关键词： 免疫学   教学   人工智能   基于人工智能的教学   基于人工智能的学习   基于人工智能的管理  

摘要： 在人工智能（artificial intelligence， AI）飞速发展的时代背景下，教育模式与人才培养体系正经历着深刻的变革。基于AI的教学（AI-based teaching， AIBT）是以AI赋能教学过程，为教师提供多元化的教学支持；基于AI的学习（AI-based learning， AIBL）是以AI助力学习过程，为学生提供个性化学习的技术通道；基于AI的管理（AI-based management， AIBM）是以AI辅助管理，为组织教学提供可视化的数据支持。本文系统提出了AIBT、AIBL和AIBM，并以免疫学教学为例，深入剖析了AI对教学改革的深远影响，以推动教育变革创新。

关键词： O   空气污染物   模糊C均值聚类   随机森林   机器学习  

摘要： 近地面O3是光化学污染的主要成分之一，对于人体健康以及生态系统具有较大危害。为了准确预测上海市O3浓度的变化情况，本研究基于上海市2014—2020年6种空气污染物浓度的监测数据以及同期的天气预报数据，提出了一种经模糊C均值聚类算法优化的随机森林O3浓度预测模型。首先利用互相关分析的方法筛选出两个聚类因子，随后利用模糊C均值聚类算法将O3浓度分为三种类型，最后利用随机森林建立O3浓度预测模型，对比聚类前后的预测效果。研究结果表明，前1日的O3浓度和PM10浓度对预测日的O3浓度影响最大，且O3浓度变化受月份的影响明显。经模糊C均值聚类之后，O3＿8h浓度预测结果的平均绝对误差和均方根误差分别减小了10.5％和8.8％。随机森林提升了O3浓度的预测效果，且聚类后模型的决定系数R2增加，说明该模型对上海市O3污染预测具有较高的实际应用价值。

关键词： 伪随机数生成   生成对抗网络   长短时记忆   可分离自注意力机制   人工智能  

摘要： 针对生成对抗网络(GAN)生成伪随机数质量不高和生成速度较慢的问题，提出了一种基于长短时记忆(LSTM)和可分离自注意力机制的WGAN-GP(LSA-WGAN-GP)模型。LSA-WGAN-GP模型通过将数据从一维扩展为二维，改进数据表示方式，以提取更层次的特征。创新性地提出了LSA(LSTM and separable Self-Attention)模块，融合LSTM和可分离自注意力机制，显著提升了伪随机数的不可回溯性和不可预测性。此外，通过精简网络结构有效减少了模型参数量，并提高了生成速度。实验结果表明，LSA-WGAN-GP生成的伪随机数可以100%通过美国国家标准与技术研究院(NIST)测试；与WGANGP(Wasserstein GAN with Gradient Penalty)和GAN相比，在频率和全局通用测试项的P值和通过率上均有提升；同时，在伪随机数生成速度上，LSA-WGAN-GP比WGAN-GP、GAN分别提升了164%和976%。LSA-WGAN-GP在保证生成伪随机数质量的同时，减少了模型的参数量，提高了生成伪随机数的速度。

关键词： 开放同行评议   开放科学   评审质量   机器学习  

摘要： 本研究以ICLR会议的开放同行评议数据为研究对象，旨在探讨专家评审行为与评审质量之间的关系。首先，本研究构建BERT模型实现对评审意见的自动分类，从而得到评审意见的建设性得分。其次，通过描述性统计、斯皮尔曼相关性分析和U检验等方法分析专家自信度、不同的评审模式对评审质量的影响。研究结果表明：在开放同行评议背景下，大多数评审意见都具有高度建设性的特征，但这一特征在不同类型的论文中存在差异。与单盲评审模式相比，双盲评审模式下的评审意见更具建设性；相对于高自信度评审专家，低自信度专家提供的评审意见质量较低。然而，在许多低分论文中，评审专家未能提供具有建设性的评审意见。本研究从多维度视角分析专家评审行为与评审质量之间的关系，为改进同行评议模式和提升评审质量提供了参考建议。

关键词： 人工智能   深度学习   氧化锌压敏电阻   时间Kolmogorov-Arnold变压器  

摘要： 【目的】 氧化锌压敏电阻在工作运行中遭遇雷电会导致器件的老化劣化和冲击破坏等情况发生，引发泄漏电流增加、温度升高等现象。针对上述问题，通过多脉冲测试分析了雷击对氧化锌压敏电阻的危害，并使用深度学习模型预测其状态变化，以准确预测其在雷击影响下的工作状态。【方法】 首先，使用多脉冲测试平台对氧化锌压敏电阻进行了脉冲测试，并分析了多脉冲下的漏电流；其次，基于雷电冲击试验，建立了氧化锌压敏电阻漏电流的数据集，并利用时间Kolmogorov-Arnold变压器模型预测了脉冲下漏电流的变化；最后，将实验结果与其他基准模型的结果进行比较，并使用多个测试集验证模型的准确性和稳定性。【结果】 仿真实验表明：时间Kolmogorov-Arnold变压器模型能够有效预测氧化锌压敏电阻的状态变化，且使用麻雀算法优化时间Kolmogorov-Arnold变压器得到的评估指标均方误差为0.324，平均绝对误差为0.352，R2决定系数为0.913。【结论】 时间Kolmogorov-Arnold变压器模型优于长短期记忆神经网络、双向长短期记忆神经网络、时序卷积神经网络和门控神经网络模型。并且麻雀算法优化时间Kolmogorov-Arnold变压器（SSA-TKAT）在氧化锌压敏电阻的状态预测中表现出更强的预测性，可以帮助利益相关者做出更明智的决策。

关键词： 气动设计   智能设计   数据驱动   知识驱动   人工智能  

摘要： 随着高性能计算和人工智能技术的迅猛发展，数据驱动的人工智能模型在民机气动设计领域得到了广泛研究，尤其在气动设计空间压缩、关键特征提取、流场预测和智能优化设计等方面展现出强大的技术潜力。然而，纯数据驱动模型在工程设计中的应用仍然面临诸多挑战，包括领域数据稀缺及高获取成本，以及模型在可靠性、通用性、可解释性和易用性方面的不足等。将物理知识与气动设计经验有机融合到模型开发中，成为解决上述挑战的关键路径，为推动该领域的技术进步提供了重要方向。本文从民机工程设计角度出发，结合智能气动设计的相关实践，回顾了数据与知识联合驱动的人工智能模型在知识嵌入、知识修正及知识挖掘三个方面的最新理论和进展，探讨了数据与知识联合驱动方法在民机气动设计领域的研究现状及应用潜力，并展望了智能气动设计新范式的未来。

关键词： 肺动脉栓塞   CT肺血管成像   人工智能   肺栓塞指数  

摘要： 目的 验证基于CT肺血管成像（computed tomography pulmonary angiography， CTPA）的肺栓塞人工智能识别系统（PE-AI）的诊断效能及危险分层能力，分析其在实际临床工作中的诊断价值。方法 收集我院2023-1-1至2023-10-10疑似PE患者行CTPA检查病例416例。采用双盲法由2名低年资影像医师与PE-AI分别对收集病例进行栓子检出和诊断，并分别记录诊断时间；以3名高年资影像医师结合临床随访结局做为本研究的金标准，评价AI、人工与PE-AI的诊断效能，并绘制受试者操作曲线（receiver operating characteristic curve， ROC），使用Delong-t检验进行比较。肺栓塞确诊病例分别收集AI及人工计算的肺栓塞指数（pulmonary artery obstruction index， PAOI），并进行一致性分析。结果 PE-AI、人工及联合诊断的曲线下面积AUC（area under curve，AUC）分别为85.6%、90.8%和95.1%，三组AUC之间差异具有统计学意义（P<0.05）；PE-AI的读片时间[(0.16±0.07)min]明显低于人工[(4.42±1.85)min，P<0.001]及联合诊断[(4.58±1.84)min，P<0.001]。肺动脉栓塞确诊病例亚组分析中，PE-AI与人工测得的PAOI具有较高的一致性（intraclass correlation efficient， ICC =0.80）。结论 AI可以在短时间内快速识别肺动脉栓子，辅助放射科医生提高诊断效率；同时通过对肺动脉肺栓塞指数的智能检测，有助于肺栓塞患者的危险分层，优化诊疗流程。

关键词： 人工智能   食品安全   知识图谱   大语言模型   智能问答  

摘要： 食品安全对人们的生活至关重要，公众对可靠有效信息的需求日益增强。然而，现有智能问答系统在处理食品安全相关问题时面临诸多挑战，包括知识推理、信息召回率以及问答泛化能力等不足。为此，本文提出一种基于大语言模型（Large Language Model， LLM）的创新性食品知识图谱智能感知问答系统。该系统通过大语言模型改善传统问题模板匹配方法的不足，结合文本向量库与知识图谱，并在知识图谱检索过程中引入高维向量语义检索技术，以显著提升知识图谱的检索召回率。试验结果表明，该系统在知识检索的准确性和效率方面均有显著提升，用户的使用体验得到明显改善。综上所述，所提出的食品知识图谱智能感知问答系统，不仅有效解决了现有系统的多项不足，还为食品安全领域的信息获取提供了高效、准确的方式，促进了社会治理的透明性和公众信任，具有广泛的应用前景与重要的社会价值。

关键词： 衰老相关基因   生物信息学分析   老年慢性疾病   机器学习算法  

摘要： 目的 通过生物信息学分析、机器学习算法和分子对接等方法和技术探讨非酒精性脂肪肝（NAFLD）、2型糖尿病（T2DM）和动脉粥样硬化（AS）3种常见慢病和衰老基因相关的共有机制和潜在治疗药物。方法 从AgingAtlas、CellAge、GenAge和MSigDB等数据库中收集和整理与衰老相关的基因。将从CTD、DisGeNET、GeneCards、OMIM、PharmGKB和TTD等数据库中获得与NAFLD、T2DM、AS相关的基因和基于GEO差异基因分析得到的基因集取交集后，得到这3种常见慢性疾病的相关疾病基因集。利用clusterProfiler包对衰老基因集、3种疾病相关基因集进行KEGG通路富集分析并取交集。将筛选得到的KEGG通路上的富集基因合并后，导入STRING数据库并构建PPI网络，利用MCODE工具分析得到PPI网络中的核心子模块，计算其中每个节点、模块的重要值Nim和Cim。同时，采用Lasso回归模型、Boruta算法以及随机森林模型等3种机器学习模型进行特征基因筛选。利用HIT2.0数据库查找关键特征基因相关的靶向中药小分子。利用SwissADME和ADMETlab3.0在线系统对小分子进行ADMET评价和分析。利用分子对接方法对关键作用靶点和筛选到的小分子进行对接。结果 总共获得1325、616、78、597个与衰老、NAFLD、T2DM、AS相关的基因。衰老和3种疾病的KEGG通路富集分析结果取交集后得到2条共有交集通路，共包含243个基因。构建PPI网络，3个核心子模块中Cluster2的Cim值最高。根据特征基因筛选结果，结合PPI网络模块分析结果，找到4个与衰老相关的特征基因：CDK6、CDKN1A、MYC、PTEN。这4个靶点具有94个潜在中药小分子候选药物，其中，白藜芦醇（resveratrol）是这4个靶点共有的中药小分子。ADMET评价显示，其具有良好的成药性。PTEN靶点具有较高的Nim值，白藜芦醇与PTEN进行分子对接，显示有较好的结合稳定性。结论 从衰老的角度来看，发现了一种潜在的中药小分子白藜芦醇，它可能通过调节关键基因PTEN来预防和治疗NAFLD、T2DM和AS这三种常见的慢性疾病。

关键词： 激光诱导击穿光谱(LIBS)   稻米碾磨程度   产地鉴别   XGBoost   特征提取   机器学习  

摘要： 【目的】稻米经碾磨加工改善感官品质，但碾磨过程会导致与原产地相关信息特征被掩盖，增加稻米产地辨识难度。激光诱导击穿光谱（Laser-Induced Breakdown Spectroscopy，LIBS）通过全光学方法感知稻米元素组成信息，具备稻米产地快速、绿色鉴别潜力。本工作在采集不同碾磨程度稻米样品LIBS光谱基础上，结合随机森林（Random Forest，RF）、逻辑回归（Logistic Regression，LR）机器学习算法，分析碾磨程度对LIBS鉴别稻米产地准确度的影响。【方法】收集江西省内11处产地稻米，经微、轻度、中度、重度4级碾磨，再压片处理形成LIBS分析样品。对比稻米样品LIBS光谱随碾磨程度的变化，评估采用全光谱数据、极限梯度提升（eXtreme Gradient Boosting，XGBoost）提取特征光谱时，RF、LR模型在稻米产地鉴别方面的准确度。【结果】试验表明，随着碾磨程度的提高，稻米内部矿质元素信息发生变化，LIBS可检测到的稻米成分信息减少，进而对稻米产地鉴别准确度造成一定影响。全光谱数据输入时，LR模型的平均鉴别准确率为 89.97%，而经XGBoost特征提取后平均鉴别准确率提升至 94.85%；RF模型的鉴别准确率自 85.11% 提升至 94.31%，说明XGBoost特征提取能够显著增强模型鉴别性能。此外，经光谱特征变量选择后，RF模型微、轻度、中度、重度碾磨鉴别准确率分别为97.64%、93.88%、93.15%、92.55%；LR模型分别为97.76%、94.79%、94.48%、92.36%，相较于RF模型，LR模型体现出更优的鉴别性能。【结论】本工作说明LIBS方法结合机器学习算法对不同碾磨程度下稻米产地均具有鉴别能力，且研磨程度越低，鉴别准确率越高。