IOP出版社旗下期刊JPhys Materials近日宣布中国科学院宁波材料所诸葛飞研究员加入该刊编委会，担任编委。我们在此表示热烈欢迎！ 编委介绍 诸葛飞  研究员 中国科学院宁波材料所 诸葛飞，研究员，博士生导师。本科和硕士毕业于西安交通大学，博士毕业于浙江大学，其后在广岛大学以日本学术振兴会（JSPS）特别研究员身份从事博士后研究，2008年至今在中国科学院宁波材料所工作，2018年入选中国科学院脑科学与智能技术卓越创新中心骨干人才。主要从事低维半导体材料与器件及其在类脑人工智能领域的应用研究。迄今在Applied Physics Reviews、Advanced Materials、Nano Letters等发表论文60余篇，被引用5500多次，获第49届日内瓦国际发明展金奖、浙江省自然科学一等奖、中国电子学会科技二等奖各1项。主持中国科学院战略性先导科技专项（B类）子课题、国家自然科学基金（重点项目等6项）、浙江省杰出青年基金等项目。现担任Frontiers in Neuroscience和Frontiers in Photonics副编辑、Journal of Physics: Materials和Micromachines编委。 期刊介绍 JPhys Materials 2024年影响因子：4.3  Citescore：8.8 JPhys Materials（JPMATER）是一本新出版的开放获取期刊，涵盖材料研究中最重要和最激动人心的进展，着重关注跨学科和多学科研究，包括：生物和生物医学材料；碳材料；电子材料；能源和环境材料；玻璃和非晶态材料；磁性材料；金属和合金；超材料；纳米；有机材料；光子材料；聚合物和有机化合物；半导体；智能材料；软物质；超导体；表面、界面和薄膜等。

特刊详情 客座编辑 Felix Creutzig，德国波茨坦气候影响研究所 蔡闻佳，清华大学 Radhika Khosla，英国牛津大学 Debra Roberts，南非夸祖鲁·纳塔尔大学 Chandni Singh，印度人类住区研究所 William Solecki，美国纽约市立大学   主题范围 Cities are on the frontline of climate change, simultaneously confronting severe risks and shouldering significant responsibilities for rapid mitigation and adaptive transformations. Urban areas face escalating threats from extreme weather events, heatwaves, flooding, and water scarcity, all intensifying under changing…

本研究来自西北工业大学动力与能源学院魏鹏飞课题组。在可靠性工程中，如何利用实验数据校准计算模型以实现高精度预测，是当前亟待解决的关键问题。贝叶斯模型更新（BMU）作为新兴方法框架，在计算效率与精度间存在权衡难题，本研究提出一种基于主动学习的近似贝叶斯积分方法，通过高斯过程模型对似然函数平方根进行解析近似，创新性地设计后验方差贡献（GPVC）采集函数，综合利用后验均值与协方差信息实现参数空间的智能探索，研究结果为高维复杂系统的可靠性模型校准提供了兼具高效性与鲁棒性的解决方案。 文章介绍 Probabilistic Calibration of Model Parameterswith Approximate Bayesian Quadrature and Active Machine Learning Pengfei Wei（魏鹏飞），Masaru Kitahara, Matthias G R Faes and Michael Beer 通讯作者： 魏鹏飞，西北工业大学动力与能源学院   研究背景： 当前，基于物理失效模型的可靠性评估与设计优化技术面临双重挑战：一方面，复杂服役环境与多物理场耦合效应导致数学模型难以精确表征所有失效机制；另一方面，数值求解过程中的离散化误差与假设简化会引入额外的预测不确定性。这种模型预测与真实物理响应的偏差，使得模型校准成为提升可靠性评估精度的关键环节。当前主流的模型校准方法可分为确定性框架与不确定性框架两大类，其中非确定性方法通过概率模型或证据理论量化认知不确定性，近年来成为研究热点。在概率参数校准领域，贝叶斯模型更新（BMU）方法取得显著进展，但如何在保证全贝叶斯精度的前提下突破计算效率瓶颈，仍是多模态BMU问题亟待解决的难题。本研究聚焦概率框架下的参数校准问题，将模型参数视为确定性未知量，其认知不确定性通过主观概率模型进行表征，提出基于改进贝叶斯积分框架的新型校准范式，为复杂系统的可靠性模型校准提供了新方案。   研究内容： 本文针对BMU方法在计算效率与精度间的权衡难题，提出一种基于主动学习的近似贝叶斯积分方法，创新性体现在三方面： 1）高效近似贝叶斯积分框架：提出基于高斯过程代理模型的贝叶斯积分方法，通过对似然函数平方根进行解析近似，结合主动学习的自适应采样策略，在降低计算成本的同时，达到与全贝叶斯方法相当的校准精度，突破了传统高精度方法计算复杂度高的瓶颈； 2）智能采集函数设计突破：创新性构建后验方差贡献（GPVC）通用采集函数，通过融合概率回归模型的预测均值与协方差信息，动态量化参数空间的信息熵分布，实现全局探索与局部开发能力的协同优化。实验表明，GPVC函数在多模态问题中的收敛速度较传统方法有显著提升； 3）多模态后验估计的高效性：针对复杂系统可靠性分析中的多模态后验密度估计难题，所提方法通过贝叶斯积分与GPVC函数的协同作用，能够高效求解多模态后验密度函数。 通过数值与工程案例验证，本文所提方法在多模态后验密度估计中展现出显著优势，同时保持与全贝叶斯方法相当的校准精度。   Fig.1 Comparison of results for posterior density of the first example, where PVC and VUS are used under…

本期内容来自 Environmental Research Letters (ERL)、Environmental Research: Climate (ERC)、Environmental Research: Water (ERW) 与 Environmental Research: Infrastructure and Sustainability (ERIS) 期刊，涵盖甲烷超级排放事件的健康风险、天然气行业NMVOC排放估算、农业甲烷与气候政策的公平性问题、跨界水资源治理中的利益相关方参与，以及澳大利亚锂供应链的绿色转型等热点话题。 >>点击此处链接，订阅环境领域最新资讯。 精选文章 Not just a climate problem: the safety and health risks of methane super-emitter events Sofia Bisogno, Chowdhury G Moniruzzaman, Nick Heath, Christos Efstathiou, Jeremy K Domen, Lee Ann L Hill, Jasmine Lee, Drew R Michanowicz, Quintin Munoz, Yanelli…