关键词： 数据驱动   机器学习   含能材料   性能预测  

摘要： 以数据驱动和人工智能为代表的科技与产业变革正在深刻影响材料科学领域,也为含能材料的创新带来了前所未有的机遇与挑战。机器学习作为一种新兴技术,为含能材料的分子设计与合成提供了全新的研发范式,有望解决效率低下、成本高昂、周期冗长等含能材料研发中长期存在的瓶颈问题。尽管已有部分成功案例被报道,但机器学习在含能分子“设计→筛选→合成→性能验证”全周期研究中的应用,相较于其他新材料领域仍处于相对不成熟的阶段。研究综述了机器学习辅助含能材料开发的研究现状,重点总结了机器学习在含能分子设计、单一性能预测及多性能同步预测中的应用案例。然而,依托机器学习辅助设计合成具有特定性能的含能材料依然充满了挑战。未来应着力推进含能材料数据质量控制与标准化体系的构建、可解释机器学习模型的开发以跨学科交叉融合体系的建立,从而进一步推动高性能含能材料的高效创制。

关键词： 人工智能   精准医疗   医疗大数据   肿瘤研究   肿瘤诊疗  

摘要： 癌症作为全球主要公共卫生问题,其发病率和病死率持续攀升,对人类健康和社会经济构成了沉重负担。尽管近年来肿瘤研究取得显著进展,但肿瘤的异质性、耐药性以及早期筛查和诊疗技术的局限性仍然是亟待解决的核心挑战。在此背景下,人工智能技术凭借其在大数据分析、模式识别和预测建模方面的独特优势,为肿瘤研究开辟了新的路径。通过整合组学、影像及临床等多模态数据,人工智能不仅加速了肿瘤基础机制的研究,还在早期筛查、生物标志物发现及个性化治疗等领域展现了广阔的应用前景,促进了精准医学与肿瘤学的深度融合。本文全面综述了近年来人工智能技术在肿瘤诊疗研究中的应用进展,重点探讨其在多种数据类型及诊疗场景中的实际价值与未来发展方向。

关键词： 乳腺肿瘤   磁共振成像   受体,ErbB-2   人工智能   综述  

摘要： 人表皮生长因子受体2(HER-2)阳性乳腺癌是乳腺癌的一种特殊亚型，其生长速度较快，侵袭性和复发率较高。MRI是诊断和评估该类型乳腺癌的关键方法，常规MRI检查可以观察肿瘤的形态特征及与周围组织的关系；动态对比增强MRI可以反映乳腺病变的动力学特征、血管供应和渗透性；近年来，影像组学和深度学习等人工智能技术在医学影像领域中的广泛应用，为HER-2阳性乳腺癌精准、高效的影像学评估做出重大贡献。本文对多参数MRI在HER-2阳性乳腺癌的应用进展进行综述。

关键词： 人工智能   技术风险   治理体系   算法模型  

摘要： 人工智能技术的发展演进引发了内容生产模式的深刻革新，导致传统内容治理范式的式微和失效。从人工智能技术发展的规律出发，强化其风险治理逻辑，不仅是消除技术发展与风险防范之间张力的科学路径，也是提升人工智能技术价值和可信度的关键步骤。在人工智能技术的演化逻辑中，算法、算据和算力是三个关键的技术层次。依据人工智能技术的演化逻辑，人工智能风险治理的体系化路径得以生成：算法产品是人工智能技术存续衍生的基础单位，需要强化算法模型的可解释性和透明度；算据数据是人工智能技术产业发展演化的核心资源，需要构建安全、规范、共享的算据标准；算力配置是人工智能规模运行的底座保障，需要保障算力的可持续供应和资源的规模化配置。

关键词： 电子结构   量子计算   热力学和统计力学   量子和经典动力学   人工智能  

摘要： 本文总结了在国家自然科学基金委化学部科技活动专项的资助下,由南京大学和陕西理工大学联合举办的“新时代理论与计算化学的挑战和机遇”战略研讨会的学术交流内容.首先,概述了国内外理论与计算化学领域在电子结构方法、量子计算化学、化学热力学和统计力学、量子与经典动力学、人工智能辅助的化学反应研究、人工智能在材料和生物模拟中的应用这六个方向的最新研究进展;其次,介绍了在人工智能和量子计算新时代下理论与计算化学面临的挑战;最后,面向我国重大战略发展需求,凝练了近5～10年的重大关键科学问题.

关键词： 机器学习   催化剂   氧化   性能预测   优化设计  

摘要： 氨基能源催化燃烧技术因高热效率与低污染特性成为清洁能源研究热点，其核心挑战在于高效催化剂的开发。针对传统试错法周期长、成本高的问题，提出数据驱动策略，整合597组氨气转化率与529组氮气选择性数据采用随机森林回归（RFR）、梯度提升决策树（GBDT）及类别型梯度提升（CatBoost）模型进行性能预测。结果表明，RFR模型在双目标预测中综合表现最优，测试集对氨气转化率预测R2=0.912，MAE=0.047，氮气选择性R2=0.918，MAE=0.033。特征重要性分析显示，反应温度对两目标特征影响最大。通过部分依赖图（PDP）解析CuO与CeO2的协同效应，预测在500℃、700℃及900℃下不同比例负载量对应催化氧化性能，实验验证显示预测误差<3%。为机器学习驱动的催化剂设计提供了可借鉴的方法论框架，显著缩短开发周期、降低成本。

关键词： 同步辐射   熔焊   增材制造   熔池   原位表征   数值模拟   人工智能  

摘要： 同步辐射技术凭借其高亮度、高时空分辨率及强穿透性优势，为熔焊与金属增材制造中熔池内部动态信息的实时表征提供了革命性手段。本文系统综述了同步辐射技术在熔池气液界面动态、固液界面演化、金属流动行为、气泡行为等关键领域的应用进展。研究表明，同步辐射技术可突破传统表征手段的时空分辨率与穿透深度限制，揭示熔池内部多物理场耦合机制及缺陷形成规律，为工艺参数优化与数值模型验证提供高精度实验基准。此外，人工智能与同步辐射技术的结合显著提升了数据解析效率。然而，现有技术仍面临时空分辨率不足、多模态协同性有限及全生命周期观测缺失等挑战。未来，随着第四代同步辐射光源的普及、多模态联用技术的开发以及人工智能的深度赋能将推动该技术向全周期、多尺度、高保真方向发展，为熔焊与金属增材制造工艺优化与工业应用提供更强支撑。

关键词： 指标因子   人工智能   多灾种   易发性预测   SBAS-InSAR   斜坡单元  

摘要： 多灾种聚集地区的地质灾害易发性预测应针对各类灾害的自身特点建立指标因子评价体系，生成不同种类地质灾害的易发性预测分区图更有利于地质灾害的风险管理与最终决策。以天津北部蓟州山区为例，针对崩塌、滑坡、泥石流灾害的不同机制，分别制定了2套指标因子评价体系，基于统计-人工智能耦合模型和斜坡单元分别建立了适用于崩滑灾害和泥石流灾害的易发性分区图，分别利用ROC曲线和SBAS-InSAR解译得到的地质灾害隐患点进行预测精度验证。结果显示：基于历史灾害点与栅格单元的易发性预测性能最高可达到0.924和0.911；利用SBAS-InSAR技术解译出过去十年间的崩滑隐患点共55处，泥石流灾害共27处，当考虑斜坡单元获得易发性预测分区图时，落入高易发区的隐患点分别达到了92.7%（崩滑灾害）和100%（泥石流灾害）。上述结果表明将机理与人工智能双驱动模式纳入地质灾害易发性评估符合实际情况，能够为多灾种聚集地区的地质灾害防治与风险管控提供科学参考。

关键词： 人工智能   混合式教学模式   教学改革  

摘要： 随着我国高等教育进入内涵发展和质量提升的关键时期,促进人工智能与教育教学的深度融合,开发高质量的智慧课程将是课程改革和发展的重要方向.为此,基于人工智能技术,创新设计三元主体、三段结合、三学递进的智慧课程“333”混合式教学模式,为混合式教学改革奠定基础.结果表明,“333”混合式教学模式有助于培养学生的综合能力,提高教学效果.

关键词： 滑坡   机器学习   特征筛选   易发性   集成模型  

摘要： 以安徽省历史滑坡与水文地质条件为原始数据，利用5种典型机器学习模型，选取9种环境致灾因子作为初始输入变量，针对机器学习输入变量筛选组合对不同模型的性能影响问题，采用多种因子筛选方法及数种评价指标，考察各筛选组合下每种算法模型对滑坡易发性的预测精度。评价结果显示，全选组与轻量梯度提升机（LightGBM）模型的组合具有最优的性能；在研究区的滑坡易发性研究中，对机器学习输入因子的筛选并不一定对模型的性能提升产生正面影响；集成模型比单评估器模型性能更优，且LightGBM由于采用了基于叶子结点的决策树算法，相较于其他集成算法模型性能有一定的提升。