我们汇总了Materials Research Express（MRX）期刊编委2025-2026年在MRX期刊上发表的优秀文章，这些文章体现了期刊的高质量和创新性。感谢所有编委、作者和审稿人对MRX期刊的支持！希望您喜欢阅读这一合集。 亮点文章 Hybrid synthesis (biosynthesis-hydrothermal) of yttrium hydroxide doped with Eu3+ Gabriela Azcárate, Nayely Torres-Gómez, Marco Camacho-López, Víctor Fabián Ruiz-Ruiz, Gustavo López-Téllez, Nazir P Kherani and Alfredo R Vilchis-Nestor  Utilizing pyrolysis product from off-grade rubber waste for different bio-oil applications and cold mix asphalt productions Mohd Fahmi Haikal Mohd Ghazali, Mohd Rosli Mohd…

Engineering Research Express (ERX)是一本涵盖工程科学所有领域的多学科期刊，致力于发表新的实验和理论研究。近日，我们采访了ERX期刊编委之一，来自捷克帕尔杜比采大学的Andréa Kalendová教授，让我们一起来看看她对期刊以及领域发展的见解吧。 访谈详情 1. 您为什么选择从事相关的领域研究？ For one thing, I started enjoying this field of work back in high school. I also decided to pursue it because I felt the field was important for all of our development. Maybe that sounds childish.   2. 您目前从事的研究工作有哪些？ I conduct research on materials for protective coatings…

英国物理学会（IOP）近日宣布，与香港物理学会（PSHK）正式建立新的战略合作伙伴关系，进一步推动双方在物理学领域的交流与合作。 英国物理学会首席执行官Tom Grinyer出席了在香港举行的合作活动，强调学术合作伙伴关系对于推动全球科研创新与科学发展的重要意义。 活动期间，香港城市大学副校长李文荣教授、英国驻香港总领事馆Sarah Robinson女士，以及香港物理学会会长鲍威教授分别发表讲话。 活动现场，Tom Grinyer与香港物理学会会长鲍威教授共同签署合作谅解备忘录（MOU）。该协议涵盖多项合作内容，包括建立双边学术讲座项目，并承诺围绕物理学领域的重要议题开展深入合作。 作为系列学术讲座项目的启动环节，Quantum Science and Technology主编Mauro Paternostro教授，以及IOP出版社期刊Reports on Progress in Physics首席编辑David Gevaux分别作主题报告。 本次系列活动涵盖战略合作与学术交流等多个重要议题，进一步加强了英国物理学会（IOP）、IOP出版社与中国科研界之间的联系，并为未来深化合作奠定了坚实基础。 >>点击此处链接，订阅IOP期刊资讯。

这是一个参与塑造机器学习领域高质量研究的机会。 我们目前正在邀请研究人员申请加入旗下机器学习领域期刊（Machine Learning: Health、Machine Learning: Engineering及Machine Learning: Earth）的编委会！ 作为编委会成员，您将在研究社群中发挥重要且广受认可的作用，参与影响研究人员阅读、引用及进一步发展的科研内容。与此同时，您还将拓展学术网络并积累编辑经验。   >>您可以点击此处链接，进一步了解担任期刊编委的体验。 >>欢迎您点击此处链接，申请成为期刊编委。 期刊介绍 Machine Learning: Health Machine Learning: Health是一本多学科开放获取期刊，致力于在医疗保健、医学、生物、临床和健康科学领域应用机器学习、人工智能和数据驱动的计算方法。该期刊还发表机器学习和人工智能在方法、理论或概念上的进展，并将其应用于医学和健康科学的研究。   Machine Learning: Engineering Machine Learning: Engineering是一本多学科开放获取期刊，致力于在所有工程领域应用机器学习、人工智能数据驱动的计算方法。该期刊还发表介绍机器学习和人工智能在方法、理论或概念上的进展，并将其应用于所有工程领域的研究。   Machine Learning: Earth Machine Learning: Earth是一本多学科开放获取期刊，致力于在地球、环境、气候科学、可持续发展的所有领域应用机器学习、人工智能和数据驱动的计算方法。该期刊发表应用数据驱动方法的研究报告，这些方法提高了我们对地球系统的认识，以及对生物圈、水圈、冰冻圈、大气圈和地圈之间相互作用的认识。