关键词： 激光诱导击穿光谱   机器学习   肝肿瘤   元素成像   分类  

摘要： 肝癌死亡率高，早期检出率低。为了实现对肝癌及时、准确的辅助诊断，本文利用激光诱导击穿光谱（LIBS）结合机器学习对裸鼠肝肿瘤组织和相邻的肌肉组织进行元素成像和分类。首先，制备裸鼠肝肿瘤组织和相邻肌肉组织的样本切片，并通过LIBS系统绘制特征元素光谱和元素空间分布图；然后，将两类组织的共400幅光谱数据预处理后随机划分为训练集、验证集和测试集，并使用支持向量机（SVM）、Fisher判别分析（FDA）、核极限学习机（KELM）、随机森林（RF）和Bayes分类算法对样本切片的全光谱数据建立判别模型并进行分类识别；最后，利用主成分分析（PCA）进行特征提取。结果表明，肝肿瘤组织和相邻肌肉组织的LIBS光谱图和Ca、K、Mg元素分布图均存在元素含量的差异；进一步使用上述5种分类算法对样本切片进行分类，发现其全光谱分类准确率可达到95%以上，但建模分类所需时间较长；将PCA选择累积贡献率达到95%的8个主成分再次作为算法的输入数据，可使得建模分类准确率保障的前提下，将以上不同机器学习算法的建模分类时间大幅度缩短。相较于全光谱RF和KELM，采用PCA-RF的建模分类时间减少至0.13 s，时间优化效果非常显著；PCA-KELM的建模分类综合效果最好，其建模时间可缩减至0.04 s。以上结果证明，借助合理的机器学习算法，LIBS可有效判别肝肿瘤及其相邻肌肉组织，未来将有助于临床实践。

关键词： 理论模拟实验   人工智能   势能面搜索  

摘要： 为了更好地培养新时代化学人才，在本科生教育体系中设置相关模拟上机课程具有重要意义。本文以本课题组开发的模拟方法和软件为例，设计了两个模拟实验，即“H2在Cu（111）表面解离反应势能面的构建”和“沸石分子筛表面酸性表征及模拟”，旨在加深化学与材料学科本科生对理论模拟的理解，感受人工智能技术带来的巨大进步。

关键词： 二维材料   材料模拟   第一性原理   机器学习   禁带宽度  

摘要： 设计了一个面向高年级本科生或者研究生的综合材料计算模拟实验。通过材料计算模拟和机器学习手段研究二维材料的禁带宽度。通过本实验，学生可以初步掌握机器学习的基本原理和操作流程，同时培养学生应用第一性原理和机器学习解决材料问题的能力。

关键词： 电解水   氢能   机器学习   过渡金属磷化物  

摘要： 近年来，以绿氢为代表的零碳能源的推广与使用已成为国家碳中和发展战略的一个重要组成部分，大力发展包括电解水制氢技术在内的绿氢能源是我国能源转型的方向之一。设计和开发高效催化剂是提升电解水制氢（HER）能力的关键因素。非贵金属基的过渡金属磷化物（TMPs）催化剂由于价格低廉、制氢效率高，是最受研究人员关注的新型电解水非贵金属催化剂之一。然而，高活性TMPs催化剂的实验筛选既耗时又具有挑战性。本文通过机器学习结合大数据分析，探究了支持向量回归（SVR）、K近邻（KNN）、随机森林回归（RF）和极端梯度提升（XGBoost）四种机器学习算法对电解水析氢反应性能的预测能力。在机器学习过程中，对文献报道的过渡金属磷化物催化剂上的电解水析氢反应性能进行分析。通过RMSE和R2评估四种算法后发现RF算法对电解水析氢中的过电位具有优异的预测能力，而XGBoost算法则对Tafel斜率具有较好的预测能力。结果表明，在催化剂组成方面，Ni、Co和Fe元素含量对催化性能影响最大，因此有望通过精细调整，设计并制备出高活性的催化剂。

关键词： 挥发性有机物VOC   暴露风险评估   汽车   污染物浓度   致癌风险   机器学习   GA-BP神经网络  

摘要： 对车内VOC进行了实验采样检测，发现车内的主要污染物为甲苯和甲醛。利用蒙特卡洛模拟，评估了车内甲苯和甲醛的暴露风险。在此基础上，采用遗传算法优化后的BP神经网络（GA-BP神经网络）建立了车内污染物浓度预测模型，提高了预测准确性和稳定性。结果表明：根据蒙特卡洛模拟结果，车内甲醛和甲苯的非致癌风险危害商数均小于1，女性的致癌风险大于男性；GA-BP神经网络模型对污染物浓度的预测值与实测值吻合良好，甲苯和甲醛预测模型的精度比未优化前分别提升了33%和41%左右。通过灰色关联度分析了5个影响因子对车内污染物浓度的关联度，结果显示影响程度排序为车内温度、室外温度、车内湿度、光照强度和室外风速。

关键词： OCS   状态预警   特征建模   机器学习   数据预处理  

摘要： 随着高速铁路运营时间持续增加，因接触网设备状态异常导致的弓网故障时有发生，为提前发现设备运行安全隐患，提出基于数据特征识别的典型设备状态不良预警方法。首先，提出接触网设备状态不良预警模型，该模型以“数据准备-特征提取-算法构建-试验验证”为主轴，给出了各典型设备状态不良预警方法构建的主要技术项点和路线。然后，采用卡尔曼滤波、角点特征识别、动态时间规整等方法，给出了接触网检测数据粗差修正算法、定位点识别算法和里程校正算法，为开展预警方法构建提供了良好的数据基础。最后，基于弓网综合检测系统的实测数据，针对接触网运行维护中常见的几何状态、定位器受力状态和弹性状态不良问题，通过多种时序数据分析方法提取了数据特征，构建了训练样本库，并采用离群点诊断、随机森林等算法训练获得了3项典型设备状态不良预警方法。对获得的各项典型设备状态不良预警方法开展试用，发现了接触网支柱倾斜、腕臂套管滑移、定位部件磨损、补偿装置卡滞等多类严重设备状态异常处所，总体准确率93%，表明本文方法能够精准定位典型设备状态异常处所，具备在接触网运维中应用的可行性。通过分析算法发现的设备状态不良处所，验证了本文提取的各项数据特征可分性良好，能够准确反映接触网设备状态变化。

关键词： 堤防管涌   数据驱动   机器学习   单一学习模型   集成学习模型   多层次可解释性分析  

摘要： 管涌是堤防中常见的破坏形式之一，传统管涌灾害识别方法的效率和准确率较低，而现有机器学习预测模型的可解释性相对较差。基于数据驱动的机器学习算法，以阳新长江堤段管涌灾害情况为数据集，建立了多层次可解释性预测模型以提高堤防管涌灾害的预测精度。通过对比分析单一学习模型（反向传播神经网络BPNN、多层感知机MLP、支持向量机SVM）和集成学习模型（随机森林RF、梯度提升决策树GBDT、极限梯度提升树XGBoost、CatBoost），筛选出最佳的管涌灾害预测模型；对堤防管涌灾害进行多层次可解释性分析，识别出了影响管涌的关键特征，并结合Shaply加性解释与XGBoost分析了关键特征对预测结果的影响规律。研究结果表明，集成学习模型的预测精度优于单一学习模型，其中XGBoost的测试集R2为0.961 7，均方根误差RMSE为0.097 0，表现出最高的预测精度及良好的鲁棒性；弱透水层覆盖层厚度H、孔隙比e和水位高度差△h是管涌灾害的主要影响因素，由个体条件期望图得知它们的临界值分别为7.5、0.84和4.2 m。该研究成果为提升堤防管涌灾害的超前预测准确性提供了理论参考和科学依据。

关键词： 人工智能   制造业   价值链攀升  

摘要： 人工智能与制造业融合发展是我国迈向制造强国的关键一步，其对制造业转型升级、价值链地位攀升具有重要意义。本文从人工智能与制造业融合发展带来的经济效应出发，利用省级面板数据实证分析人工智能对制造业价值链攀升的影响。结果表明：人工智能显著促进了我国制造业价值链攀升，且这一积极效应主要通过促进创新实现；考虑人工智能在不同区域应用不均衡的事实，人工智能对后发地区制造业价值链攀升影响更大。基于此，政府与企业要发挥人工智能的引领作用、深化创新效应、实施差异化策略等来提升制造业价值链地位。

关键词： 家具供应链   人工智能   数字化转型   绿色发展   家具智能制造  

摘要： 家具行业作为中国制造的重要组成部分，近年来受制于增长乏力及供应链效率低下等问题，亟需转型升级。传统供应链因信息孤岛、柔性不足、物流韧性及绿色化滞后等瓶颈，难以满足日益多样化的市场需求与可持续发展要求。人工智能（AI）技术凭借其数据分析、智能决策及优化能力，为家具供应链的数字化转型提供了创新路径。文中以家具行业供应链的特点及问题为切入点，系统分析了AI技术在需求预测、柔性制造、物流优化及绿色发展中的应用场景与作用机理。通过构建基于AI赋能的供应链优化框架，揭示AI在促进协同发展、提升效率与柔性、增强韧性及推动绿色转型方面的关键作用。此外，基于2018—2023年中国A股家具制造业上市公司的面板数据，实证分析了AI技术在家具供应链优化中的实际效能。最后提出未来家具供应链数字化转型的4个方向，包括技术与管理创新、柔性与智能化突破、弹性发展路径以及绿色化构建，以为行业高质量发展提供理论支持与实践指导。

关键词： 数字出版   年度综述   国外社会科学   人工智能   数字阅读   游戏  

摘要： 2024年,全球数字出版研究继续深化革新。本文在Web of Science数据库检索并筛选文献,围绕人工智能+出版、电子书、有声读物、数字游戏、数字音乐、数字阅读、数字版权、开放获取8个主题开展综述,意图勾勒2024年国外数字出版研究的总体景观,尤其关注思想、议题、理论、方法层面的最新进展,并结合中国本土经验进行评价,以期为中国数字出版研究发展提供参考。