关键词： 京津冀地区   降水预报订正   机器学习   样本构建   分类降水  

摘要： 强降水是对我国国计民生影响最为广泛的灾害性天气之一,其精准预报也是最具挑战的科学问题之一,湿物理过程的多尺度、非线性特征使数值预报和客观订正处理降水问题比处理一般气象要素困难得多。文章以京津冀地区3 h累计降水量为对象,基于站点观测和数值模式预报,通过降水样本构建和采样、降水相关物理特征输入、使用残差训练等策略,探索了机器学习算法LightGBM应用于降水预报订正的效果。结果显示,面对降水样本的长尾分布难题,构建数据集时综合考虑保持降水的真实分布,同时适度增大较强量级降水样本的比例,是提升强量级降水订正效果的关键一环。独立测试集的统计检验表明,LightGBM订正方案在所有阈值降水的客观评分均较原模式预报显著提升,且提升率随降水阈值增大而增加。分类型降水的统计检验和个例评估显示,LightGBM订正方案在不同类型降水预报均体现出强度和落区的综合调整,其中:强天气系统强迫类型降水样本数量相对占优,在各降水阈值订正效果均较显著;而弱天气系统强迫类型降水订正在≥15 mm阈值时较难获得提升,落区的调整也更具挑战。这说明降水样本的不平衡分布仍是机器学习订正面临的挑战,但机器学习体现出对模式预报准确率更低的较大量级降水的订正潜力,即模式预报能力越低,机器学习订正提升的空间和幅度越大。特征重要性分析表明,输入与降水密切相关的动力、热力和水汽等物理特征,对提升LightGBM订正评分具有正贡献。

关键词： 成纱质量预测   线性回归   灰色系统模型   支持向量机   人工神经网络   深度神经网络   机器学习  

摘要： 探究机器学习在成纱质量预测领域的发展,逐步提升纺织企业数字化生产管理水平。从线性回归、灰色系统模型、支持向量机和神经网络4种机器学习算法对成纱质量预测模型的研究现状进行分析。针对两类神经网络——人工神经网络、深度神经网络在成纱质量预测模型中的网络结构和优化算法进行了重点阐述,剖析了两类神经网络在成纱质量预测领域存在的缺陷及解决方法。为了提升模型预测精度和加快运算速度,进一步探讨了基于样本数据库的深度神经网络在成纱质量预测领域中的应用。

关键词： 人工智能   社会科学   科普   数字化转型  

摘要： 从社会科学普及的现实困境出发,分析社会科学普及高质量发展内涵,探讨人工智能赋能的逻辑路径与实践模式。以广西社会科学界联合会在AI时代社会科学普及的实践为案例,探索人工智能赋能社会科学普及的路径,以期为社会科学普及工作高质量发展提供理论支撑与实践启示。

关键词： 人工智能   科技伦理治理   实施路径  

摘要： 鉴于人工智能在众多领域应用中展现出独特优势,科技伦理治理也应引入人工智能技术。文章主要研究了人工智能赋能科技伦理治理的实施路径,首先阐述了科技伦理治理的内涵,分析了人工智能的基本概念;其次,探讨了当前人工智能赋能科技伦理治理过程中存在的主要问题,包括制度体系滞后、动态监测与预警工具缺失、社会渠道不畅、专业人才支撑能力不足和全球协同困难等,在此基础上,提出了完善科技伦理治理体系、强化科技伦理审查和监管、构建多元参与的科技伦理治理模式等对策建议;最后,针对人工智能赋能科技伦理治理可能引发的风险,提出了相应的规避策略。

关键词： Nb-Ti微合金钢   析出行为   再结晶   机器学习   随机森林   极限梯度提升   人工神经网络   热变形  

摘要： 热轧生产过程中道次间的应变诱导析出硬化行为与静态再结晶软化行为的耦合作用对钢材显微组织变化具有决定性影响。此外,对于Nb-Ti复合微合金钢,其析出行为中组织演变过程异常复杂,会导致以假设和试验数据建立的传统物理冶金模型的计算精度偏低。随着机器学习在钢铁生产过程中的广泛应用,其逐渐被引入到Nb-Ti微合金钢热变形过程中物理冶金行为的建模上。首先,在收集文献数据的基础上,通过相关性分析筛选出对再结晶和应变诱导析出行为影响权重大的成分和工艺参数作为模型输入变量;在此基础上,引入随机森林(RF)、极限梯度提升(XGBoost)及人工神经网络(ANN)3种机器学习算法,分别建立了再结晶模型中静态再结晶分数为0.5时对应的时间(t_(0.5))、材料参数(n)以及析出模型中析出开始时间(t_(ps))和结束时间(t_(pf))的计算模型,其中,RF模型计算的t_(0.5)、n、t_(ps)和t_(pf)的均方根误差(R_(MSE))分别为2.25、0.08、49.50、1252.8,优于其他机器学习算法。以700XL为目标钢种进行双道次压缩试验,发现当变形温度为1000℃时,软化率曲线变化呈现典型的再结晶软化过程;当变形温度为950和925℃时,将同时发生微合金元素的应变诱导析出和静态再结晶,二者的耦合作用会导致软化率曲线出现“平台”。试验数据验证表明所建立的机器学习模型在析出的起止时间计算精度上优于传统物理冶金模型,同时计算得出的软化率曲线很好地呈现了再结晶与析出的交互作用规律。

关键词： 人工智能   大语言模型   知识问答   引信   技术展望  

摘要： 大语言模型作为一种前沿的人工智能技术,近年来取得了显著的发展,并在多个领域展现出了巨大的应用潜力。深入探讨大语言模型的发展现状及其在引信行业的赋能路径,对大语言模型的技术发展脉络进行了梳理,包括其基本概念、技术演进的三个阶段、技术架构以及知识问答的技术实现路径,并分析了当前的技术瓶颈与发展状况。在此基础上,展望了大语言模型在引信行业的应用赋能路径,展示了其在引信行业的重要价值和广阔应用前景。为引信行业的技术升级和创新发展提供有益的参考和借鉴,推动大语言模型在引信行业的更广泛应用和深入发展。

关键词： 机器学习   猪   基因表达量   全转录组关联分析   顺式遗传力   顺式SNP  

摘要： 【目的】对比不同机器学习模型利用基因顺式单核苷酸多态性(Single-nucleotide polymorphism,SNP)预测猪的基因表达量的效果,探究基因顺式遗传力(cis-heritability,cis-h^(2))和顺式SNP(cis-SNP)数量与不同模型预测准确性的关系。【方法】基于PigGTEx项目猪肌肉组织样本的蛋白编码基因,使用18种不同机器学习模型,将基因转录起始位点±1 Mb范围内的cis-SNP用于训练,评估每种模型的预测准确性。【结果】机器学习模型的预测准确性与基因cis-h^(2)呈正相关,弹性网络回归模型和Lasso回归模型整体预测准确性最高,R^(2)平均值分别为0.0362和0.0358;一定范围内,模型预测准确性与基因cis-SNP数量呈正相关。【结论】使用机器学习模型预测猪基因表达的准确性受基因cis-h^(2)和cis-SNP数量影响较大,根据不同基因的cis-h^(2)和cis-SNP数量选择合适的机器学习模型预测猪的基因表达量有利于提高预测准确性。

关键词： 人工智能   大语言模型   国家刻板印象   社会认知   心理测量  

摘要： 研究以国家刻板印象为例,提出了一种以人工智能技术中的大语言模型(large language model, LLM)为核心的心理测量方法,实现从心理特征的维度构建到自动化测量的完整流程。研究1利用人工智能提取自由描述文本中的国家刻板印象内容,结合文本挖掘方法归纳出国家刻板印象跨文化核心维度;研究2构建了基于LLM的自动化测量(LLM-rating)模型并检验性能。研究结果显示:(1)利用人工智能技术,提取出国家刻板印象的五个跨文化核心维度:文化丰富性、发达进步、权力影响、社会平等、集中管理;(2)LLM-rating模型具有良好的人机评分一致性和评分结果的跨时间稳定性。研究结果表明,人工智能为复杂心理特征的自动化建构与评估提供了新的跨学科角度,展示了其在社会认知研究中的潜在应用价值。

关键词： 多模态   压力传感器   温度传感器   机器学习   离子传感器  

摘要： 目前的温度-压力多模态触觉传感器大多结构复杂,信息解耦困难。本文设计了一种柔性强、制作简单、成本低的温度-压力多模态触觉传感器。对传感器的感知原理和敏感材料进行研究和分析,制备一款对温度和压力刺激敏感,且具有良好透明度和柔性的离子薄膜,将该材料作为介质层制作了传感器。设计并搭建温度和压力测试平台,对传感器的温度和压力性能进行测试和评估,测试了温度-压力双模态柔性触觉传感器在不同的温度和压力条件下的灵敏度和响应速度。结果表明:在动态测试过程中传感器可以较好地跟随外部刺激,在超过2500次压力循环加载下表现出良好的稳定性。该传感器能够完成对温度和压力的检测,为离子型传感器信息解耦提供了一种解决方案,可应用于机器人感知、人机交互、可穿戴设备等领域。

关键词： 碳排放   大型语言模型   能源焦虑   人工智能  

摘要： 近年来,人工智能技术的飞速发展伴随着巨大的能源消耗,引发了广泛的“能源焦虑”。从ChatGPT等大型语言模型的训练到日常推理,每一次AI计算背后都隐藏着惊人的电力和碳排放成本。据研究估计,训练类似GPT-3这样的模型所需电力产生的碳排放高达约500公吨--相当于燃煤电厂连续运转近半天的碳排放量。