探讨一下： 认识一下Cucumber-JVM框架 基于Anyproxy Pipeline集成Cucumber 关于Cucumber-JVM 项目背景 目前的自动化方案是针对我们广告SDK项目来做的，之前关注过Qtest公众号的同学应该看到过一篇文章介绍过《广告SDK自动化测试实践 Cucumber 可以和主流的测试框架很好地集成，常见的 TestNG、Selenium、SpringFramework、Ruby on Rails 等，能够方便地引入到您的测试工作中去，几乎没有任何门槛 | page| username| password|result | | 奇虎| test1 | 123456|奇虎欢迎你 | | 百度| test2 步骤五：执行feature文件生成测试报告 Cucumber-JVM的测试报告比较简陋，后面部分会介绍Jenkins Cucumber插件生成美观的报告，生成的结果如下： ?
2.3K10发布于 2021-03-15 - 来自专栏大数据文摘
数据分析而来的健康营养学，靠谱吗？
我们对于营养学研究的尝试显示，对于食物影响健康的研究结果非常令人忧虑。透过现象看本质。 首先我们需要知道营养学研究者们研究的是极其难的问题，因为没有办法将人们关在屋子里、谨慎地测量他们的饮食，所以很难确切地知道人们吃了什么食物。 因此，几乎所有的营养学研究是依赖于要求人们记住并报告自己吃了什么食物。 当我们阅读到一些如“蓝莓预防记忆减退”这一类的文章，它的依据就往往是食物频率问卷某些版本的测试。这一类调查问卷通常会询问调查者在过去一季度、半年或者一年里的食物摄入情况。 这个庞大的数据集使得我们在仅仅几个小时内就做了27,716个回归测试(完整结果可以在GitHub找到)。
1.2K91发布于 2018-05-22 - 来自专栏资深Tester
测试经验分享：做一个靠谱的软件测试人员（一）
今天王豆豆并不是想分析如何找一个靠谱的开发，而是要分析如何成为一个靠谱的测试人员。 既然测试人员喜欢靠谱开发，那相反开发人员也会喜欢靠谱的测试人员。 那靠谱的测试人员是什么样的呢？ 王豆豆认为靠谱测试人员应该具备以下几个特点： 1.业务能力强，测试流程清晰 2.测试覆盖面广，测试深度足够 3.对bug敏感，能发现隐藏极深的bug 总之一句话，你测试，我放心，软件质量有保证。 2.代码是如何实现的？ 2.画出测试范围 如果上面几点在沟通中能到位，那测试人员基本对整个项目有了相对清晰的认识了。 这时拿出一个本子和一支笔画出测试流程，测试范围，注意点等等。 靠谱的测试人员经手的项目覆盖面全，测试结果会很让人放心，测试质量更有保证，只有成为一个靠谱的测试人员，你的上级才会放心把项目交给你负责。 看了王豆豆的分享，大家有什么不同的看法？
2.4K30发布于 2018-06-08 - 来自专栏生信技能树
Bioconductor的质谱蛋白组学数据分析
在看到这篇biocondutor官网文档Mass spectrometry and proteomics data analysis之前，我一直以为质谱数据的分析过程就是用一些商业化软件或者开源软件将谱图转化为肽段 /蛋白的表达谱，由于蛋白组应用未如NGS数据那般热门，所以就未去搜索过是否能用R包来对质谱数据进行一定程度的分析。 dev sudo apt-get install udunits-bin 在Bioconudtor3.5版本下，已经有94个蛋白组相关R包，64个质谱相关R包以及17个质谱实验数据相关R包，虽然跟NGS ，如mzTab格式文件，那么可以使用readMSnSet2函数 对于质谱raw数据的处理，MSnbase包有一整套流程，如：clean，smooth，pickPeaks，removePeaks以及trimMz ，反正都是基于表达谱，只是RNA-seq是转录本/基因水平的，而蛋白组质谱是蛋白水平的 最后还给了一些其他相关分析方法所对应的包，有需求时可以看看 Analysis of post translational
4.5K51发布于 2018-06-11 - 来自专栏go 学习
测试2
func GetAllFiles(dirPth string) (files []string, err error) {
31460发布于 2020-09-30
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