关键词： 智能计算系统   人工智能   强化学习   案例驱动   芯片EDA  

摘要： 智能计算系统是一门结合“人工智能+硬件系统”学科方向、面向军民融合等国家重大战略需求场景的层次化课程体系。强化学习作为人工智能方法中的关键一环，有力支撑了智能计算相关知识单元在多样化场景中的应用。面对现有强化学习授课模式中存在的被动式教学、模式化教学、脱节式教学三大痛点，提出一种芯片EDA案例驱动的强化学习教学新模式。以“场景驱动+知识蒸馏+实践创新”三位一体的教学方针为指引，在强化学习教学中融入思政教育元素，响应国家重大战略需求，贯彻落实“总师育人文化”，深度融合强化学习与芯片EDA理论教学，统筹考虑“思维教学”与“知识教学”，以能力培养和项目落实双重导向，完成从理论到实践的转化，实现智能时代拔尖创新“人工智能+系统”类拔尖人才培养。

关键词： 智能养老机器人   人工智能   风险防控   基本权利  

摘要： 全球老龄化背景下，智能养老机器人作为人工智能与老年学融合的创新方案，兼具赋能与风险双重特性。智能算法通过优化服务效率释放人力资源，数字包容设计消弭代际技术壁垒。智能机器人的制度、政策，使得老年人群体不再是消极、被动的“福利接受者”，而是主动、积极的“权利所有者”，但技术利维坦暗藏三重异化——硬件系统故障引发物理安全危机、算法生成的伪共情加速情感异化、数据殖民主义导致主体性消解，而监管滞后与责任真空进一步放大系统性风险。对此，法律层面构建以“老年数字人格权”为核心的权利体系，强化算法透明与数据主权；伦理层面确立技术谦抑原则，防范工具理性越界；社会层面建立协同机制，推动技术标准、文化价值与制度创新的动态适配。

关键词： 非色散红外CO   浓度观测仪器   机器学习   校准   城市高密度组网   温室气体  

摘要： 利用非色散红外CO2浓度观测仪器进行高密度组网观测是准确量化城市CO2排放量和明晰城市大气CO2浓度时空变化精细特征的重要手段。基于一款南京信息工程大学与相关企业联合研发的非色散红外CO2浓度观测仪器,开展了跨季节的外场平行比对实验,明确了环境要素对该仪器的影响。采用机器学习方法结合校准效果评价指标,构建了一套中等观测精度、切实可行的城市高密度组网观测校准方案。研究结果表明:大气温度、大气湿度等是影响非色散红外CO2浓度观测仪器性能的主要环境要素,且这一影响呈现显著的季节差异;基于机器学习方法的校准结果,RF和Lasso回归的校准性能更为稳定;最优训练集时长为7d、零点漂移的维护频率可控制在2个月;当外推比例较高时（大于50%）,采用机器学习和线性回归的混合模型可有效提升校准效果。该研究可为非色散红外CO2浓度观测仪器的校准提供方法参考,从而为城市CO2浓度高密度组网观测提供技术支撑。

关键词： 真实世界研究   机器学习   可解释性分析   骨质疏松症   全杜仲胶囊   优势人群特征  

摘要： 目的：利用大样本真实世界研究（RWS）数据和机器学习算法，精准分析全杜仲胶囊治疗骨质疏松症（OP）的优势人群特征，以期为临床提供科学用药指引。方法：选取2020年至2021年全国162家医院依据医嘱或药品说明书指导服用全杜仲胶囊2个月的OP患者，分析患者的多维临床数据。以治疗结束后1个月访视的疗效结局视觉模拟评分量表（VAS）评分、OP症状量表总分为分级标签，选用XGBoost模型结合SHapley Additive exPlanations(SHAP)算法，计算Shapley值确定特征贡献大小及其影响方向，解析可能的优势人群特征。结果：应用全杜仲胶囊治疗OP时，通过机器学习算法识别出年龄、腰背疼痛症状和血压等因素对疗效优效与非优效分级影响较大；年龄在45～60岁、基线期腰背疼痛症状评分≥6分（中位数）和基线期腰膝酸软无力症状评分≥4分（中位数）3种特征对疗效有正向影响，而基线期血压收缩压≥132 mmHg(1 mmHg≈0.133 kPa)、舒张压≥85 mmHg和体质量指数（BMI）分级达到“超重及肥胖”对疗效有负向影响。结论：通过“RWS-机器学习”双驱动的研究方式明确全杜仲胶囊治疗OP的优势人群主要存在6种特征，而同时具备3种及以上的患者更容易被归类为优效人群，呈现更显著的临床优势。

关键词： 径流   水文模拟   机器学习   LSTM   VMD  

摘要： 为进一步提高日径流预测精度，引入变分模态分解（variational mode decomposition，VMD），结合长短时记忆神经网络（long short-term memory，LSTM）构建了日径流预测模型（VMD-LSTM），旨在通过信号分解与深度学习技术的协同作用，解决径流数据的非线性和非平稳性问题。选取赛江流域七步站和白塔站2006—2018年的实测日径流数据作为训练集，2019—2021年的实测日径流数据作为测试集，验证模型适用性并比较不同时间步长对模型预测精度影响；并对不同时间步长对模型预测精度的影响进行了系统性比较，以确定最优的时间步长参数，从而进一步提升模型的预测效果。结果显示：分解预测模型（variational mode decomposition- long short-term memory model，VMD-LSTM）模型预测精度高，误差小；相比于单一LSTM模型，组合模型预测精度可提高70%，且对于峰值谷值的拟合更精确；最佳时间步长配置因水文状况而异——在15d窗口表现最佳；表明VMD-LSTM模型能有效提高预测精度，为日径流预测提供了一条新的途径。

关键词： 红外光谱   机器学习   塑料   垃圾  

摘要： 随着塑料制品的广泛应用，大量的塑料垃圾造成的环境污染以及资源浪费愈发严重。垃圾中塑料的识别、分类是废塑料再生利用的关键环节，对材质识别分类的准确程度决定了回收塑料的品质。红外光谱技术能够高效、快速、无损地识别塑料，已成为垃圾中塑料材料识别和分类的有效方法。红外光谱与机器学习方法结合建立定性模型，可对垃圾中塑料进行快速判别。本文对红外光谱技术结合机器学习识别垃圾中塑料的应用进行综述，分析了常见的红外光谱结合机器学习算法。展望未来，新的算法有望促进红外光谱在识别垃圾中塑料的应用，满足高效回收垃圾中塑料的需求。

关键词： DeepSeek   人工智能   数据出版   出版垂类大模型   智能出版   数字出版  

摘要： 作为国产大模型技术的里程碑，DeepSeek本身是先进文化在科技创新领域的重要体现，也将成为文化与科技深度融合的重要结合点。DeepSeek的技术创新体现在采用动态优化的混合专家模型、运用多头潜在注意力、多token预测训练目标以及知识蒸馏技术的创新应用等方面，由此形成了强化学习和推理能力显著提升、模型训练优化和成本大幅降低的优势。出版业DeepSeek基础应用场景包括数据驱动知识生产模式涌现、出版业全链路智能化升级以及出版物跨文化传播范式突破三方面，而其核心应用场景则体现为出版垂类模型由理想走向现实和数据出版新业态萌生两个领域。文章认为，DeepSeek将重塑出版业的未来图景，形成从数据驱动到智能革命的发展态势，出版企业应设立首席人工智能官，重塑战略体系和组织形式；加快出版数据建设步伐，形成出版业未来核心竞争力；积累算法储备算力，夯实技术支撑的基石；加强出版场景探索力度，拓展智能知识服务边界；构建数据安全防护体系，化解大模型技术风险。

关键词： 平台   技术措施   人工智能   知识隐私   版权  

摘要： 以DeepSeek为代表的人工智能技术快速迭代赋予了平台全方位、全链条、全时段的监控、分析、预测以及自动控制的能力，极大提升了内容管理与版权保护的效能。然而，在版权优位主义思潮影响下，平台权力扩张现象愈发显著，其通过建构私秩序，实施过度执法，对用户知识隐私造成严重威胁。知识隐私是个体知识探索过程中不被监视或干扰的权利，既是个人自主发展与人格尊严的基础，也是言论自由的条件，兼具隐私权与个人信息权益的双重属性。为有效保障知识隐私权益，应构建知识隐私友好型协同治理框架，通过层级化规则体系制衡平台支配地位；将知识隐私保护理念嵌入技术架构，矫正平台不当支配行为；建立复合型整全式监管机制，对平台实施系统性规制。

关键词： 人工智能   细胞穿透肽   CPP预测   机器学习  

摘要： 细胞穿透肽(Cell penetrating peptides， CPPs)是指能通过直接转运或内吞作用进入细胞的多肽，一般不超过30个氨基酸。CPPs可携带多种活性物质进入细胞，有望成为新型的药物递送载体。传统实验方法获得CPPs具有工作量大、通量低、周期长等问题；随着计算生物学的发展，基于机器学习算法的人工智能模型提高了候选CPPs的预测效率。本文介绍了基于支持向量机、随机森林、极限学习机、极端随机树和其他深度学习的CPPs预测方法，最后探讨了人工智能预测CPPs存在的挑战和对未来的展望。本文旨在为从事CPPs相关研究的学者利用计算生物学工具预测和初步筛选CPPs提供基础和泛化的理论指导。

关键词： 人工智能   人工神经网络   紫外   过碳酸钠   响应面  

摘要： 过碳酸钠（SPC）作为新型氧化剂为高级氧化法废水处理过程提供了新的方案，在特定条件下可以显著提高有机废水的降解效果，而紫外光（UV）的引入可以进一步提升SPC氧化效果。本研究采用紫外-过碳酸钠法（UV-SPC）氧化反应体系处理间甲酚废水，并借助人工智能方法进行工艺优化，利用响应面法（RSM）进行实验设计，考察溶液初始pH、反应时间、间甲酚初始浓度、SPC投加量、催化剂用量和反应温度等因素对TOC去除率的影响。基于RSM实验结果，分别使用了RSM模型和人工神经网络（ANN）模型进行优化，并进行了对比分析，考察2个模型差异，结果显示，ANN模型准确度比RSM模型高50%以上。在ANN模型模拟优化所得最佳反应条件下，实验中TOC去除率为91.48%，明显高于以RSM模型模拟优化所得的最优结果，验证了ANN模型法优异的学习能力和泛化能力。