关键词： 人工智能   骨科机器人   导航辅助  

摘要： 21世纪以来，人工智能（artificial intelligence,AI）、导航辅助、机器人这些名词已经开始取代微创、腔镜，成为外科学领域最前沿、最热门的话题和研究方向[1]。AI的飞速发展重塑了外科手术的传统模式。达芬奇手术机器人作为典型代表，自2000年通过美国食品和药物管理局（FDA）审批后，依靠其精准操作与微创的优势，得到了广泛应用，现已经成为各大型三甲综合性医院的标配[2]。

关键词： 机器学习   随机森林   支持向量机   火灾风险   预测模型   驱动因子  

摘要： 【目的】为准确评估森林火灾风险等级，助力森林巡护、优化应急资源布局、提升防火效能，以沅陵县为研究对象，基于地形、可燃物、气象和人类活动等因素数据，采用机器学习算法构建森林火灾发生预测模型，为森林火灾预防提供科学依据。【方法】综合考虑地形、可燃物、气象和人为活动4类因素，在研究区内提取11个驱动因子，包括高程、坡度、坡向、归一化植被指数、植被类型、降水量、气温、风速、距道路的距离、距居民点的距离和距水系的距离，对影响森林火灾发生的驱动因子进行评估。基于MODIS火灾产品得出研究区域内的历史火点数据，通过机器学习算法构建森林火灾风险预测模型，并采用混淆矩阵评估指标及ROC曲线对模型的预测精度进行综合评价。【结果】距道路的距离和距居民点的距离这2个驱动因素占据的权重相对最大，其他驱动因素也影响着森林火灾的发生。3种模型的ROC曲线表明，随机森林模型具有较好的准确性，准确率达到78.15%，曲线下面积值为0.85，逻辑斯蒂回归预测模型准确度为74.81%，曲线下面积值为0.81；支持向量机预测模型准确度为70.74%，曲线下面积值为0.79。【结论】随机森林模型表现出比逻辑斯蒂回归模型和支持向量机模型更好的预测能力。森林火灾高、极高风险区域在研究区中占比26.62%。森林火灾风险等级图有助于有关部门采取相关预防措施，有效保障森林资源安全。

关键词： 生物燃料   机器学习   数据模型   工艺优化   产率预测  

摘要： 以生物燃料的优化升级和商业化决策为背景，聚焦于机器学习在生物燃料领域中的应用，简单介绍了机器学习的工作原理和基本流程，概括了机器学习的类型，重点讨论了机器学习在原料提质增产、组成表征、特征重要性评估、微生物性能改良、工艺参数优化、产率预测、经济与环保评估等生物燃料制备不同环节中的应用，归纳了机器学习在生物燃料应用中的挑战，最后，指出了机器学习未来在生物燃料领域的研究重点并展望了应用前景。

关键词： 高通量技术   人工智能   第四范式   化学家角色转变   创新领导者  

摘要： 人工智能技术的迅猛发展及自动化技术的应用，在化学研究领域引起了研究范式的变化。以高通量技术提供的海量数据为基础的第四范式型科研逐渐在预测、合成、分析等领域投入应用。数字化虚拟实验、高通量筛选、智能识别分析等新型科研方式的运用与自动化实验室的构建，可以有效降低研究的时间与经济成本，显著提升研究效率。第四范式在化学研究领域的应用，引发了化学家从化学劳工向“创新领导者”角色的进化。本文以化学反应预测、化学合成、分析化学等为例，详细阐述第四范式型科研在化学研究领域的应用模式，分析了在该模式下化学家任务与角色的转变，并对时代背景下高等化学教育中AI赋能的教学改革、新型化学家的培养所面临的挑战等问题进行了思考。

关键词： 温度计   机器学习   单斜辉石   极限随机森林   地质大数据  

摘要： 基性岩浆的温度不仅反映了地幔部分熔融及岩浆演化的物理化学过程，还揭示了地幔-地壳相互作用的机制，是推断板块构造背景及重建地球深部热结构的重要参数。近年来，随着地质大数据和机器学习技术的发展，前人构建了基于机器学习的单斜辉石温度计，突破了基于矿物-熔体平衡构建的温度经验方程的局限性，但大部分精度较差。本文汇编了全球多个实验生成的单斜辉石及对应熔体的主量元素数据共6 537组，开展数据筛选、特征选取、数据划分、数据插补等工作，并采用Gaussian noise重采样以弱化实验温度分布不均衡对模型训练的影响。基于优选的极限随机森林算法，结合5折交叉验证下的特征选择和超参数调优策略，构建了高精度的温度预测模型。该模型在全体训练集上显示出决定系数（R2）=0.935，均方根误差（RMSE）=33.41℃的高拟合优度，预测精度相较于现有最好的温度计提升了2.6℃，并在独立验证集上表现出良好的泛化能力，为基性岩浆演化过程的温度定量解析提供了一种更可靠的工具。

关键词： 智慧水务   供水应急指挥   应急调度   管网模型   人工智能  

摘要： 针对供水企业应急指挥管理中存在信息传递滞后、决策指挥效率低、多部门协同困难等问题，基于智慧水务技术及钉钉平台，构建了智慧供水应急指挥系统。该系统应用全光谱系列多参数在线分析仪结合算法，实现水质全流程监测、报警、预警；管网模型与算法融合实现爆管点位预测、污染扩散模拟、应急调度功能；大模型构建供水应急知识库，辅助制定处置方案。依托钉钉原生功能开发酷应用，实现应急事件响应、沟通会商、辅助决策、任务执行、信息反馈、评估改进应急指挥闭环管理全链条数字化。淄博市水务集团应用实践表明，系统应急指挥能力显著提升。

关键词： 人工智能   后发优势   要素竞争   地缘政治   中国经验  

摘要： 如何破解后发国家在人工智能技术发展浪潮中面临的追赶困境，成为亟待解决的核心议题。本研究创新性构建了要素竞争、技术—经济范式与地缘政治的三维分析框架，结合对《2022年芯片与科学法案》的案例解构，系统阐释了人工智能时代后发优势在从能力嬗变、动力转换、权力演化维度的重构逻辑。进一步地，基于中国Deepseek的成功探索，本研究揭示出后发国家通过非对称竞争战略实现技术生态位跃迁的赶超潜力。研究表明，实施非对称赶超战略、开辟差异化竞争赛道，是后发国家摆脱路径依赖和突破技术封锁的有效方式。本研究不仅拓展了后发优势理论在智能经济时代的解释边界，亦为世界秩序深度调整背景下后发国家的战略选择提供了经验启示与实践参照。

关键词： 未来   人工智能   社会风险   预期治理  

摘要： 人工智能深度嵌入社会生活，催生类型多元、机制复杂、高度不确定的社会风险。经典风险研究进路在解释此类新型风险时力有未逮，有待范式更新。人工智能社会风险深植于未来的不确定性，引入未来社会学视角，构建“未来—风险”整合框架，系统揭示其风险特征及生成机制，有助于为数智时代的风险研究提供一个整体性的新视角，也为风险治理提供指引。面向未来的人工智能社会风险的预期治理框架，强调以战略前瞻思维为基础，以分类治理机制为手段，以多元协同实践为路径，最终通过预期监管文化予以社会保障。将“未来”作为理解人工智能社会风险的基本向度，也为中国风险社会学自主知识体系建设提供新的理论契机与实践方向。

关键词： 人工智能   高校思政课   意识形态   数据治理   场景校准   主体赋能  

摘要： 在人工智能深度赋能教育变革的时代,高校思政课依托技术驱动实现教学革新已成为必然趋势。技术驱动以数据驱动的精准教学、场景重构的沉浸体验、资源整合的协同供给等优势赋能高校思政课教学改革与发展。但技术驱动存在数据异化、场景失真、主体性危机等潜在风险,会导致高校思政课的意识形态引领效能被削弱。由此,构建以价值理性为主导的数据治理机制、场景校准机制、主体赋能机制,可为破解技术赋能与意识形态安全的平衡难题提供理论框架与实践路径,为人工智能赋能高校思政课教学智能化提供理论范式,更在实践中构建了“人机协同、技教融合”的高校思政课教学操作系统,实现技术赋能与价值引领的辩证统一。

关键词： 急性胰腺炎   机器学习   严重程度   预测模型  

摘要： 目的 利用机器学习算法探索急性胰腺炎严重程度的风险因素。方法 回顾性收集2022年10月至2024年2月期间在郑州大学第二附属医院住院治疗的262例急性胰腺炎患者的临床资料，根据修订版亚特兰大分类标准，将其分为轻症组（n=146）和非轻症组（n=116）。使用LASSO回归筛选出发生非轻症急性胰腺炎的预测因子，纳入极端梯度提升、随机森林、逻辑回归、决策树、支持向量机与K-近邻这6种机器学习算法构建预测模型；比较所建立模型的曲线下面积（area under the curve,AUC）、灵敏度、特异度、准确度、F1分数、校准曲线、决策曲线分析，对模型的性能进行评价。结果 通过LASSO回归分析筛选出心率、白细胞计数、中性粒细胞、C反应蛋白、白蛋白、钙离子6个特征变量来训练和测试机器学习模型。结果显示极端梯度提升模型在测试集中的AUC值最高，为0.93，故选择其作为最优模型。该模型的灵敏度、特异度、准确度、Brier分数、F1分数分别为0.97、0.70、0.85、0.108、0.84。结论 使用极端梯度提升开发的预测模型具有较高的临床实用价值，有助于早期预测急性胰腺炎严重程度，对指导临床决策具有重要价值。