国家预印本平台

[目的] 针对同步辐射光源储存环同心双圆环形轨道大型桥式起重机的特殊技术需求，基于上海光源（SSRF）、北京高能同步辐射光源（HEPS）和合肥先进光源（HALF）三大项目的工程实践，系统研究其核心技术体系。 [方法] 建立轮轨层-测量层-控制层三层精度耦合模型，提出间隙-闭环耦合理论和水平轮间隙计算公式，并通过HALF项目现场三阶段调试进行工程验证。[结果] 水平轮间隙是闭环控制生效的必要前提：间隙不足时系统陷入卡死的恶性循环，间隙充足后系统进入自主稳定运行的良性循环。三层精度合成结果为±0.62 mm，满足±1 mm设计指标要求，安全裕度38%。 [局限] 曲率耦合模型基于小变形假设和线性蠕滑理论，尚未考虑大曲率半径比或极端温度梯度下的非线性效应；间隙理论仅经HALF单一工况验证；Hertz接触分析未考虑冲击载荷瞬态影响。 [结论] 研究填补了国内同心双圆环形轨道大型桥式起重机的技术空白，提出的PLC闭环控制、曲率耦合三层精度控制和差速同步驱动三项核心技术及间隙-闭环耦合理论，为同类大型精密起重设备的设计与制造提供了理论依据和工程参考。

在新质生产力背景下，文旅产业迎来供需侧变革，“游客即产品” 提出游客不再仅是消费者，更是价值共创主体。该概念融合价值共创、体验经济与数字经济理论，实现游客角色、价值来源与产业范式革新，引发产业逻辑、价值来源、经营管理及营销逻辑的系统性变革。文章从数字基建、场景营造、机制创新、人才支撑维度，提出完善数字设施、打造共创场景、构建激励与风控机制、培育复合型人才等实践路径，推动文旅产业由资源依赖向价值共创转型，助力文旅高质量发展。

弹尾虫腹部第一节有一个独特的腹管结构collophore。长期以来，学界普遍认为该腹管内存在一对可翻转的囊泡，具有吸收水分、清理身体等功能。但迄今为止尚无关于弹尾虫腹管内具体器官的清晰影像报道。【方法】为了解开这个谜团，我们选择了绿圆跳虫S.viridis作为研究对象。历经16年，野外采集到超过13000只绿圆跳虫样品（平均体长1mm），通过对9760余只弹尾虫的腹部内微米级显微解剖，共获得68个完整的新器官玻片样本和8825个局部器官玻片样本，通过光学显微镜配合手机相机拍摄积累了大量影像数据。【结果】大量影像数据证实绿圆跳虫腹管内有两条可伸缩的触手，触手表面分布着大量微小吸盘；每条触手还连接一对分布有数列阀门的肌肉棒。作者认为这是一组从未被描述的特别化的新器官。【结论】大量解剖观察和影像数据证实了该新器官的存在，可伸缩的触手管道与诸多微小吸盘形成吸收液体和提供吸盘负压的完整系统，两对肌肉棒是伸缩触手的动力源和液体输送管道。新器官的发现为弹尾虫腹管的多项功能提供了形态学佐证，为弹尾虫害虫防治和节肢动物进化研究提供了参考依据。

Automated evaluation of creativity tasks remains challenging for LLM-as-a-Judge, as LLM is susceptible to biases such as verbosity bias and leniency bias. Such limitations are particularly evident in Contextually-Grounded and Procedurally-Structured Tasks (CGPST), a complex multi-step creativity task where inter-step dependencies, highly subjectivity, andwide scoring ranges lead to more unstable and biased judgments. Existing approaches either rely on task-specific training or directly apply LLM-as-a-Judge, both of which struggle to ensure reliable evaluation under such complexity. To bridge these gaps, we propose CreaEval, an automated creativity evaluator for CGPST that decouples typical LLM-as-a-Judge into analysis and judging. Correspondingly, CreaEval involves two critical phases: Memory-augmented Analysis, a SoT-LLM converts multi-step responses into structured evaluation evidence, incorporating cross-step memory; and Evidence-based Judging, a Judge-LLM uses the extracted evidence for judging without accessing raw responses. Comprehensive experiments show that CreaEval achieves an average performance improvement of 22.74% over the second-best baselines across CGPST and two classic simple creativity tasks, demonstrating its generalizability. The code is available at https://github.com/Jaong/CreaEval.

编码孔径成像系统作为一种高精度的放射源定位及成像装置，可以准确定位放射源 的位置并重建其大致形状。针对其存在核监测中面临的实时性与成像质量难以兼顾的问 题，本文提出了一种基于深度学习的对最大似然期望最大化（MLEM）迭代重建的辐射图 像去噪方法。在低计数高噪声及短采集时间的场景下，MLEM重建易产生泊松高斯混合噪 声与背景伪影等，导致重建图像失真和热点偏移。利用Geant4软件对编码孔径成像系统进 行仿真，构建了三种不同难度噪声等级的数据集，并提出了一种融合双通道输入与门控的 改进型DnCNN网络。实验结果表明，在最高难度的噪声环境下，改进后的网络取得了 0.7894 的最高SSIM和28.31 dB 的最高PSNR，相较于经典U-Net分别相对提高了约11.4% 和2.74 dB，同时参数量为0.557 M，约为U-Net规模的1.6%。