XiaoMi-AI文件搜索系统
World File Search Systemperspectives
能源技术观点2024
Giovanni Andrean (trade routes, ports), Jose Miguel Bermudez (emerging markets), Sara Budinis (strategic considerations), Leonardo Collina (steel, ammonia, trade model design), Elizabeth Connelly (emerging markets), Laurence Cret (shipping decarbonisation), Chiara Delmastro (heat pumps, investments), Hannes Gauch (shipping脱碳），Alexandre Gouy（商品价格，材料），Johannes Hampp（数据管理，运输活动），Mathilde Huismans（Mathilde Huismans（风，数据管理，投资），Jean-Baptiste le Marois（制造业的状态），Teo Lombardo（Teo Lombardo（Teo Lombardo）（Teo Lombardo（Teo）（贸易模型设计），贸易模型设计） Faidon Papadimoulis（太阳能PV，数据管理，贸易模型设计），Francesco Pavan（Electrolysers），Amalia Pizarro Alonso（工业战略，贸易政策），Jules Sery（电动汽车）和Richard Simon（Richard Simon）（铝，投资）。
浪费能量：趋势和观点
由于经济发展和人口增长，预计全球废物的产生将继续增长。因此，如果需要实现循环经济概念的目标的可持续性世界，那么可持续的废物管理是强制性的，在减少，再利用或回收已经进行时，恢复是恢复的最后一步。废物到能量的过程可能构成一种从废物中回收能源的方法，除了废物管理系统外，还可以帮助获得可再生能源的能源。本综述描述了可以使用热化学，生化和化学过程中可以在废物到能源过程中使用的不同废物。产生的能量可以是热，电或生物燃料的形式。对于这些过程中的每一个，所使用的原料，近年来的最新阶段以及未来几年的预期趋势。
以数据为中心的人工智能：前景与挑战
近来，数据在构建 AI 系统中的作用因新兴的以数据为中心的 AI (DCAI) 概念而显著放大，该概念主张从模型改进转向确保数据质量和可靠性。尽管我们的社区一直在不同方面投入精力来增强数据，但它们通常是针对特定任务的孤立举措。为了促进社区的集体倡议并推动 DCAI，我们绘制了一幅大图景，并将三个一般任务结合在一起：训练数据开发、推理数据开发和数据维护。我们对代表性 DCAI 任务进行了顶层讨论并分享了观点。最后，我们列出了开放的挑战。更多资源汇总在 https://github.com/daochenzha/data-centric-AI
乌克兰经济前景
• Olga Zykova，乌克兰财政部副部长 • Taras Fedirko，格拉斯哥大学 • Yuliya Yurchenko，格林威治大学 • Elina Ribakova，基辅经济学院 主持人：Luke Cooper（伦敦政治经济学院） 13.00 - 14.00 分组会议 A：地方政府在乌克兰复苏中的作用 乌克兰的重建工作很可能在军民共治的框架内进行，这可能会带来特殊的挑战，特别是在地方层面。地方政府在提高乌克兰战后治理结构或经济的复原力方面将发挥什么作用？ 国家可以采用哪些策略通过其机构刺激地方创收和地方所有权，以迅速恢复地方政府的自给自足能力？ 地方政府可以通过哪些方式吸引外国直接投资，为乌克兰地方经济复苏做出贡献？ 可以制定哪些政策或激励措施来鼓励乌克兰地方创造就业机会和实现可持续的经济增长？请注意：分组会议将于 2 号楼，Hiroshimastrasse 28，1.02 室（一楼）举行，发言人：
IS 教授对人工智能辅助编程的看法
随着生成式人工智能聊天机器人（如 ChatGPT 和 SQL Query Builder）的迅速崛起，人们对这些程序如何在学术界，特别是在高等教育中发挥作用的兴趣日益浓厚。本研究论文的目的是了解计算机科学 (CS) 和信息系统 (IS) 教授如何看待这些新技术，以及他们认为这些技术将如何影响学术界的发展。我们进行了一项调查，希望深入了解人工智能聊天机器人（特别是 ChatGPT 和 SQL Query Builder）的突然崛起在学术界发挥了什么作用，以及教授们认为它将引领什么方向。我们讨论了我们的研究结果，并展示了从回复中收集的数据。最后，我们根据研究结果产生的其他问题，讨论了我们认为未来应该就该主题进行哪些研究。关键词：ChatGPT、SQL Query Builder、人工智能、生成式人工智能、人工智能辅助编程
本体学习的观点 - CiteSeerX
让机器具备常识和特定领域的知识，使它们能够像人类一样理解某些问题领域，这一直是人工智能研究的主要目标，现在仍然是。在这种情况下，一个关键问题是，将所有相关知识编码成机器可以利用的自动推理、不一致性检测等方式的成本实际上有多高。虽然最近有一些研究开发了可以估算知识工程项目成本的方法 [12]，但可以合理地假设并非所有相关知识都可以手动编码。通过分析人类行为及其产生的数据来提取和发现知识的技术可以在这方面做出重要贡献。本体学习领域是 Alexander Mädche 和 Steffen Staab 于 2001 年创造的一个术语 [7]，它涉及从数据中得出相关本体知识的方法的开发。到目前为止，该领域已经进行了十多年的深入研究。该领域早期的研究集中于将浅层方法应用于术语和概念提取以及层次和非层次关系提取 [7]。后来，在我的博士论文《从文本中进行本体学习和填充：算法、评估和应用》中，我将本体学习定义为从数据中获取领域模型，并尝试通过引入所谓的本体学习层来系统地概述本体学习任务，这从那时起就受到了广泛关注。近年来，一些研究人员试图提高从文本数据中学习到的本体的表达能力，特别是尝试提取更深层次的公理知识（例如参见 [13]、[14] 和 [4]）。本卷中也可以找到一些类似的贡献，例如旨在通过应用归纳技术学习 OWL 公理（参见本卷中的 Lehmann 等人 [5] 和 Lisi [6]）。本体学习的问题比预期的要困难得多。在我看来，主要原因是本体总是反映概念化世界或给定领域的方式，而从一组数据中学习的本体学习算法的结果本质上反映了所讨论数据集的特性。因此，将本体算法的结果转化为实际上反映领域概念化的本体可能比从头开始构建本体的成本更高。本体学习的问题比预期的要困难得多。在我看来，主要原因是本体总是反映概念化世界或给定领域的方式，而从一组数据中学习的本体学习算法的结果本质上反映了所讨论数据集的特性。因此，将本体算法的结果转化为实际上反映领域概念化的本体可能比从头开始构建本体的成本更高。而本体学习算法从一组数据中学习的结果本质上反映了数据集的特性。因此，将本体的结果转化为
2D MXene 摩擦学观点
二维早期过渡金属碳化物、氮化物和碳氮化物 (MXenes) 家族规模庞大且发展迅速，引起了材料科学和材料化学界的极大兴趣。MXenes 被发现仅十多年前，已在从储能到生物和医学等各种应用领域展现出巨大潜力。过去两年来，人们在研究 MXenes 用作润滑剂添加剂、复合材料中的增强相或固体润滑涂层时的机械和摩擦学性能方面进行了越来越多的实验和理论研究。尽管对 MXenes 在干燥和润滑条件下的摩擦和磨损性能的研究仍处于早期阶段，但由于 MXenes 具有出色的机械性能和化学反应性，使其能够适应与其他材料结合，从而提高其摩擦学性能，因此该领域的研究取得了快速发展。从这个角度来看，我们总结了 MXene 摩擦学领域最有希望的成果，概述了未来需要进一步研究的重要问题，并提供了我们认为对专家以及 MXenes 研究新手（特别是新兴的 MXene 摩擦学领域）有用的方法建议。
人工智能的历史视角
参与者传记 Matthew L. Jones 是普林斯顿大学史密斯家族历史学教授。 2023 年，诺顿出版了与 Chris Wiggins 合著的《数据是如何发生的：从理性时代到算法时代的历史》。他正在完成一本关于国家对通信和信息战的监控的书《伟大的剥削》。他之前的著作包括《与物质清算：从帕斯卡到巴贝奇的计算机器、创新和思考》和《科学革命中的美好生活：笛卡尔、帕斯卡、莱布尼茨和美德的培养》。 Janet Abbate 是弗吉尼亚理工大学的科学、技术和社会学教授。她是两本获奖书籍的作者：《发明互联网》，这是第一本关于互联网的学术史，以及《重新编码性别：女性在计算中不断变化的参与度》。她最近的一本书是《抽象与体现：计算和社会的新历史》（与 Stephanie Dick 合编）。她目前正在撰写一本关于计算机科学作为一门智力学科的历史。Matthew Connelly 是哥伦比亚大学国际和全球历史教授，也是剑桥大学生存风险研究中心主任。他还是历史实验室的首席研究员，历史实验室是一个由 NSF 和 NEH 资助的项目，该项目使用数据科学分析国家机密。他的出版物包括《外交革命：阿尔及利亚的独立斗争和后冷战时代的起源》、《致命的误解：控制世界人口的斗争》和《解密引擎：历史揭示的美国最高机密》。Jeffrey R. Yost 是明尼苏达大学科学技术史研究教授，也是查尔斯·巴贝奇计算、信息和文化研究所所长。他最近的七本著作是《计算机：信息机器的历史》（第 4 版）（合著）和《让 IT 发挥作用：计算机服务业的历史》。他是约翰霍普金斯大学出版社《计算与文化》丛书的共同编辑、《界面》期刊的共同编辑，并创办了《区块链与社会》博客。
以数据为中心的人工智能：前景与挑战
• 评估数据和数据维护：与训练数据开发相比，这两项研究较少。它们很重要，需要更多的研究工作。• 跨任务技术：我们如何同时优化 DCAI 中的多个任务？• 数据模型协同设计：我们能否通过迭代设计数据和模型来实现更好的性能？• 数据偏差：我们如何消除数据中的偏差？• 数据基准：我们如何开发数据基准来对数据质量进行基准测试？现有的基准仅关注特定的 DCAI 任务，而不是整个 DCAI。
关于床沙测量的观点
摘要 在过去十年中，山区洪水和泥石流的床沙测量技术取得了重要进展。虽然悬浮沉积物仍然是测量的最常见的部分，但床沙仍然是一个问题，因为它不仅更难测量，而且对地貌变化的影响也最大。床沙输送现场测量技术的发展至关重要，需要复杂化才能在不同环境中有效发挥作用。理想情况下，床沙测量技术应该是非侵入性的、灵活的和代表不同类型的输送。这篇文章是几十年来在山洪中对砾石和鹅卵石床溪流进行床沙实验的结果，以及为未来应用开发床沙测量方法和设备的问题。描述了捕获和追踪技术，并强调了高分辨率遥感图像的潜力。随着人们对砾石河床动力学和变化的认识不断提高，对用于进一步模型验证和应用的可靠现场数据的需求将不断增长。