关键词： 储氢材料   MXene   密度泛函理论计算   机器学习   实验结果  

摘要： 【目的】梳理二维材料MXene在储氢中的理论和实验研究结果，为氢能源的高效应用和存储安全提供参考。【研究现状】综述MXene结构和储氢应用、理论研究结果、实验研究结果，MXene具有表面化学性质可调节、结构灵活性和比表面积高的特点；概括单层和多层MXene储氢的理论研究结果，强调过渡金属元素和表面官能团基团在优化氢吸附能力中的作用；总结MXene储氢的实验研究结果，展示其在液氮低温下和接近室温条件下储氢的潜力；理论预测与实验结果的比较分析强调了进一步实验验证和计算优化的必要性。【展望】提出为了提升MXene储氢性能，应关注缺陷工程、层间距优化和机器学习辅助筛选，为推进MXene材料作为实用的氢储存解决方案奠定了基础。

关键词： 人工智能   新质生产力   就业力   人力资源管理   Z世代青年   高质量就业  

摘要： 就业是最大的民生。面对人工智能冲击，被称为“数字原住民”的Z世代青年更愿意将其应用到劳动过程中，获取新资源、提升新质就业力，实现高质量就业。为了探究人工智能技术赋能Z世代青年高质量就业的理论逻辑、作用机制与情境，基于自我决定理论和压力认知评价理论，构建了有调节的双中介效应模型。通过对469份问卷调查数据分析，结果表明：人工智能技术应用通过资源重塑和新质就业力双路径正向影响Z世代青年高质量就业,发展型人力资源管理作为情境因素强化资源重塑和新质就业力的双中介效应；人工智能技术通过健全分层分类培训体系“、政企校”多元协同、智能化平台搭建、优化人力资源管理等实践进路赋能Z世代青年高质量就业。在丰富人工智能与青年就业专门研究的同时，为企业利用人工智能技术提升青年新质能力、促进Z世代青年高质量就业、发展新质生产力提供经验借鉴和理论参考。

关键词： 人工智能   学位论文   学位法   人类中心主义  

摘要： 以DeepSeek为代表的人工智能不断冲击传统的学位评价体系，我国《学位法》几经讨论后删除了禁止使用人工智能代写的条款，是因为技术高速发展的当下并无成熟规制模式，且不应当排除正当的使用。然而，学位论文写作中使用人工智能产生的一系列法律风险并未消除。这些法律风险的背后是人工智能对人类中心主义的冲击，基本法律概念界限的模糊性，以及传统学位评价体系对人工智能的不睦。我国对学位论文中应用人工智能的法律规制，应坚持人本主义为底线与改革培养体系相结合，厘定辅助使用与学术不端的法律界限，鼓励学生合理使用国产人工智能。通过合理的引导和规范，化解潜在的法律风险，以发挥人工智能的正向效能。

关键词： 警务训练   人工智能   智能评估   实战化  

摘要： 随着科技及实践的发展,公安警务训练逐步完善,但仍未完全适应现代警务实战需求。人工智能凭借数据分析、智能交互、智能评估等技术优势,在优化训练内容、提升训练效能、增强训练实战适应性方面展现出重要价值。现阶段,将人工智能应用于公安警务训练须正视数据安全、技术适配、成本投入、伦理规范等诸多挑战,可通过搭建公安数据共享平台、优化AI警务训练系统、明确伦理及法律边界等方式,提升人工智能算法适应性,进一步推动其与警务训练深度融合,构建更加智能化、高效化、个性化的警务训练体系,以提升警务训练实效,推动公安工作现代化转型。

关键词： 充电设施   POI数据   布局优化   机器学习   决策树   昆明市  

摘要： 研究充电设施的空间分布与供需匹配规律,是充电设施优化布局的关键依据,对推广绿色出行方式具有重要意义。本研究基于昆明市充电设施POI数据,运用核密度分析,网络分析和区位熵方法从空间均衡性、可达性和公平性视角测度该市充电设施空间分布格局,利用机器学习决策树模型对其进行布局优化预测,并制定提升方案。结果表明:(1)昆明市充电设施空间分布不均,呈主城区双核心集聚,现有设施可达性受限且围绕行政中心呈距离衰减规律。各区县充电资源配置与人口分布适配性低,社会公平性有待提升。(2)决策树模型表明居住类设施是昆明市充电设施选址的首要影响因素,交通、商业及办公设施共存提升了其建设适宜性,运动设施因闲置空间广也具有建站优势。(3)提出功能保障型、服务提升型、效能完善型的差异化布局优化策略,以期因地制宜实现优化目标。

关键词： 浅层地热能   同轴套管式换热器   数值模拟   机器学习   随机森林模型  

摘要： 为了实现浅层地热能资源的高效开发利用，解决传统依靠化石能源供暖产生的雾霾等环境问题；并解决实际工程中换热器运行参数以及场地地层参数最优匹配方式不明晰、耗费人力物力等问题。本文采用数值模拟与机器学习算法相结合的方法，首先基于COMSOL建立了浅层同轴套管地热系统传热模型以及数值模型，探究了不同物性参数、运行参数和地热井长度对换热器取热性能的影响；然后基于机器学习算法采用随机森林（RF）模型预测了不同参数集的地热系统开采温度，并在RF模型中得到相应特征影响因子的重要性，进一步验证了RF在预测地热开采温度中的精确度与准确性。结果表明：换热流体注入流速和注入温度对地热开采温度影响较大，注入流速保持在0.5～1.0 m3/h之间，以及增大地层与注入温度的温差都可以提高系统的取热效率；随机森林模型在地热预测温度上具有较高的精确度，该模型的决定系数R2接近于0.99，同时均方根误差RMSE仅为0.17；特征重要性图进一步验证了不同注入温度及注入流速对于浅层同轴套管地热系统的影响较大。

关键词： 土木工程   领域知识融合   研究综述   智能分析   机器学习   深度学习  

摘要： 过去几十年中，土木工程领域积累的丰富数据为机器学习和深度学习等人工智能技术的应用与发展奠定了坚实的基础。然而，多数应用主要是以“即插即用”的模式开展，缺乏对土木工程领域独特的知识体系的融合和理解，其适用性和适用范围方面存在的诸多制约日渐引起研究人员的关注，由此发展出领域知识嵌入智能分析方法这一新的研究方向。为系统总结梳理该方向的最新研究进展，本文针对土木工程领域知识嵌入智能分析方法研究进行全面综述。首先利用文献计量学软件对检索获取的相关文献进行发布时间、发表机构、关键词共现等分析，总结领域知识融合方法的研究成果和研究热点。进一步系统性地归纳与分析物理引导、物理增强、物理校正以及物理约束这四种领域知识融合方法。最后探讨领域知识嵌入智能分析方法面临的挑战和未来的发展方向。

关键词： 超高韧性水泥基复合材料   爆炸响应   损伤模式   机器学习   极端梯度提升  

摘要： 结合使用高保真数值分析技术和机器学习方法，对600 mm跨度的超高韧性水泥基复合材料（UHTCC）板在1 kg当量以内的近场爆炸荷载作用下的损伤模式进行研究和预测，采用流固耦合算法建立了包含300个样本的UHTCC板爆炸响应数据库，分别使用既有的经验性预测方法和可解释性机器学习方法进行分析。结果表明：既有的McVay和Morishita经验方法仅能预测贯穿失效，而UFC 3-340-02方法无法预测所有损伤模式；基于极端梯度提升（XGBoost）算法建立的机器学习模型在分层10折交叉验证中表现优秀，能够实现对UHTCC板近场爆炸损伤的快速预测；不同损伤模式下的特征重要性不同，材料的拉压强度比在层裂和弯曲损伤中较为重要，可据此优化材料和结构设计，提升防护结构抗爆性能。

关键词： 冻结黏土   复杂应力路径   机器学习   力学参数预测   参数敏感性分析  

摘要： 为研究机器学习（Machine Learning,ML）方法在冻土力学参数预测中的性能及其应用，本文采用4种ML算法（DT、MLP、SVM以及GP），基于116组冻结黏土定向剪切试验数据，以中主应力系数b、主应力轴方向角α、平均主应力p和温度T为输入，以冻结黏土的力学参数(应力应变曲线（Stress-Strain Curve,SSC）模式和破坏强度qd)为输出，建立预测模型。通过交叉验证以及与补充试验数据的对比，评估了ML模型的预测性能。并基于最优ML模型分析在多输入参数空间下冻结黏土力学参数的分布，最后结合模型的可解释性（SHAP方法）进行参数敏感性分析。结果表明，基于ML方法可准确预测出冻结黏土的SSC模式和qd，其中MLP模型的预测表现最优；ML预测模型可以在多参数空间下模拟出冻结黏土SSC模式和qd与各输入参数之间的复杂非线性关系；通过SHAP方法有效量化了四种输入参数对于冻结黏土力学参数的影响程度：对于SSC模式的影响程度从大到小为α、p、T和b，对于qd的影响程度从大到小为T、b、α和p。本研究可为冻土力学理论研究与寒区工程设计提供新的思路。

关键词： 人工智能   医疗机器人   医疗责任   事故责任制度  

摘要： 人工智能与机器人技术的结合应用在现代临床治疗与术后康复等场景下不断取得突破，为智慧医疗快速发展起到了不可磨灭的作用，但其引发的事故也不断挑战传统事故责任制度。由于开发主体多元、人工智能算法、人机混控等多重因素，AI医疗机器人事故的事故原因、行为判定、责任分配变得十分复杂，给传统事故责任制度带来巨大挑战。对AI医疗机器人事故原因进行类型化分析可以发现，事故发生原因往往呈多元化趋势，这让仅能处理清晰过错事故的传统事故责任制度明显不适用。为了更好应对这些挑战，我国应当构建针对AI医疗机器人的特殊责任制度，在明定AI医疗机器人法律地位的基础上，明确AI医疗机器人的事故责任类型和事故责任分配，以期实现法律规制和智慧医疗科技发展之间的平衡。