关键词： 人工智能   数据治理   政策   政策工具   数据生命周期  

摘要： [目的/意义]对我国人工智能数据治理政策进行量化分析，旨在健全我国人工智能数据治理的政策体系，促进人工智能数据应用的合规与高效。[方法/过程]利用内容分析法与统计分析法，构建“政策工具—数据治理任务—数据生命周期”的三维分析框架，对中央及地方的人工智能数据治理政策进行量化，剖析政策重点与不足，并提出完善建议。[结果/结论]相关政策存在政策工具使用失衡、治理任务部署相对集中、数据生命周期覆盖不均的问题。未来，应协调政策工具使用比例，促进治理任务合理部署，并实现数据生命周期的均衡布局。

关键词： 人工智能   无人机巡检   物联网   数字孪生   大数据分析  

摘要： 电力输电线路故障抢修依托智能化技术,实现快速、精准故障定位和高效抢修,增强电力系统运行稳定性。利用人工智能算法分析故障特征,采用无人机高空巡检方法获取线路数据,通过物联网传感器实现实时监测与预警,构建数字孪生系统模拟线路状态,精确优化抢修流程。借助大数据手段实现资源分配优化,增强抢修效能,减少运维开销。应用智能技术降低人工巡查风险系数,减少停电时长,提高输电线路运行的安全性与可靠性,为电网智能化运维提供技术支撑。

关键词： 放射性心脏损伤   细胞衰老   CCND1   机器学习   诊断标志物   免疫浸润   加权基因共表达网络分析(WGCNA)  

摘要： 背景：放疗显著提高了多种恶性肿瘤患者的生存率。然而，随着治疗后的生存周期延长，许多患者面临放疗相关的心脏毒性风险，尤其是在接受胸部放疗后，放射性心脏损伤的风险显著增加，已成为影响患者生存最为严重的并发症之一。目的：通过系统转录组学分析，确定放射性心脏损伤内皮细胞衰老的诊断标志物。方法：首先，从CellAge数据库中筛选出与细胞衰老相关的基因，然后与放射性心脏损伤小鼠模型的转录组训练数据集进行相交分析，识别衰老相关差异表达基因。其次，结合加权基因共表达网络分析和机器学习，识别出放射性心脏损伤中具有关键作用的枢纽基因，并在放射性内皮损伤验证数据集验证这些基因的表达。此外，采用quanTIseq方法评估放射性心脏损伤相关的免疫浸润状态。通过分析癌症基因组图谱数据库，探讨关键基因的表达水平与接受胸部放疗的食管鳞状细胞癌患者生存期的关联。结果与结论：(1)通过转录组学分析鉴别出CCND1为放射性心脏损伤内皮细胞衰老的核心基因，并在放射性心脏损伤小鼠模型中得到验证；(2)基于这些数据构建的诊断模型表明，CCND1在放射性心脏损伤的诊断中具有较高的特异性和敏感性；(3)免疫浸润分析显示，放射性心脏损伤小鼠存在显著的免疫反应失调现象，CCND1与多种免疫细胞密切相关；(4)Kaplan-Meier生存分析显示，CCND1与接受胸部放疗的食管鳞状细胞癌患者的疾病特异性生存率较差相关。该研究首次系统性揭示CCND1在放射性心脏损伤内皮细胞衰老中的关键作用。CCND1是一种与细胞周期调控密切相关的基因，其异常表达可能引发细胞衰老，具有作为放射性心脏损伤诊断标志物的潜力。

关键词： 心房基质   心房颤动   无创评估   人工智能  

摘要： 心房基质的改变与心房颤动（简称房颤）的发生、进展、复发及缺血性卒中等密切相关，是房颤临床评估的重要环节。这些改变归属于心房心肌病，影像学表现为心脏扩大，组织病理特征为心房纤维化。除基于一般临床特征的初步了解外，可通过心电图P波参数、影像学的心房结构与应变指标，以及心房炎症相关血清标志物等，对心房基质进行无创评估和动态监测。人工智能应用多参数模型可充分整合上述方法，提升心房基质无创评估的准确性。

关键词： 智能制造技术   配电开关   控制设备制造  

摘要： 智能制造技术作为新一代信息技术与制造业深度融合的结晶,正重塑传统配电开关控制设备制造格局。于生产流程,自动化生产线、智能仓储物流显著提升效率、降低成本;研发环节,数字化设计与仿真缩短周期、增强产品竞争力;质量管控上,智能检测实现实时精准监测。其不仅优化生产各环节,更推动产品迈向智能化、定制化,全方位满足现代电力系统需求,为配电开关控制设备制造行业注入全新活力,引领其向高效、智能方向转型升级。鉴于此,本文主要分析探讨了智能制造技术在配电开关控制设备制造中的应用与创新情况,以供参阅。

关键词： 人工智能   船舶电气设备   自动控制   智能监控   故障诊断   预测性维护  

摘要： 随着全球贸易的不断发展,船舶运输在其中扮演着至关重要的角色。为了提高船舶运营效率、降低运营成本、增强安全性,船舶电气设备的自动化控制已成为必然趋势。本文旨在探讨基于人工智能(AI)技术的船舶电气设备自动控制系统的应用。通过引入AI技术,可以实现对船舶电气设备的智能监控、故障诊断、预测性维护和优化控制,从而显著提升船舶的整体性能和安全性。

关键词： 电力变压器   故障诊断   油色谱分析   人工智能   状态监测  

摘要： 变压器作为电力系统的核心设备,其运行状态直接关乎电网的稳定性和供电安全。由于长期运行、环境因素及负荷变化的影响,变压器故障难以避免,而精准、实时的故障诊断对于保障电力系统的可靠性至关重要。传统的诊断方法,如油色谱分析、电气试验和局部放电检测,在准确性和适应性方面存在一定的局限性。随着人工智能、大数据、数字孪生等技术的不断发展,智能诊断方法正逐渐应用于变压器状态监测中。本文深入分析了变压器故障机理以及传统诊断方法的不足之处,探讨了当前诊断所面临的现实挑战,并提出了基于深度学习、多模态数据融合、迁移学习和边缘计算的智能优化路径。研究结果表明,多维度智能诊断技术能够显著提升故障检测的精准度和实时性,为电力系统的安全稳定运行提供更加高效的解决方案。

关键词： 人工智能   碳排放效率   绿色创新   准自然试验   因果效应  

摘要： 人工智能在推动碳达峰、碳中和目标实现及应对气候变化方面发挥着重要作用。基于2012～2022年中国城市面板数据，将国家新一代人工智能创新发展试验区视为人工智能的“准自然试验”。首先，采用倾向得分匹配双重差分模型、平行趋势检验及交互权重估计方法，识别人工智能对碳排放效率的因果效应。其次，分析人工智能影响碳排放效率的作用机制，并探讨其异质性影响。结果表明，人工智能显著提高了碳排放效率，该结论在一系列稳健性检验后依旧成立。人工智能通过提升能源利用效率和推动绿色创新，进而提高碳排放效率。人工智能对碳排放效率的影响因资源禀赋和区位的不同而不同，在非资源型城市及东部和西部地区的正向影响更为显著。研究结论为中国实现“双碳”目标及可持续发展提供了政策启示。

关键词： 正向反应预测   多层级特征融合   SMILES编码   人工智能   机器学习   Transformer  

摘要： 有机化学的正向反应预测作为人工智能的一个重要应用，一直受到研究者的关注。简化分子线性输入规范(SMILES)提供了一种使化学分子线性化编码的方法。因此，可以将正向反应预测任务转换为机器翻译中序列到序列的生成任务。传统的Transformer模型只关注化学式中原子间的注意力权重，而忽略分子内的全局信息，此外，传统的Transformer模型面对同一个分子的不同表示的时候，存在着预测性能下降、泛化能力不强的问题。为了解决上述的问题，提出了一种基于双编码器的多层级有机化学的反应预测方法。首先，通过使用两个编码器分别处理分子层级和原子层级的信息，使得模型专注于各自层面的特征提取。其次，提出分子特征表示算法，对原子嵌入取平均获得分子间的相互作用。最后，利用自动调节的门控单元对原子编码器和分子编码器的输出结果进行多层级特征融合，融合结果输入到解码器。实验结果表明，提出的方法在三个USPTO数据集上获得比基线更好的结果，并且提高了模型的泛化能力和长序列的处理能力。

关键词： 人工智能   配电网   故障诊断   机器学习   智能决策  

摘要： 随着智能电网技术的发展,配电网自动化故障诊断与处理成为提高供电可靠性和效率的重要方向。本文基于人工智能技术,研究了配网自动化故障诊断与处理方法。首先,构建了配电网故障诊断模型,并结合机器学习算法(如支持向量机、神经网络等)对故障特征进行分析与识别。接着,提出了一种智能决策算法,能够根据故障类型和位置自动制定处理策略,实现快速恢复供电。研究结果表明,该方法能够有效提升故障诊断的准确性和处理速度,为配网自动化技术的应用与发展提供了重要的技术支持。