关键词： 光谱   差分拉曼   蓝色中性笔   机器学习   随机森林  

摘要： 利用差分拉曼光谱结合机器学习技术，对市场上常见的43种不同品牌和型号的蓝色中性笔色料进行分类研究。首先通过差分拉曼光谱法获得样品的拉曼特征峰，并基于差分拉曼光谱，将样本人工分为4大类。随后采用聚类分析和随机森林算法进行分类研究，并与人工分类结果进行对照。结果显示，随机森林建立的分类模型准确率为90.00%。差分拉曼光谱法可快速、无损分析蓝色中性笔色料的成分，结合随机森林算法建立分类模型，可实现快速分类。随机森林模型提高了差分拉曼光谱鉴别未知化合物的效率以及准确度，能够更好地对样品的类别进行分类与预测。

关键词： 核燃料研发   技术创新   加速燃料辐照   人工智能  

摘要： 本文回顾了中国原子能科学研究院（简称原子能院）75年来在核燃料领域取得的成果，结合新时代反应堆工程技术的发展需求，总结了新型核燃料研发面临的挑战。原子能院经过75年的艰苦奋斗，在研究堆燃料、快堆燃料、先进压水堆燃料以及特种动力堆燃料领域取得突破性成果，建立了覆盖设计分析、制备工艺、试验验证和辐照考验及辐照后检验的完整核燃料研发体系。先进核燃料研发面临研发周期长、技术难度大等问题，新质新域反应堆技术的发展也给核燃料研发带来了新的挑战，未来需结合加速燃料辐照、人工智能、增材制造、数字孪生等新技术的应用，进一步突破新型核燃料研发瓶颈。

关键词： 人工智能   政治安全   认知战   中美关系   人类命运共同体  

摘要： 认知战是从认知层面扭曲或摧毁目标群体的思想以达到战略目标的新战法，是AI时代大国竞争的新场域。依靠人工智能和社交媒体平台的先发优势，美国通过开发深度伪造技术编造虚假信息、投放社交机器人与傀儡账号引导舆论、打造社媒平台形塑受众认知、依托情感计算争夺注意力、利用生成式人工智能传输价值偏见等手段，对中国开展了全方位的认知战攻势。美国以理论构建与技术实践对我国网络主权发起双重攻势，以“智能虚无+情绪政治”制造政权认同裂痕，鼓吹“数字威权主义”制造政治制度偏见，以技术赋权的“软性规训”干扰主流意识形态。这给中国包括主权安全、政权安全、政治制度安全和意识形态安全在内的政治安全带来了风险隐患。在应对美国认知战和确保中国政治安全方面，中国需要加强自主媒体平台和数字平台建设，重视政治安全领域议程设置，提升清朗算法能力，不断推动构建人类命运共同体。

关键词： 人工智能   施工安全   建筑施工安全大语言模型   安全隐患智能预警  

摘要： 建筑施工安全是建筑业高质量发展的重要保障，直接关系到人民群众的生命和财产安全，是实现我国国民经济可持续发展、促进社会和谐稳定的基础。大语言模型技术的迅猛发展，不断推动新质生产力的形成和提升，其强大的泛化性、通用性、推理能力和涌现特性为提升施工安全管理提供了前所未有的机遇。针对建筑施工安全行业的数字化转型需求，文章深入分析了大语言模型技术在该领域应用时所面临的独特挑战，并提出了建设性的解决方案。同时，文章还探讨了建筑施工安全大模型的具体应用场景，以期为行业深化数字化转型和智能化升级提供思路和技术参考。

关键词： 档案信息化   史料编研   大数据   人工智能   工作模式重构  

摘要： 档案事业是文化事业的重要组成部分,档案编研开发就是让档案中的信息“活”起来,再现历史,观照现实,启示未来,充分发挥档案存史资政育人作用。档案信息化浪潮深刻重塑了史料编研工作的理念、方法与范式。文章立足档案史料研究员的实践视角,系统剖析档案信息化的内涵及其对史料编研工作的驱动作用与全新要求,指出现阶段工作面临的数据整合、技术应用与模式转型等核心挑战。在此基础上,重点探讨以大数据技术深化史料整理分析、以人工智能赋能史料挖掘解读、以信息化思维重构编研工作模式三大创新路径,旨在推动史料编研工作向智能化、精准化、协同化方向跃升,充分释放历史数据的学术价值与文化价值。

关键词： 医学免疫学   人工智能   教学改革   线上教学   知识图谱  

摘要： 医学免疫学在医学教育中起着桥梁的作用,连接起生命科学与医学领域。文章梳理了生成式人工智能在医学免疫学教学中的应用、成效与局限,提出基于生成式人工智能自然语言处理与大数据的整合能力,培养学生学习自主性、提高学习深度,辅助教师更新总结教学内容,输出精准教学反馈,对学生实现因材施教。同时,该工具还能跨学科整合最新科研热点,将公共数据集转化为教学资源,促进科研与教学联动。此外,生成式人工智能存在信息偏差,需全面审查后采用。教师通过生成式人工智能革新教学模式,培养创新医学人才的潜能,推动医学免疫学教育高质量发展。

关键词： 人工智能   小学语文   个性化阅读   智能辅助  

摘要： 人工智能技术在基础教育中的渗透,使小学语文面临全新变革契机。中高年级阶段是学生语文阅读能力提升的重要时期,个性化阅读教学成为提升学生语文素养的重要途径。AI智能辅助教学工具凭借数据处理、学习分析及资源匹配的优势,为个性化阅读教学开展提供了技术支持。本文立足小学语文中高年级教学实践,围绕AI智能辅助教学运用进行研究,从个性化学习路径设计、动态阅读内容推荐、智能评测反馈机制、师生交互模式优化及学习行为数据分析等方面,探索其在阅读教学中的应用策略。

关键词： SWAT模型   机器学习   磷通量   泥沙削减   白洋淀流域  

摘要： 磷是水生态系统的关键营养素之一，但其过量输入可引起水体富营养化，破坏水生态系统平衡，进而影响水质安全和水生态系统健康。鉴于此，选取白洋淀流域为研究区，通过构建SWAT（Soil and Water Assessment Tool）与LSTM-MLP（Long Short-Term Memory-Multilayer Perceptron）混合模型，模拟白洋淀流域磷通量时空分异规律，识别白洋淀流域磷通量的主要影响因素，预测不同泥沙削减情景下磷通量削减效果。总体而言，SWAT模型模拟结果表明：（1）2019-2023年白洋淀流域年均磷输入量为717.3 t·a-1，单位面积磷负荷为57.6 kg·(km2·a)-1，其中有机磷占比78.8%，且磷通量呈逐年上升趋势，2023年尤为显著；（2）磷通量呈显著季节性变化，汛期（6-9月）负荷占全年磷通量的85.57%(49.28 kg·km-2)，其与降雨量、径流量及泥沙量呈显著正相关（P<0.01）；（3）就不同区域而言，府-漕-瀑河区域(79.3 kg·km-2)和白沟引河区域(66.6 kg·km-2)磷负荷最高，其贡献率分别为32.09%和26.96%。此外，为弥补SWAT模型对非线性时序变化的不足，运用LSTM-MLP混合模型提升磷负荷预测精度，预测结果表明：（1）LSTM-MLP混合模型的NSE>0.9、RMSE<4 kg·km-2，均优于传统LSTM模型(NSE>0.8、RMSE<7 kg·km-2)，能更精确捕捉峰值变化；（2）在模拟不同泥沙削减情景中，白沟引河区域在削减60%泥沙量的情况下，TP负荷削减率为35.29%，显著优于其他区域。本研究通过精准模拟白洋淀流域磷输入通量的时空分异规律，为白洋淀流域水质安全和科学管控提供科学依据和数据支撑。

关键词： 汽车碰撞   行人头部保护   机器学习   发动机罩盖设计  

摘要： 行人安全保护功能的设计是车身结构开发的重要环节，在汽车发动机罩盖的设计与开发过程中，对行人头部碰撞安全性进行评估是不可或缺的环节。传统的评估方法依赖于限元仿真，但往往伴随着庞大的计算量，而数据驱动技术则能够高效地解决这一难题。首先，利用仿真软件构建成人头部模型，并执行多次头部碰撞仿真实验以获取相应的训练数据集；其次，采用不同的深度学习算法进行模型精度对比实验，并最终选定CatBoost模型作为预测模型；再次，采用具体车型进行了行人头部损伤预测的测试，并与有限元结果进行了对比。测试结果表明，该模型展现了优异的预测准确性和泛化能力。

关键词： 人工智能   小学   班级精准管理  

摘要： 随着我国科学技术的不断发展,各类数字化技术开始广泛应用于教育领域中。小学班级管理是当前班主任的重要工作内容,对于提高班级教学质量、提高学生素养等有着极为重要的作用。然而目前,随着教育改革的不断深入,对教师的班级管理提出了新的要求,要求教师在班级管理过程中开展个性化管理、精准化管理,需要教师依托人工智能技术创新管理模式。因此,本研究将结合具体的案例,从人工智能辅助班级管理的意义、当前人工智能辅助班级管理存在的问题、人工智能辅助小学班级管理的措施三个方面出发进行研究,以期为小学班主任提供有效的管理经验,实现学生的全面发展。