XiaoMi-AI文件搜索系统
World File Search System研究现状
普适计算和大数据时代的可信人工智能
摘要 — 普适计算时代产生了无数的设备，它们不断监控用户及其环境，产生了大量用户行为数据。这些数据可能有助于提高服务质量，但也可能导致监视和广告等不利用途。与此同时，人工智能 (AI) 系统正在应用于医疗保健、司法或人力资源等敏感领域，引发了人们对此类系统可信度的多重担忧。因此，对人工智能系统的信任与伦理有着内在联系，包括算法伦理、数据伦理或实践伦理。在本文中，我们从伦理角度正式化了可信人工智能系统的要求。我们特别关注可以集成到人工智能系统设计和开发中的方面。在讨论了研究现状和剩余挑战之后，我们展示了智能城市中的具体用例如何从这些方法中受益。索引术语 — 人工智能、普适计算、伦理、数据融合、透明度、隐私、公平、问责制、联合学习
飞机静态气动弹性效应预测与修正方法研究进展
摘要：本文全面综述了飞机静态气动弹性效应预测与修正方法的研究进展，包括气动弹性的损伤与防护等。相似条件的确定和静态气动弹性缩放建模对于获得准确的气动特性具有重要的风洞试验意义。同时，相似的刚度分布、制造材料和加工工艺与飞机结构动力学模拟密切相关。详细描述了静态气动弹性模型的结构布局，包括板式、梁式、轴承蒙皮式和全结构相似式。此外，风洞和试验技术在静态气动弹性试验中也起着重要作用。值得注意的是，计算流体动力学(CFD)和计算结构动力学(CSD)在流场气动弹性分析中的应用越来越受到研究者的重视。详细介绍了飞机气动弹性数值模拟的研究现状和关键技术。另外，本文还简要介绍了静态气动弹性预测与修正方法，特别是目前应用广泛的K值法。
普适计算和大数据时代的可信人工智能
摘要 — 普适计算时代产生了无数的设备，它们不断监控用户及其环境，产生了大量用户行为数据。这些数据可能有助于提高服务质量，但也可能导致监视和广告等不利用途。与此同时，人工智能 (AI) 系统正在应用于医疗保健、司法或人力资源等敏感领域，引发了人们对此类系统可信度的多重担忧。因此，对人工智能系统的信任与伦理有着内在联系，包括算法伦理、数据伦理或实践伦理。在本文中，我们从伦理角度正式化了可信人工智能系统的要求。我们特别关注可以集成到人工智能系统设计和开发中的方面。在讨论了研究现状和剩余挑战之后，我们展示了智能城市中的具体用例如何从这些方法中受益。索引术语 — 人工智能、普适计算、伦理、数据融合、透明度、隐私、公平、问责制、联合学习
深入研究 2000 年至 2023 年间的隧道爆破研究——系统回顾
隧道爆破是开挖岩层的一种常见方法。隧道爆破领域涌现出许多学术研究文章。这些文章分别针对爆破振动、岩石损伤和振动能量等目标进行研究。然而，并没有对与隧道爆破相关的文献进行系统的分析来整合和分析这些结果。为了解决这个问题，本研究通过提供系统的综述来探索隧道爆破的研究现状。采用科学地图方法和文献计量分析来审查 144 篇同行评议期刊文章。审查确定了隧道爆破研究方面最具影响力的期刊、机构、研究人员和文章，并根据研究关键词的聚类分析总结了隧道爆破的研究热点。本综述的结果揭示了两本领先期刊、三所领先机构和三名领先研究人员对隧道爆破研究的贡献。并确定了爆破振动、数值模拟、岩石损伤、超挖四个研究关键词作为2018—2023年的研究热点。最后，本文还对隧道爆破未来的研究方向进行了展望，旨在指出当前研究存在的不足，为未来的研究提供思路。
科学。教育。文化
参考书目：1.根纳季·奥西波夫。人工智能：研究现状和未来展望“http://www.raai.org/about/persons/osipov/pages/ai/ai.html 2.安德烈亚斯·卡普兰 (Andreas Kaplan)、迈克尔·海恩莱因 (Michael Haenlein) Siri，Siri，在我手中：谁是这片土地上最美丽的人？关于人工智能的解释、说明和含义https://www.sciencedirect.com/science/article/pii/S0007681318301393#!3.杰克·科普兰。什么是人工智能？http://www.alanturing.net/turing_archive/pages/Reference%20Articles/what_is_AI/What%20 is%20AI 09.html 4. https://medium.com/nuances-of-programming/python-libraries-for-interpretable-machine-learning-models-1bac19599eaa 5. https://www.gartner.com/smarterwithgartner/gartner-top-10-data-analytics-trends/ 6. https://rb.ru/opinion/uzhe-ne-black-box/ 7. https://ru.wikipedia.org/wiki/Теория_игр 8. https://ru.wikipedia.org/wiki/Вектор_Шапли 9. https://suilin.ru/post/conversion_factors/ 10. https://github.com/slundberg/shap 11. https://habr.com/ru/post/428213/ 12. https://christophm.github.io/interpretable-ml-book/shapley.html 13. https://towardsdatascience.com/explain-your-model-with-the-shap-values-bc36aac4de3d
土壤系统
微/纳米塑料越来越被认为是陆地生态系统中普遍存在的污染物，尤其是在土壤中。土壤中微/纳米塑料的命运取决于多种因素，包括土壤特性、pH 值、有机物含量、水分含量和微生物活动等。研究表明，微/纳米塑料可以保留在土壤基质中，影响其降解速率和运输潜力。微/纳米塑料可能会发生碎裂或聚集，从而改变其环境行为。此外，微/纳米塑料会破坏土壤生态群落，可能导致微生物多样性降低和养分循环改变。本期特刊旨在扩展土壤中微/纳米塑料的当前研究现状。一些潜在主题包括土壤中微/纳米塑料的命运、环境微/纳米塑料的风险评估以及微/纳米塑料对土壤生态系统的影响。欢迎撰写有关我们目前对土壤中微塑料的命运和环境影响的了解的研究、评论和意见文章。
生成式人工智能和（英语教学）高等教育的系统评价
摘要 本系统评价研究了生成人工智能 (GenAI) 的研究现状及其对 (EMI) 高等教育的影响。本研究采用基于证据和理论可信框架的方法来回答两个研究问题：(1) 考虑到 GenAI 的最新发展，迄今为止已发表了哪些与 (EMI) 高等教育相关的研究？和 (2) 目前现有文献中缺乏哪些关键领域，需要在 (EMI) 高等教育研究中进一步进行学术探索？研究结果显示相关出版物数量有限，表明学术领域稀疏，关于生成人工智能对 EMI 高等教育的影响的研究很少。根据这些发现，提出了初步建议以指导该领域的未来研究。本研究强调需要进一步研究 GenAI 在增强 (EMI) 高等教育教学和学习体验方面的潜力，为文献做出了贡献，并提供了指导未来研究的理论框架。这些发现可能会为有兴趣探索如何从不同的教育角度利用 GenAI 的研究人员和教育工作者提供参考。
探索人工智能和机器学习在数字金融包容性中的作用和应用：通过文献计量分析确定数字革命时代的关键主题和趋势
摘要 - 本文旨在对金融领域人工智能 (AI) 和机器学习 (ML) 应用的研究现状进行全面的文献计量审查，重点关注数字金融包容性。为此，我们选择了 Elsevier 的 Scopus 数据库中索引的文章，而不是 Web of Science (WOS) 和 Google Scholar 中的文章，以确定关键的研究集群。在审查过程中，筛选了 6,642 篇文章，最终有 3,097 篇文章符合纳入标准。分析显示，近年来，该领域的出版物数量呈指数级增长，其中“数字银行服务”成为最相关的来源。此外，该分析强调了加强金融包容性人工智能研究的国际合作的必要性。通过共引和共词分析，该研究确定了该领域的杰出学者和关键概念，为未来的研究方向提供了宝贵的见解。虽然这项研究提供了宝贵的见解，但也承认数据库选择和样本量等局限性，为未来该领域的研究改进铺平了道路。
需求响应及其产业进展...
实现能源灵活性正成为管理间歇性和可变发电的能源系统规划人员关注的关键问题。通过需求响应 (DR) 计划，工业领域具有实现大规模能源灵活性的巨大潜力。通过需求响应计划实现的这种工业需求灵活性将使可再生能源在电网中得到广泛应用。本文旨在通过讨论以下问题全面回顾需求响应及其工业应用：1）当前的研究现状，2）需求响应在工业中应用的现阶段，以及 3）部署 DR 计划的障碍。这项研究表明，近年来 DR 领域的研究取得了重大进展。它还展示了 DR 计划在工业中的潜在应用。但是，研究发现，仍然存在一些技术、政策和财务障碍，限制了 DR 的广泛应用。因此，本文就克服障碍和促进需求响应潜力的利用（尤其是在工业领域）所需的技术、政策和财务措施提出了建议。
医学领域的人工智能生成内容 (AIGC)
摘要：近年来，人工智能生成内容（AIGC）受到越来越多的关注，并呈指数级增长。AIGC 是由生成式人工智能（AI）模型根据人类提供的指令提取有意信息生成的。AIGC 可以快速自动生成大量高质量内容。目前，医学领域存在医疗资源短缺和医疗程序复杂的问题。由于其特点，AIGC 可以帮助缓解这些问题。因此，AIGC 在医学中的应用近年来受到越来越多的关注。因此，本文对 AIGC 在医学中的研究现状进行了全面的综述。首先，我们对 AIGC 进行概述。此外，基于最近的研究，从医学图像处理和医学文本生成两个方面回顾了 AIGC 在医学中的应用。本文对基本的生成式人工智能模型、任务、目标器官、数据集以及研究贡献进行了探讨和总结。最后，我们还讨论了人工智能生成式人工智能所面临的局限性和挑战，并结合相关研究提出了可能的解决方案。希望本综述能帮助读者了解人工智能生成式人工智能在医学领域的潜力，并获得一些该领域的创新思路。