关键词： 人工智能   人力资本   经济增长   认知能力   非认知能力  

摘要： 在科技迅猛发展的背景下，人工智能作为新质生产力的典型代表，正以惊人的速度重塑全球经济格局。本文从人力资本视角出发，深入剖析人工智能对经济增长的影响及其与人力资本的复杂关系。研究发现，人工智能在知识积累、认知能力和创造性等方面展现出对人力资本强大的替代作用。以ChatGPT、DeepSeek等为代表的生成式人工智能可快速处理海量知识，在文字、图片、视频生成、信息整合等工作中表现卓越，部分取代了人类的智力劳动。同时，人工智能与人力资本的非认知能力，如社交能力、团队精神和共情力等，呈现出显著的互补效应。从经济增长机制来看，人工智能通过资本深化和技术进步两大路径推动经济增长。一方面，人工智能的广泛应用加速了机器取代劳动的进程，推动了资本深化，改变了资本与劳动在经济产出中的贡献份额；另一方面，人工智能凭借其强大的计算和搜索能力，突破了“知识负担”对技术进步的限制，促进了新知识的发现和创造。研究表明，人工智能时代人力资本投资重点和培养方式正在发生方向性变革，未来应更加注重非认知能力的培养，借助人工智能辅助提升认知能力，实现人机协同的高效发展模式。

关键词： 极薄带   表面粗糙度   机器学习模型   转印机理模型   遗传算法   粒子群优化   张力轧制   机理耦合数据模型  

摘要： 随着电子信息技术的快速发展，极薄带综合性能面临更高要求，尤其是不锈钢极薄带的表面形貌控制成为关键技术难点。针对这一问题，基于十二辊精密极薄带轧机，采用磨削、喷砂和抛光3种典型表面处理的轧辊，对厚度为0.08 mm的 304不锈钢极薄带开展单道次轧制试验，构建了适用于极薄带的表面粗糙度转印机理模型（roughness transfer mechanism model， RTM）。通过遗传算法对机理模型中的关键参数进行优化，系统揭示了压下率、张力、轧辊粗糙度以及原始带材粗糙度对轧制过程中表面粗糙度的影响规律。进一步将机理模型与机器学习方法深度融合，提出一种轧制转印机理约束的表面粗糙度预测模型，通过提取机理模型预测值与实际值的偏差作为机器学习输入，利用其非线性拟合能力捕捉传统机理模型未能解释到的复杂非线性特征，最终通过偏差修正实现表面粗糙度的精准预测。试验结果表明，该融合模型充分发挥了2类模型优势，以算数平均粗糙度Ra为例，最优模型的预测准确率达到95.08%，相关系数达到0.9347，并最终在工业现场采集数据进行验证，预测精度依旧可以保持在90%以上。该模型兼具机器学习的高效预测性能与轧制转印机理的物理可解释性，为极薄带表面质量控制提供了新的方向，对深入探究表面粗糙度形成机理与极薄带的工艺参数优化具有重要工程意义。

关键词： 道路工程   粗集料棱角性   三维激光扫描   数字图像处理   抗滑性能   机器学习  

摘要： 为分析沥青路面粗集料棱角性的衰变规律及其与抗滑性能的关联，分别通过二维数字图像处理和三维激光扫描技术对现场芯样回收的表面层粗集料和室内洛杉矶磨耗的粗集料进行检测，获取其二维图像和三维数字模型后对集料棱角性进行量化分析；使用动态摩擦系数仪对路面抗滑性能进行测试。采用二维棱角性评价指标凸度P、轴度AS和圆度R和三维棱角性评价指标针度ND、片度CS、球度DS和形状因子SF评价棱角性，分析其变化规律并优选棱角性评价指标，并结合微观纹理指标构建路面抗滑性能预测模型。研究表明，由于集料的放置形式对二维成像影响显著，故二维棱角性评价指标不适用于评价其衰变规律，而三维棱角性评价方法能较好表征集料形态变化特征，且选用三维棱角性评价指标球度DS和形状因子SF构建的路面抗滑性能预测模型精度高达80%。

关键词： 混杂纤维   破坏形态   抗冲击性能   高韧性水泥基材料   损伤演化方程   机器学习  

摘要： 为了进一步提高工程水泥基复合材料(engineered cementitious composite，ECC)抗冲击性能，本文通过落锤冲击试验研究不同弹性模量、长度的非金属纤维和钢纤维(steel fiber，SF)增强ECC的抗冲击性能. 结果表明，ECC的破坏冲击次数随着纤维模量和纤维长度的增加而增加，在相同非金属纤维体积率下，长度12mm 聚乙烯(polyethylene，PE)纤维增强ECC的破坏冲击次数分别是长度12mm玻璃纤维(glass fiber，GF)、36mm玻璃纤维增强ECC破坏冲击次数的2.92倍、1.43倍. 无纤维增强ECC的破坏模式为碎裂成几块，而混杂纤维增强ECC只在冲击部位发生局部冲切破坏，试件保持较好的完整性. 建立基于双参数威布尔分布的冲击损伤演化方程和寿命预测模型. 对比机器学习方法K近邻算法(k-nearest neighbors，KNN)、粒子群优化随机森林算法(particle swarm optimization random forest，PSO-RF)、粒子群优化K近邻算法(particle swarm optimization k-nearest neighbors，PSO-KNN)与传统拟合模型的预测精度，PSO-KNN模型具有最好的拟合效果. 研究结果将为工程应用甄选纤维和利用机器学习方法预测ECC抗冲击性能提供参考.

关键词： 距腓前韧带损伤   筋骨通络颗粒   Delta影像组学   机器学习   临床疗效  

摘要： 筋骨通络颗粒治疗急性外踝韧带损伤疗效显著，然而其临床疗效精准评估存在困难，故基于Delta影像组学，建立筋骨通络颗粒治疗急性外踝韧带损伤的机器学习疗效预测模型。该研究纳入经保护、适当负重、冰敷、加压包扎、抬高患肢（POLICE）原则联合筋骨通络颗粒外用治疗2周的急性距腓前韧带损伤患者107例，根据美国足踝协会评分情况分为疗效优良组（71例）和疗效欠佳组（36例），并按7∶3分为训练集、验证集。提取并筛选治疗前后横轴位踝关节磁共振成像中与距腓前韧带损伤高度相关的影像组学特征。采用轻量级梯度提升机（LightGBM）机器学习分类器，分别构建治疗前、后以及Delta影像组学模型。通过受试者工作特征曲线下面积（AUC）、决策曲线分析（DCA）和校准曲线，对各模型的临床实用性与预测效能进行评估。共获取到1 197个影像组学特征，经过特征筛选和降维，分别保留治疗前、后以及Delta影像组学特征4、13和8个，采用LightGBM建立机器学习模型。基于Delta影像特征建立的LightGBM模型预测效能最佳，在训练集和验证集的AUC分别为0.917（95%CI[0.856，0.979]）、0.863（95%CI[0.729，0.998]），且DCA、校准曲线均显示预测效能良好。基于Delta影像组学建立的LightGBM机器学习模型，对预测筋骨通络颗粒治疗急性距腓前韧带损伤的修复疗效具有良好效能。

关键词： 非常规油气藏   水力压裂   人工智能   应用前景   展望  

摘要： 以大数据、大模型和大算力为核心的人工智能技术发展日新月异，目前正在世界范围内兴起新一轮研究与应用的热潮。世界各国争相制定人工智能发展规划及规章制度，以期在经济、社会、军事及科技等领域抢占制高点。相对而言，油气领域尤其是水力压裂方面的人工智能研究基础薄弱，应用场景有限，且呈现出碎片化特征。为了加速水力压裂技术与装备的智能化水平，提高压裂作业时效、压后产量与EUR （估算的最终采收率），有必要开展人工智能在水力压裂中的应用前景分析。通过对比分析国内外人工智能技术的发展现状，结合水力压裂的技术需求和目标导向，研究展望了相应的应用场景和发展方向。包括多模态数据的清洗和治理、无监督和有监督的机器学习和多任务、可解释性深度学习算法、基于知识嵌入融合人工智能的双驱动模型，以及相关的智能流体、智能工具等。研究表明，未来水力压裂将是由多参数智能动态优化、施工工况智能识别及预警、多源裂缝监测、智能压裂装备、智能井下工具、智能压裂工作液与材料，以及压裂智能调控等构成的智能压裂闭环优化与控制系统。结论认为，各个子系统的研究过程中，必须突出技术迭代及参数优化升级，并通过不同应用场景的实践检验和循环反馈机制，实现水力压裂全流程、全生命周期的全面智能化。这对非常规油气藏开发的提速、提效、降本，早日实现中国页岩油气革命目标，具有重要的理论和实践意义。

关键词： 机器学习   电子哈密顿量   神经网络   量子化学计算  

摘要： 电子哈密顿量的机器学习为高效的量子化学计算提供了新途径,近年来得到了快速的发展.本文系统总结了机器学习哈密顿量的理论框架与技术路线,重点分析核岭回归、前馈神经网络和图神经网络等相关方法的特点及其适用场景.特别地,基于对称性约束的等变图神经网络显著提升了哈密顿量预测的物理一致性,而高质量的公共数据库和差值学习策略有效缓解了高精度数据稀缺问题.然而,强关联体系的可解释性建模、复杂对称性的精确保持和大体系的高效预测仍然是当前亟待突破的挑战.本文围绕网络架构、特征构造、数据集构建和损失函数设计展开详细讨论,为未来机器学习在电子哈密顿量研究中的进一步发展提供新的思考和展望.

关键词： 一维光子晶体   光学布洛赫表面波   无标记生物传感   灵敏度   品质因子   人工智能  

摘要： 本文系统地综述了一维光子晶体对称性破缺诱导的光学布洛赫表面波的物理机制及其在光学传感领域的应用，并展望了人工智能驱动的未来协同设计范式。通过表面截断打破一维光子晶体的平移对称性，可在光子禁带内形成局域化表面态，激发具有亚波长约束特性的光学布洛赫表面波。该模式通过界面倏逝场效应实现超过传统衍射极限的电磁场增强，显著提升表面能量密度与光-物质相互作用效率。基于转移矩阵法与光子能带理论，本文解析了光学布洛赫表面波的色散特性与局域场增强的内在关联，并通过严格耦合波分析法与有限元仿真法验证了理论模型。在此基础上，构建了光学布洛赫表面波无标记生物传感器的普适性设计框架，量化评估其关键性能指标：品质因子、灵敏度及检测极限；进一步探讨了光学布洛赫表面波在非线性光学增强、微纳光子操控、高Q值微腔激光及片上互联器件等领域的突破性进展。最后，对基于光学布洛赫表面波的生物传感器性能优化结合人工智能的使用提出了前瞻性展望，以期为下一代光子传感系统提供理论范式与技术路径。

关键词： 法医学   人工智能   交叉研究   应用挑战   模型架构  

摘要： 本文旨在检索和综述人工智能（artificial intelligence, AI）在公安刑事技术法医病理领域的相关研究及应用，重点关注公安法医实践中常见的组织病理诊断、死亡原因与死亡时间推断、损伤识别、血迹分析等关键技术难点。通过梳理国内外法医病理检验鉴定与AI的结合点，推动相关研究成果在公安法医实践中的应用，为公安新质战斗力的形成与法医工作智能化水平的提升赋能。

关键词： 变压器   数字孪生   人工智能   机器学习   CAPSO-BP   温度预测  

摘要： 变压器热点温度对电网系统的可靠性和稳定性有着直接影响，针对传统变压器管理模式复杂和变压器热点温度预测方法中存在的成本约束、计算效率和计算误差等问题，该文提出了基于数字孪生和人工智能机器学习的变压器热点温度预测预警模型。首先，搭建数字孪生变压器系统六维模型，实现系统数据共通、多源融合、虚实交互等功能；其次，构建可承载人工智能机器学习的感知互动驱动数字孪生系统，采取改进的粒子群算法对BP神经网络的权值和阈值进行优化，加快了算法的收敛速度，建立基于CAPSO-BP的变压器绕组热点温度预测模型；最后，利用变压器现场检测数据在虚拟引擎平台进行仿真，实现了系统的各功能开发应用并验证了该文模型的可行性和有效性，为数字孪生变压器系统由数字化向智能化转型提供了研究方法和理论依据。