关键词： 湍流热通量   液态金属   数值传热   代数热通量模型   机器学习  

摘要： 液态铅铋(LBE)数值传热受制于极低普朗特数特性,传统雷诺比拟方法不能准确封闭和描述平均能量方程中的湍流热通量(THF)及温度输运过程,因此需构建针对低普朗特数流体THF的封闭模型。模型分为4类:湍流普朗特数模型、代数热通量模型、二阶矩微分热通量模型及利用机器学习的数据驱动模型。本文通过梳理其研究进展、建模思想,对模型所展现的复杂程度、在工程应用中的适用性等特点展开评述,为后续THF封闭建模研究、优化及创新提供见解。在燃料棒束间LBE的强制对流换热模拟中,显式代数热通量模型展现出较高的应用前景,机器学习则为THF封闭提供了全新的视角。

关键词： ChatGPT   人工智能   高校图书馆  

摘要： 随着人工智能技术的迅猛发展,尤其是以ChatGPT为代表的大语言模型的发展,高校图书馆面临前所未有的机遇和挑战。文章通过文献调研和网络调研法,综合分析国内外相关文献和实践案例,探讨ChatGPT在高校图书馆中的应用场景,并提出在技术层面、数据安全、伦理法律约束等方面的挑战。此外,文章还展望了ChatGPT及相关人工智能技术在未来图书馆服务中的发展趋势,强调提升图书馆员技能的重要性。

关键词： 人工智能   创造力   计算创造力   人类中心主义创新观   非人类中心主义创新观  

摘要： 人工智能最新的创造力的建模不只以人类的创造力为“原型实例”,而且创造性地模拟非人的进化过程、生态系统等的创造力。相应地,非人类中心主义创新观及以之为基础的人工智能创造力建模走向应运而生。基于创造力原型实例多样论而发展出来的非人类中心主义创新观尽管暴露了常识和传统创新观的片面性,为推进人类的创造力认识的过程贡献了重要的真理颗粒,且在AI和计算创造力的最新发展中扮演着重要角色,但有从一个极端走向另一极端的片面性。人的创造力尽管不是AI建模创造力的唯一的原型实例,但无疑是一个重要的、最值得建模的榜样。要让AI创造力的建模和机器实现步入健康发展的快车道,仅像已有的计算创造力那样关注创造力的行为效果的建模是远远不够的,还必须加强对创造力内在过程、机制、变量与实现条件的解密,探讨其计算实现的原理与方法。

关键词： 人工智能   社会科学   科学研究   研究过程   数据  

摘要： 随着人工智能技术的快速发展,社会科学研究正经历着前所未有的变革。文章探讨了AI如何赋能社会科学研究过程的各环节,基于研究过程新技术、新关联、新模式,进一步论述其带来的作用与转向。具体而言,首先分析了AI在学术资源获取、成果梳理、研究对象关联、研究主题产生和学术论文投稿等环节的渗透,揭示了AI技术如何提升研究效率、拓宽研究视野,并促进研究主体的多元化和创新能力的提升。然后,辩证分析了AI赋能下社会科学研究过程面临的新挑战,包括价值观偏差和研究界限的模糊化等问题,并提出了对应的建议。最后,展望了AI驱动的社会科学研究转向,包括从解释导向到解决导向、从理论驱动到数据驱动、从方法细节到方法原理的转变,并探讨了实现这些转变的机制和路径。文章认为,AI技术将在尊重社会科学研究本质的基础上,进一步推动理论的创新、方法的革新以及实践的应用,为解决社会问题提供更加科学有效的方案。

关键词： 轴承   工业大数据   Python语言   机器学习   故障诊断  

摘要： 基于工业大数据,采用Python语言设计应用程序,实现轴承故障诊断功能,并按照故障类别对其进行分类。通过智能制造工程技术竞赛和科研教学活动的结合,促进教师学习前沿技术,对竞赛内容进行凝练总结,从而实现教学课程内容的改革,达到以赛促教、以赛促学、以赛促改、以赛促建的目的。

关键词： 生成式人工智能   人工智能   数智时代   AI4SS   哲学社会科学   学术研究   学术传播   学术评价   学术伦理   人文危机   预印本评价   知识服务   智能评价   智能外包   医疗健康   国家金融安全   高阶思维能力   法学   教育学   经济学   图书情报学   新闻传播  

摘要： 人工智能正在改变整个人类社会,丰富人们的文化生活,促进科技创新与发展,是各行各业“新质化”的促进剂。人工智能可为哲学社会科学提供高效的研究工具和研究场景,将深刻影响哲学社会科学研究、传播及评价的方方面面。加速人工智能在哲学社会科学研究、传播及评价领域的深入应用,提升哲学社会科学研究效率,促进哲学社会科学的创新与发展,构建自主知识体系,是当下哲学社会科学工作者的重要使命。为推进AI赋能哲学社会科学(AI4SS),2024年9月28日,由西华大学、四川省社会科学学术期刊协会主办,西华大学学术期刊部、四川省社会科学重点研究基地四川学术成果分析与应用研究中心承办的“AI赋能社科研究与评价天府论坛”在西华大学举行。来自南京大学、中国人民大学、四川大学等高校与科研机构的20位专家学者,从不同学科、研究领域出发,就人工智能赋能哲学社会科学研究、传播及评价进行了深入交流。文章为20位专家学者在论坛上所作报告的主要观点。这些报告议题包括AI赋能人文社科研究方法的变革,法学、教育学、经济学、图书情报学、新闻传播等社会学科视域下的人工智能,AI辅助社会科学研究的学术伦理,人工智能在医疗健康、大宗商品价格风险监测、大学生高阶思维能力培养等方面的应用,AI赋能学术期刊出版与传播,AI赋能哲学社会科学评价新模式、新平台、新场景,等等。这些议题共同描绘了一个由AI技术驱动的多学科融合与创新的新时代。

关键词： 人工智能   Agent   作战系统   研究框架   大语言模型  

摘要： 针对作战系统的智能化设计问题,提出了基于Agent的人工智能技术概念框架和应用方法。首先,阐述了Agent概念,讨论了在作战系统中研究Agent的重要意义。然后,介绍了基于Agent的人工智能研究框架,列举了Agent在作战系统中的多种应用方式。最后,分析了Agent技术发展趋势及其作战应用可能面临的风险与挑战。

关键词： CA-UHPC   抗压强度   机器学习   可解释性分析   参数分析  

摘要： 为了解决将粗骨料引入超高性能混凝土(UHPC)后混凝土抗压强度预测和配合比设计复杂的问题,本工作提出了一种基于Stacking集成模型融合的粗骨料超高性能混凝土(CA-UHPC)抗压强度预测方法。首先,对通过文献收集到的175组数据进行预处理,随后分别基于随机森林(RF)、支持向量机(SVM)和极端梯度提升树(XGBoost)算法进行贝叶斯超参数优化以及模型的训练与评估。采用均方根误差(RMSE)、平均绝对误差(MAE)、以及决定系数(R^(2))来对比分析不同模型的预测精度。在此基础上建立了基于Stacking融合多种算法的CA-UHPC抗压强度预测模型,并对其进行了泛化性能验证以及可解释性和参数分析。结果表明,与单一机器学习算法相比,基于Stacking集成多种机器学习方法的模型在预测精度上有所提升,且模型与工程实践经验吻合较好,具有较高的合理度和可靠性。此外,通过模型参数分析可知,在进行CA-UHPC制备时,最佳的纤维掺量在2.0%~2.5%之间,最佳的骨料掺量为胶凝材料总量的0.2~0.4倍,增加硅粉用量可有效提高CA-UHPC的抗压强度。本工作的研究成果可为CA-UHPC的配合比设计提供理论支撑。

关键词： 多元时序预测   时空数据库   图神经网络   机器学习   交通预测  

摘要： 交通流量预测是多元时空预测中的典型任务,也是智能交通系统的重要组成部分。然而,现有模型很少关注交通路网中不同道路间的共有模式。主流模型大多基于图神经网络(Graph Neural Network,GNN)实现,而GNN随着层数的增加,会出现过度平滑现象,即邻接图中表征趋于相近。为解决上述问题,提出一个神经常微分存储网络(Neural Ordinary Differential Memory Network,NODEMN),利用模式记忆单元保留时空数据中的显著特征,进行模式匹配,利用神经常微分方程改善了深度训练中出现的过度平滑问题。NODEMN在真实数据集上进行大量实验,结果表明,NODEMN模型相较于基准模型在预测性能上具有显著优势,在3个数据集上的平均百分比误差(Mean Absolute Percentage Error,MAPE)平均降低4.09%、平均绝对误差(Mean Absolute Error,MAE)平均降低3.38%、均方差误差(Root Mean Square Error,RMSE)平均降低2.49%。

关键词： 机器学习   土壤   重金属   理化性质   生物毒性   生态风险评价  

摘要： 以土壤典型重金属镉(Cd),铜(Cu),铅(Pb)和锌(Zn)为研究对象,蚯蚓为土壤模式生物,采用文献法搜集已发表论文中重金属对蚯蚓繁殖的半数有效浓度(EC_(50))与所对应的土壤理化性质数据共113组,分析不同数据间关联性,揭示土壤理化因子对重金属生物毒性的影响规律.利用随机森林(RF),梯度提升决策树(GBDT),极限梯度提升(XGBoost),K近临(KNN)和支持向量机(SVR)5种机器学习算法构建机器学习模型,研选最佳模型并开展我国土壤重金属潜在生态风险阈值预测.结果表明,重金属在不同类型土壤中毒性存在显著差异,重金属对蚯蚓的繁殖毒性强弱趋势表现为Cd>Cu>Pb≈Zn.不同土壤理化性质对重金属生物毒性的影响规律不同,其中土壤pH值是影响重金属Pb和Cd的主要因素,对重金属蚯蚓繁殖毒性变化的贡献率分别为57.2%和69.0%;阳离子交换量和有机质含量则分别是重金属Cu和Zn生物毒性的主要影响因子.从模型拟合优度和预测精度对比分析基于土壤理化因子构建的重金属生物毒性机器预测模型的性能,XGBoost模型对Cd,Cu和Zn的生物毒性预测表现较好,而RF模型对Pb的生物毒性预测更准确,训练集和测试集的R^(2)分别达0.939和0.886.利用研选的重金属生物毒性预测模型开展我国34省土壤中重金属生态风险阈值预测,结果发现不同区域土壤潜在生态风险存在明显差异.研究结果可为基于土壤理化性状的重金属生态毒性和潜在生态风险的准确预测与合理评估提供了新的策略.