Abstract Pursuit of advanced batteries with high‐energy density is one of the eternal goals for electrochemists. Over the past decades, lithium–sulfur batteries (LSBs) have gained world‐wide popularity due to their high theoretical energy density and cost effectiveness. However, their road to the market is still full of thorns. Apart from the poor electronic conductivity of sulfur‐based cathodes, LSBs involve special multielectron reaction mechanisms associated with active soluble lithium polysulfides intermediates. Accordingly, the electrode design and fabrication protocols of LSBs are different from those of traditional lithium ion batteries. This review is aimed at discussing the electrode design/fabrication protocols of LSBs, especially the current problems on various sulfur‐based cathodes (such as S, Li 2 S, Li 2 S x catholyte, organopolysulfides) and corresponding solutions. Different fabrication methods of sulfur‐based cathodes are introduced and their corresponding bullet points to achieve high‐quality cathodes are highlighted. In addition, the challenges and solutions of sulfur‐based cathodes including active material content, mass loading, conductive agent/binder, compaction density, electrolyte/sulfur ratio, and current collector are summarized and rational strategies are refined to address these issues. Finally, the future prospects on sulfur‐based cathodes and LSBs are proposed.

Recently, cross-scene hyperspectral image classification (HSIC) has attracted increasing attention, alleviating the dilemma of no labeled samples in the target domain. Although collaborative source and target training has dominated this field, training effective feature extractors and overcoming intractable domain gaps remains challenging. To cope with this issue, we propose a multi-level unsupervised domain adaptation (MLUDA) framework, which comprises image-, feature-, and logic-level alignment between domains to fully investigate the comprehensive spectral-spatial information. Specifically, at the image level, we propose an innovative domain adaptation method named GuidedPGC based on classic image matching techniques and the guided filter. The adaptation results are physically explainable with intuitive visual observations. Regarding the feature level, we design a multi-branch cross attention structure (MBCA) specifically for HSIC, which enhances the interaction between the features from the source and target domains through dot-product attention. Finally, at the logic level, we adopt a supervised contrastive learning (SCL) approach that incorporates a pseudo-label strategy and local maximum mean discrepancy loss, increasing inter-class distance across diverse domains and further improving the classification performance. Experimental results on three benchmark cross-scene datasets demonstrate that our proposed method consistently outperforms the compared approaches. The source code is available at https://github.com/cfcys/MLUDA.

The simple and highly efficient synthesis of CPL-active AIE helical polyisocyanides has been successfully realized through AlEt 3 -catalyzed asymmetric polymerization and copolymerization of bifunctional AIE chiral aryl isocyanides.

The metro-based underground logistics system (M-ULS) has been identified as an effective solution to urban problems resulting from the expansion of urban freight traffic. However, there is a paucity of current research that examines the resilience of a M-ULS in the context of unexpected events during operations. Therefore, this paper presents a methodology for assessing the resilience of the M-ULS. The method considers the propagation paths of various failures in a multi-layered, interdependent network that includes topology, functionality, facilities, and information, as well as network performance indicators based on network freight flow and logistics timeliness. The effectiveness of the method is demonstrated using the case of the Nanjing Metro. The results show that the type of disruption, the duration, and the direction of train travel all have a significant impact on the resilience of the M-ULS. The method proposed in this paper provides a scientific basis for the assessment and optimization of M-ULS resilience and also offers new insights into the use of urban rail transit to promote the sustainable development of urban logistics.