机构

• 国家天文台 [18]
• 地理科学与资源研究... [11]
• 化学研究所 [11]
• 合肥物质科学研究院 [11]
• 上海药物研究所 [10]
• 过程工程研究所 [10]
• 更多

采集方式

• OAI收割 [192]
• iSwitch采集 [5]

内容类型

• 期刊论文 [193]
• 会议论文 [4]

发表日期

• 2026 [3]
• 2025 [4]
• 2024 [4]
• 2023 [4]
• 2022 [21]
• 2021 [27]
• 更多

学科主题

• 天文学 [4]
• Materials ... [3]
• 生物资源::功能基因... [3]
• Chemistry [2]
• Engineerin... [2]
• Physics [2]
• 更多

筛选

浏览/检索结果: 共197条，第1-10条 帮助 条数/页： 5101520253035404550556065707580859095100 排序方式： 请选择作者升序作者降序发表日期升序发表日期降序题名升序题名降序提交时间升序提交时间降序 A Morphokinematic Study of Galactic High-abundance Discrepancy Factor Planetary Nebulae Based on the VLT/UVES Deep Spectroscopy 期刊论文  OAI收割 ASTROPHYSICAL JOURNAL SUPPLEMENT SERIES, 2026, 卷号: 282, 期号: 2, 页码: 42 作者:  Huang, Haomiao;  Fang, Xuan;  Garcia-Rojas, Jorge;  Tu, Zhijun;  Liu, Jifeng   |  收藏  |  浏览/下载：5/0  |  提交时间：2026/03/24 The enhanced X-ray Timing and Polarimetry mission-eXTP for launch in 2030 (vol 68,119502,2025) 期刊论文  OAI收割 SCIENCE CHINA-PHYSICS MECHANICS & ASTRONOMY, 2026, 卷号: 69, 期号: 3, 页码: 3 作者:  Zhang, Shuang-Nan;  Santangelo, Andrea;  Xu, Yupeng;  Feng, Hua;  Lu, Fangjun   |  收藏  |  浏览/下载：5/0  |  提交时间：2026/03/09 Enhanced forest management rather than afforestation has dominated China's carbon sink over recent decades 期刊论文  OAI收割 COMMUNICATIONS EARTH & ENVIRONMENT, 2026, 卷号: 7, 期号: 1, 页码: 153 作者:  Zhang, Mengyu;  He, Honglin;  Brandt, Martin;  Zhang, Li;  Ren, Xiaoli   |  收藏  |  浏览/下载：4/0  |  提交时间：2026/03/16 The enhanced X-ray Timing and Polarimetry mission-eXTP for launch in 2030 期刊论文  OAI收割 SCIENCE CHINA-PHYSICS MECHANICS & ASTRONOMY, 2025, 卷号: 68, 期号: 11 作者:  Zhang, Shuang-Nan;  Santangelo, Andrea;  Xu, Yupeng;  Feng, Hua;  Lu, Fangjun   |  收藏  |  浏览/下载：4/0  |  提交时间：2025/10/29 X-ray instrumentation  X-ray polarimetry  X-ray timing  space mission: eXTP   Significant Impact of UV Exposure on Litter Decomposition Across Diverse Climate Zones 期刊论文  OAI收割 GLOBAL CHANGE BIOLOGY, 2025, 卷号: 31, 期号: 8, 页码: e70456 作者:  Yang, Sen;  Jia, Zhou;  Chang, Pengfei;  Wu, Yuntao;  Huang, Junsheng   |  收藏  |  浏览/下载：2/0  |  提交时间：2025/10/20 climate gradient  desert steppe  dryland ecosystem  lignin/N ratio  litter decomposition  photodegradation  ultraviolet radiationalpine steppe   A fast test compaction method using dedicated Pure MaxSAT solver embedded in DFT flow 期刊论文  OAI收割 INTEGRATION-THE VLSI JOURNAL, 2025, 卷号: 100, 页码: 11 作者:  Chao, Zhiteng;  Zhang, Xindi;  Huang, Junying;  Liu, Zizhen;  Zhao, Yixuan   |  收藏  |  浏览/下载：38/0  |  提交时间：2024/12/06 Static test compaction  Pure MaxSAT  DFT  ATPG   Significant Impact of UV Exposure on Litter Decomposition Across Diverse Climate Zones 期刊论文  OAI收割 GLOBAL CHANGE BIOLOGY, 2025, 卷号: 31, 期号: 8 作者:  Yang, Sen;  Jia, Zhou;  Chang, Pengfei;  Wu, Yuntao;  Huang, Junsheng   |  收藏  |  浏览/下载：14/0  |  提交时间：2025/11/27 climate gradient  desert steppe  dryland ecosystem  lignin/N ratio  litter decomposition  photodegradation  ultraviolet radiationalpine steppe   Mapping the fine spatial distribution of global offshore surface seawater mariculture using remote sensing big data 期刊论文  OAI收割 INTERNATIONAL JOURNAL OF DIGITAL EARTH, 2024, 卷号: 17, 期号: 1, 页码: 2402418 作者:  Liu, Yueming;  Yang, Xiaomei;  Wang, Zhihua;  Liu, Bin;  Zhang, Junyao   |  收藏  |  浏览/下载：89/0  |  提交时间：2024/10/21 Mariculture  remote sensing big data  global mapping  coastal zone  sustainable development   iMeta Conference 2024: Building an innovative scientific research ecosystem for microbiome and One Health 期刊论文  OAI收割 IMETA, 2024, 卷号: 3, 期号: 6, 页码: 19 作者:  Wang, Yao;  Hou, Huiyu;  Luo, Hao;  Xun, Jiani;  Ma, Chuang   |  收藏  |  浏览/下载：5/0  |  提交时间：2025/07/21 MRFI: An Open-Source Multiresolution Fault Injection Framework for Neural Network Processing 期刊论文  OAI收割 IEEE TRANSACTIONS ON VERY LARGE SCALE INTEGRATION (VLSI) SYSTEMS, 2024, 页码: 11 作者:  Huang, Haitong;  Liu, Cheng;  Xue, Xinghua;  Liu, Bo;  Li, Huawei   |  收藏  |  浏览/下载：47/0  |  提交时间：2024/05/20 Biological neural networks  Hardware  Reliability  Computational modeling  Neural networks  Fault tolerant systems  Fault tolerance  Fault evaluation  fault injection  fault simulation  multiresolution  neural network reliability