珠江三角洲地区分布着大量新石器时代沙丘遗址（距今7000-3500年），其先民的生存策略对于揭示海洋资源的利用具有重要意义，然而，由于动植物遗存和人骨保存较差，先民的生存策略一直缺乏直接证据.陶器吸附的脂质残留物能够长期保存，为探讨先民食物加工与生存策略提供了有效途径.以广东台山新村遗址（约5000年前）出土的陶片为研究对象，采用GC⁃MS和GC⁃C⁃IRMS技术，分析了陶器残留物（2例可见残留物，58例吸附残留物）的脂质组成与脂肪酸单体碳同位素特征.结果表明，脂质普遍呈动植物混合来源特征，约87%样品的脂质来源于海洋动物（鱼类、贝类等），少量来源于陆生非反刍动物体脂.此外，在部分样品中还发现了可能来自谷物种子油的生物标记物.结合陶器类型的分析，陶釜与陶罐可能为炊煮器，圈足盘、陶钵及陶豆可能为盛食器.研究揭示，台山新村先民采取了以海洋渔猎为主，兼有狩猎采集的复合生存策略，体现了对海洋环境的高度适应，为早期海洋文化发展提供了物质基础.
大气CO2浓度升高（elevated CO2 levels，eCO2）与重金属污染是当前两大环境问题，对土壤碳循环有重要影响，然而，二者对土壤中植物源有机质归趋与转化的复合效应尚不清楚.以14C标记的小麦根部有机质为植物源有机质代表，研究eCO2与Cu/Cd污染背景下植物源有机质在土壤中的归趋与转化.结果表明，eCO2显著提高了Cu的DTPA提取态浓度，而对Cd影响有限，提示eCO2可能增强部分重金属的生物有效性和潜在风险.Cu/Cd处理在孵育初期抑制了植物源有机质的矿化，但抑制作用在中后期得到缓解.eCO2显著加速了土壤中类富里酸或酪氨酸等易降解组分的降解转化，影响土壤碳库自身的稳定性.同时，eCO2提高了植物源有机质转化产物中胡敏素的占比，可能加速了植物源有机质的腐殖化进程，而Cu阻碍土壤植物源有机质形成稳定胡敏素，可能抑制了腐殖化进程.研究结果深化了对eCO2与Cu/Cd污染复合下土壤碳转化规律的认识，同时为大气CO2浓度升高背景下重金属污染土壤的生态风险评估与碳排放调控策略制定提供了科学依据.
头相关传输函数（Head⁃Related Transfer Function，HRTF）数据库是空间音频渲染和个性化建模的重要数据基础.选取SONICOM，PHRTF⁃NJU和HUTUBS三个HRTF数据库，在统一特征和相似性定义下比较其方向聚类和个体聚类结构.方向维以等效矩形带宽（Equivalent Rectangular Bandwidth，ERB）平滑后的HRTF幅度谱为特征，采用K⁃means聚类分析方向频谱模式，个体维则基于双耳全方向平均归一化互相关系数（Mean Normalized Cross⁃Correlation Coefficient，MNCC）来构建受试者间相似性矩阵，并采用平均连接层次聚类来分析受试者间整体相似性.方向聚类结果表明，在提出的特征与评价指标条件下，三个数据库均呈现相近的聚类数变化规律：划分为两个方向簇时可概括出相对稳定的粗粒度结构，划分为三个方向簇时可进一步描述较细的空间分区.个体聚类结果表明，三个数据库均呈现由碎片化向逐步合并的阈值响应规律.总体上，在当前的分析条件下，三个数据库的HRTF在方向维上呈现相近的粗粒度结构，同时保留各数据库自身的数值尺度和局部结构差异.
功能超声成像（functional Ultrasound Imaging，fUS）基于超快速多普勒成像和神经血管耦合机制，可以在较大视野内以较高时空分辨率来记录脑血容量（Cerebral Blood Volume，CBV）的动态变化，为啮齿动物深部脑区功能研究提供了新的成像手段.为了观察视觉刺激诱发的大鼠皮质下视觉通路活动，采用平面波复合超快速超声成像系统，对麻醉状态下成年雄性SD （Sprague⁃Dawley）大鼠进行单眼蓝光闪烁刺激同步成像.视觉刺激频率为12 Hz，单周期包括5 s刺激和55 s静息；在上丘（Superior Colliculus，SC）和外侧膝状核（Lateral Geniculate Nucleus，LGN）所在冠状面分别采集10个刺激周期的数据，并通过奇异值分解杂波滤波、功率多普勒计算和周期叠加提取刺激相关CBV变化.结果显示，左眼刺激主要诱发右侧SC和LGN区域CBV升高，右眼刺激主要诱发左侧SC区域响应，可能反映大鼠视觉信息处理具有明显的对侧优势.SC区响应幅值约为5%~10%，峰值约为9%，刺激结束后恢复较慢；LGN区峰值约为6%，响应与刺激输入更同步，刺激结束后约5 s恢复至静息水平.表明fUS能够无造影剂地显示大鼠深部视觉相关结构的刺激响应及其空间分布，为后续开展啮齿动物视觉通路功能血流动力学研究提供了实验依据和方法参考.
针对安检X光图像中小目标占比高、目标重叠严重、背景干扰复杂以及目标姿态随机分布等问题，提出一种基于语义与样本双重增强机制的定向目标检测方法.在语义增强方面，以面向旋转框检测的You Only Look Once⁃Oriented Bounding Box （YOLO⁃OBB）为主干，引入冻结的Segment Anything Model （SAM）图像编码器作为语义辅助分支，并通过通道注意力融合模块实现异构特征自适应融合，增强模型对目标结构信息和高层语义信息的表征能力.在样本增强方面，设计上下文约束复制粘贴增强策略（Context⁃Constrained Copy⁃Paste Augmentation，CCPA），在空间占用约束、碰撞检测和泊松融合机制下对小目标实例进行受控增强，扩展训练样本在尺度、位置和姿态空间中的分布，缓解小目标样本不足与分布长尾问题.同时，引入高斯平滑分布焦点损失，提高旋转框回归稳定性.实验结果表明，提出的方法在安检场景定向目标检测任务中优于基线模型，消融实验验证了各模块的有效性与互补性.
视网膜血管分割是眼底图像分析中的关键任务，对相关眼底疾病的辅助诊断与早期筛查具有重要意义，然而，血管细长连续、分支密集且边界模糊，现有模型在细小血管和弱边界区域容易出现漏检与断裂.针对现有卷积神经网络与Transformer方法对模糊区域和不确定区域显式建模不足的问题，提出一种模糊引导的双分支Transformer⁃UNet视网膜血管分割框架，其核心思想是将模糊区域显式建模并贯穿结构设计与优化约束.首先，从输入眼底图像中构造无需额外标注参与的模糊隶属图，用以刻画局部纹理不稳定与边界模糊区域，形成可用于训练与推理的一致性先验.其次，在保持Transformer编码器全局表征能力的基础上，引入标准分支与模糊分支并行解码，并利用模糊门控机制对多尺度跳跃连接进行调制，使模糊分支聚焦细小血管与弱边界的精细重建.接着，设计像素级自适应融合模块动态整合两分支输出，以实现结构恢复与边界精修的互补协同.最后，在损失函数中引入面向模糊区域的加权监督与分支一致性约束，从优化层面增强不确定区域的判别强度并抑制边界抖动.在包含800幅多疾病高分辨率眼底图像的FIVES数据集上开展大样本验证，并通过六组递进消融实验和固定网络权重的单因素参数扰动实验，分别分析双分支、模糊门控、自适应融合、模糊感知损失及先验参数设置的影响.实验结果表明，该方法能够在不同数据分布下保持稳定的分割质量，其准确率与F1分数等指标表现良好，尤其在血管模糊边界与复杂分支结构的分割场景中具有更强的鲁棒性，验证了所提框架用于视网膜血管分割任务的有效性.
随着DiT （Diffusion Transformer）在可控视觉生成领域的广泛应用，引入外部控制分支（如EasyControl）带来的计算冗余与碎片化算子访存瓶颈，限制了模型在大规模工业级场景下的高效推理.针对多分支架构面临的显存带宽墙与图调度延迟问题，提出一套软硬协同的全栈式高性能推理架构.首先，在算法层面提出多分支特征切片与时空冗余自适应裁剪策略，剥离控制流中的冗余计算；其次，在算子层面深度定制全局融合算子，将高频碎片化的全局显存读写转化为片上连续计算，降低了访存开销；最后，在底层系统层面，设计面向图编译的FP8首轮校准与静态缩放冻结量化部署方案.实验表明，该全栈加速方案在跨分辨率实验中保持了较好的视觉一致性，将端到端推理吞吐量平均提升了约2.5倍，为可控视觉生成模型的推理速度优化提供了解决方案.
针对多模态联邦学习中客户端模态缺失、标签缺失和数据高度异质导致的模型性能下降问题，提出结合关系蒸馏的AMRD⁃FedA²方法.AMRD （Adaptive Multimodal Relation Distillation）通过评估不同模态的表征质量，自适应选择优势模态，并利用样本关系矩阵在模态间进行知识蒸馏，来缓解模态缺失和标签缺失带来的负面影响；FedA² （Federated Algorithm Adaptation Framework）将该蒸馏机制适配到不同联邦学习框架中，以增强方法在联邦优化场景下的通用性.在传感器、文本、图像、视频和音频等模态数据集上以不同主流联邦学习算法为对比基线进行实验，结果表明在高度模态缺失和高度标签缺失场景下，框架的整体效果优于原始基线.其中，以SCAFFOLD算法测试的Crisis⁃MMD数据集在实验条件下的F1分数提升幅度超过30%.进一步研究发现，提出的方法在强non⁃IID （Non⁃Independent and Identically Distributed）场景下表现更优，在复杂高异质多模态联邦环境中具有较好的鲁棒性和泛化能力.
事件因果关系识别（Event Causality Identification，ECI）作为自然语言理解的基础任务，旨在从文本中判定事件对之间的因果关系，对问答系统、叙事生成等应用具有重要作用.现有方法存在明显局限：一是针对标注数据稀缺与分布不均衡的问题，若引入外部知识库，容易受其知识覆盖度低与噪声干扰；二是针对因果与非因果样本在语义空间中边界模糊问题，传统方法难以学习判别性表征.针对上述问题，提出一种基于反事实数据增强与监督式对比学习的ECI方法.构建了“知识库筛选⁃因果结构约束⁃LLM （Large Language Model）生成与校验”三重数据质量控制机制，即从结构化知识库中筛选语义相关的中间概念，注入多种基础因果图结构以约束生成逻辑，并利用大语言模型进行生成与多维度校验，从而批量构建高质量、多样化的反事实样本.进一步，引入监督式对比学习，显式优化语义表示空间，增强模型对因果边界的判别能力.实验结果表明，提出的方法在EventStoryLine和Causal⁃TimeBank基准数据集上的F1分数分别达到了74.2%和80.4%，显著优于现有主流模型.
图像分类模型面临严重的未授权复制与非法分发风险，模型后门水印技术虽被广泛应用在所有权验证，但现有方法大多依靠突兀的噪声触发器或者刚性的解释空间划分，造成水印的隐蔽性差，容易被几何变换破坏，不能逃脱人工审查和常规图像处理.为了解决上述问题，提出一种用特征归因和背景注入来构造图像分类模型的干净标签后门水印方法，在不修改样本真实标签的情况下，达到高隐蔽性和强鲁棒性的水印嵌入.首先，使用显著性检测机制把图像前景和背景进行语义解耦，把后门触发器伪装成有艺术纹理特征的背景，达到视觉上隐蔽的效果.接着，引入纹理自适应的超像素分割策略来建立编码目标，推导出基于局部采样拟合的可导特征归因算法，使用多任务约束把水印信息深植到模型的决策机理中.实验结果表明，提出的方法在保证分类性能稳定的同时，能够可靠地提取水印，并对常见的图像变换水印去除攻击具有很好的抵抗能力.相比于现有的水印方案，该方法的隐蔽性、鲁棒性等方面表现更好，可以给图像分类模型所有权验证提供一个实用的版权保护方案.
知识结构理论是一种数学心理学交叉理论，已成功应用于个性化知识评估.面向多分知识评估场景，现有研究基于项目响应值集相同的假设，构建出知识评估自动机，但无法适应更复杂的教育应用.基于此，面向项目响应值集多样的多分知识评估场景，构建一种新的知识评估自动机并探索知识评估的过程.具体地，首先构建面向项目线性响应值集的多分知识评估自动机，并基于项目间的邻接关系建立项目提问规则.其次，结合自动机状态更新机制与项目提问规则，建立项目线性响应值集下的知识评估过程.最后，通过实证分析说明自动机评估过程的可行性与有效性.
认知状态模型需要具备数据遗忘能力，以符合相关法律法规及隐私保护要求.然而，现有的认知诊断模型聚焦于性能优化，忽视了学习者的隐私需求.为此，提出一种面向认知诊断的机器遗忘框架，以解决认知诊断中的机器遗忘问题.首先，基于认知状态的分区方法，根据学习者的认知状态相似度对数据进行划分，并在各个分区内并行训练认知诊断子模型；其次，基于交叉注意力的模型聚合机制，通过融合预测数据与子模型的特征计算注意力权重，提升最终模型在不同学习者群体上的泛化能力.基于四个真实数据集进行了大量的实验，实验结果证明该框架能够有效实现认知诊断模型的数据遗忘，在保证模型性能的同时，大幅降低计算资源消耗和训练时间.
在富乙烯气流中选择性加氢以脱除微量乙炔是工业乙烯聚合的关键步骤，但传统负载型钯（Pd）催化剂中Pd颗粒上具有连续活性位点的大尺寸Pd集合易导致乙烯选择性低、过度加氢严重.采用两步光沉积法制备了一系列氧化钛（TiO2）负载的金核⁃钯壳（Au@Pd/TiO2）催化剂，利用Au较高的电负性使Pd优先沉积于Au颗粒表面，结合表征结果，成功构建了具有Au核Pd壳的双金属催化剂，并通过调节Pd含量实现了Pd的亚单原子层分散.在乙炔选择性加氢反应中，双金属Au@Pd催化剂的乙炔加氢转化率与乙烯选择性均显著优于单金属Pd催化剂.减小Au颗粒的尺寸可使分散在Au颗粒表面的Pd更多以单原子或小集合存在，提升了催化选择性；增加Pd负载量则促进形成大尺寸Pd集合，导致选择性大幅下降.最优Au@Pd/TiO2催化剂在约94%乙炔转化率下实现了57.8%的乙烯选择性，远高于单金属Pd催化剂的88%乙炔转化率和14.4%乙烯选择性.本研究通过调控Au颗粒尺寸与Pd负载量构建了Pd呈亚单原子层分散的双金属催化剂，为实现乙炔选择性加氢提供了催化剂构建新策略.
