关键词： 人工智能   二氧化碳电催化还原   碳中和   催化剂筛选   电解液优化   反应机理研究   实验方案设计  

摘要： 在全球人工智能技术飞速发展的大背景下，高校应如何应对时代命题，将传统科学研究与人工智能结合起来，快速拓展工科研究生的视野，激发其创新思维，提高创新产出效率，为国家和社会培育出复合型人才，是目前高校教育所面临的重大挑战。鉴于此，本文以双碳目标背景下的二氧化碳电催化还原为例，阐述科学研究融合人工智能提高科研产出和准确性的重要性，总结了人工智能(AI)计算帮助筛选和预测高性能催化剂，帮助研究者深入理解复杂反应机理，优化电解液和设计实验方案等应用，促进了多学科交叉融合，为高校工科研究生实验入门提供参考。

关键词： 互联网接口   人工智能   网络社会   权力   自主性  

摘要： 在本次专访中,著名社会学家曼纽尔·卡斯特教授以“互联网接口”(internet interface)为分析框架,剖析了从搜索引擎到社交媒体,再到人工智能代理(AI agents)的三个发展阶段,及其如何逐步压缩用户自主性,强化算法与数据库背后的“接口权力”(interface power)。卡斯特指出,随着人机交互从“自主探索”转向“被动接收”,权力愈发集中于掌握核心算法与数据源的少数组织。在此基础上,卡斯特深入讨论了AI接口所引发的地缘政治博弈及数字主权挑战,并呼吁建立以联合国为平台的全球监管框架和开源“竞合”(coopetition)机制,以降低算法不透明带来的心智操纵风险,维护文化多样性与社会公平。他还结合其“流动空间”与“地方空间”的经典理论,以及在西班牙担任大学部长的实践经验,强调在未来数字社会中,技术治理必须以人的自主与公共利益为核心。

关键词： 海岸带   地质   灾害链   破坏机制   一体化监测   人工智能  

摘要： 海岸带地区资源丰富、经济发达、人口密集，受气候环境变化、人类活动等的共同影响，区域性地质灾害易发且分布广泛，尤其是单一灾害持续演变而触发形成的链式灾害，对确保海岸稳定和沿海城市安全带来较大威胁。本文综合分析了全球海岸带地区面临的典型地质灾害如海岸侵蚀、浅层气活动、近海海底滑坡的研究现状，全面梳理了其概念内涵、灾害分布、破坏机理与防治措施，总结归纳了地质灾害研究的主要监测技术、力学理论、物理模型和数值模拟方法，并梳理了各自的适用条件和发展瓶颈。研究发现，海岸侵蚀、浅层气活动、近海海底滑坡多发生于同一区域，具有同源链和因果链的相关性，即海岸带持续侵蚀可以引起浅层气的泄漏或者直接导致海底滑坡，而地质层内的浅层气大量泄漏又可能触发海底滑坡。为防治海岸带地区的地质灾害链，及时“阻源断链”，本文提出了海岸带地区地质灾害监测预警的发展策略，建议在人口密集的海岸带地区构建“空天地海”多维一体化监测系统，开展大数据与数值模拟的机理研判，结合人工智能提升灾害链预警预报能力，以期为海岸带地区城市安全和地质灾害源头治理提供参考。

关键词： 城市交通   非线性影响   机器学习   换乘出行   主观感知  

摘要： 为探究建成环境因素对共享单车和地铁换乘出行的非线性影响，本文基于上海市共享单车数据，建立换乘识别缓冲区提取因变量，并从客观建成环境和主观感知两个方面提取自变量指标，构建XGBoost模型分析建成环境因素与换乘出行之间的非线性作用关系。研究结果表明，人口密度、到市中心的距离以及安全度对共享单车和地铁的换乘行为具有较为显著的影响，重要性占比分别为25.0%、13.4%和9.8%。此外，建成环境因素对共享单车和地铁换乘出行均呈现出非线性影响和阈值效应，且不同变量的作用机制存在差异。人口密度和安全度对换乘出行的影响呈现正反馈特征；到市中心的距离对换乘出行的影响呈现负反馈特征。本文为优化城市交通规划和提升共享单车与地铁的协同服务提供科学参考。

关键词： 地平线报告   高等教育教学   人工智能   生成式人工智能   教育数字化转型  

摘要： 美国高等教育信息化协会（EDUCAUSE）《2025年地平线报告（教学版）》描绘了塑造未来高等教育教学的十五种宏观趋势，详述了人工智能工具的教学应用、教师生成式人工智能能力发展、人工智能治理、网络安全强化、教学实践范式演进及批判性数字素养培育六项关键技术实践，预测了高等教育增长、约束、崩溃和转型四种未来发展图景。研究提出，中国高等教育应完善人工智能协同治理机制，强化数据安全监管与算法伦理审查，确保技术应用的合规与公平；创建人智协同教育新生态，重构高等教育教学模式与范式，坚守育人本质；优化职业需求导向的课程体系，培养具备综合能力的创新型新质人才，适应未来社会发展；提升教师生成式人工智能素养，强化数智技术赋能高等教育教学的深度与广度，引领教育数字化转型。

关键词： 高等教育   化学教学模式   人工智能   智能化教学   人才培养  

摘要： 随着人工智能(AI)技术的迅速崛起，传统教育模式的弊端有望得到解决。本文基于当前高校化学教育现状，详细分析了传统大学化学教学存在的不足及原因，并结合AI技术的优势，从AI赋能化学教学的角度提出了相应的举措，希望有效地推动大学化学教学方法改革，提高高校化学学科教育质量。

关键词： “金课”建设   “两性一度”   知识图谱   人工智能   教学范式  

摘要： 打造“金课”，推进“两性一度”，深化课程改革，是当前和今后一个时期内我国本科教育教学改革的聚焦点。与此同时，在人工智能技术强大的赋能效应下，数智化教育成为未来教育发展的趋势。文章在剖析当前高校“金课”建设面临的困境的基础上，重构教学范式，通过将知识图谱的构建思想和方法融入高校课程改革，构建了教与学“双螺旋演进”的新模式；同时，以知识图谱作为技术支持，探索“人工智能+”在智慧教育中的新应用场景，助力“两性一度”在高校课程建设与改革中的落地落实。

关键词： 心-肾-代谢综合征   冠脉狭窄   临界病变   诊断模型   机器学习  

摘要： 目的：基于心-肾-代谢综合征（CKM）视角，构建并验证CKM患者冠脉重度狭窄的中西医诊断机器学习模型，为临界病变患者提供临床决策支持。方法：基于回顾性研究设计，筛选来自江苏省中医院本部（2024年1月至2024年8月）、紫东（2024年9月至2024年12月）两个独立院区的住院患者共535例，本部院区数据按4：1随机分为训练集（376例）和内部验证集（95例），紫东院区数据作为外部验证集（64例）。通过文献回顾法、专家访谈法及最小绝对收缩和选择算法（LASSO）分析筛选危险因素，并采用9种机器学习技术构建诊断模型。比较常用评估指标、校准曲线及决策曲线，通过内、外部验证进行模型筛选。利用沙普利加性解释法（SHAP）并附加2个案例，以帮助理解最佳模型的运行逻辑。最终，将最佳模型应用于临界病变患者，并计算诊断效能。结果：LASSO回归筛选出9个危险因素：痰、瘀、滞、虚、高血压病程、性别、动脉硬化指数（ASI）、尿酸与高密度脂蛋白胆固醇比值（UHR）、糖化血红蛋白（HbA1c）。经多角度比较，轻量级梯度提升机（LightGBM）为最佳模型，在训练集中AUC为0.918（95%CI 0.890～0.945），内部验证集中为0.885（95%CI 0.820～0.951），外部验证集中为0.897（95%CI 0.818～0.975）。校准曲线提示预测概率具有一致性，决策曲线提示在阈值概率<90%时均可临床获益。SHAP重要性排名依次为滞、虚、瘀、HbA1c、性别、痰、高血压病程、ASI、UHR。诊断模型应用于临界病变患者中，AUC为0.783（95%CI 0.637～0.930），其中73%的实际重度狭窄患者可从中获益。结论：以临床价值为导向，该研究所构建的中西医诊断模型具备良好的效能，可为CKM患者临床诊疗及决策提供依据。

关键词： 3D打印   特医食品   营养定制   智能制造  

摘要： 3D打印技术作为新兴的智能制造手段，在特殊医学用途配方食品领域展现出巨大的应用潜力。本文系统阐述了食品3D打印技术原理及其在特医食品中的研究进展，重点分析了挤压式食品3D打印与激光烧结式食品3D打印两大技术路径的应用特点。研究表明，3D打印技术通过精准控制食材配比、微观结构和功能成分，不仅可实现营养定量调配与食品质构优化，还有助于药物成分的精准递送，有效解决老年人吞咽障碍、儿童厌食症及代谢疾病患者膳食管理等难题。同时揭示了当前技术面临的三维成型过程中的质量控制和安全性等核心挑战，并提出原料配方优化、激光与静电纺丝辅助成型、多激光协同控制及自动清洗等解决方案。未来，结合可持续材料开发与智能化生产体系，该技术将为精准营养供给和医疗膳食创新提供重要技术支撑。

关键词： 溶质相互作用   结合能   机器学习   沙普利可加性解释  

摘要： 采用机器学习方法揭示了金属中替代和间隙溶质的相互作用机制，使用结合能作为相互作用强度的指标。使用分类和回归算法，分别研究了结合能的符号(表示吸引或排斥)和具体的数值。沙普利可加性解释(SHAP)分析表明，替代溶质的原子体积是最重要的特征，其次是替代溶质的电负性和基体金属中未配对电子的数量。SHAP的可视化方法清晰地阐明了模型的决策过程，提供了从全局到局部、再到单个样本预测的多尺度见解。这一方法直观、定量地显示了各种特征的贡献大小和方向，超越了传统的分析方法。此外，模型以极小的计算成本预测了数千个新的数据，显著提高了计算效率。