国际能源署继续加强与中国在能源效率和需求侧灵活性方面的合作。我们向国家发改委资源节约和环境保护司提供了公共建筑节能和热泵部署方面的政策建议。此次对话促成了国际能源署执行干事法提赫·比罗尔和国家发改委副主任赵晨欣在 2023 年国际能源署第八届全球能源效率年会上签署了一份新的为期四年的谅解备忘录。国际能源署还通过详细分析中国的建筑规范、与中国科学院就电网互动式高效建筑以及加速热泵部署的方法进行交流,重点关注建筑领域。国际能源署还与中国节能经济促进会密切合作,编写了《能源效率 2023》报告的完整中文翻译版。
审阅者:Nino Kurshubadze、Abdul Kakhidze、Aleksandre Tsetskhladze、Givi Tsitskishvili、Guladi Tkhilaishvili、Zurab Bejanovi、Tamar Dolidze、Kakhaber Khintibidze(格鲁吉亚巴统国立海事学院);Boris Svilicic(克罗地亚里耶卡大学海事研究学院);Rom Rabe(德国维斯马应用技术、商业和设计大学);Minna Keinänen-Toivola(芬兰萨塔昆塔应用技术大学);Angelica Baylon(菲律宾亚太海事学院);赵健(中国大连海事大学);Graham Benton(美国加州州立大学海事学院);Matthew Rooks(日本神户大学海洋科学研究生院); Samrat Ghosh(澳大利亚塔斯马尼亚大学澳大利亚海事学院)
具有连续体束缚态的硅槽形纳米立方体高效二次谐波产生 方慈哲,杨奇宇,袁清晨,顾林鹏,甘雪涛*,邵瑶,刘燕,*韩根泉,郝越 方聪,杨倩,刘英教授,韩刚教授,郝英教授 西安电子科技大学微电子学院宽禁带半导体技术国家重点实验室,西安 710071,中国 电子邮件:xdliuyan@xidian.edu.cn 袁倩,顾琳,甘雪教授 西北工业大学物理科学与技术学院,工业和信息化部光场操控与信息获取重点实验室,陕西省光信息技术重点实验室,西安 710129,中国 电子邮件:xuetaogan@nwpu.edu.cn Y.邵 国家电网上海能源互联网研究院,上海市浦东新区李冰路251号,201210,中国 刘宇 教授 智能芯片与器件研究中心 浙江省重点实验室,杭州,311121,中国 关键词:二次谐波产生,连续体中的束缚态,硅,介电纳米结构 具有中心对称性的光学材料,例如硅和锗,不幸的是
摘要 牵引传动系统作为高速列车的动力系统,是保障高速列车安全稳定运行的关键系统之一。故障测试验证平台是保证高速列车实时故障诊断方法有效应用的重要途径。针对高速列车牵引传动系统故障测试验证平台面临的挑战性问题,分析了故障注入、仿真可靠性评估、算法性能评估、仿真平台实现的方法与技术,并总结了针对上述问题的一些解决方案。在此基础上,提出并搭建了集高速列车实时仿真、故障场景真实模拟、随机故障测试和故障诊断算法评估为一体的高速列车牵引传动系统故障测试验证平台。最后对高速列车安全监测与验证平台未来的研究方向进行了总结和展望。关键词故障测试,验证平台,故障注入,测试评估,高速列车牵引传动系统引用杨超,彭涛,杨春华,陈志文,桂伟华。高速列车牵引传动系统故障测试与验证仿真平台。自动化学报,2019,45(12):2218−2232
QUINGO 开发团队: 傅学锋,国防科技大学计算机学院量子信息研究所、高性能计算国家重点实验室,中国 俞金涛,数学工程与先进计算国家重点实验室,中国 苏星,国防科技大学计算机学院,中国 蒋涵如,鹏程实验室量子计算中心,中国 吴华,华东师范大学上海市可信计算重点实验室,中国 程福成、邓曦、张金荣,鹏程实验室量子计算中心,中国 金磊、杨一航、徐乐、胡春超,郑州大学信息工程学院,中国 黄安琪、黄光耀、强小刚、邓明堂、徐萍、徐伟霞,国防科技大学计算机学院量子信息研究所、高性能计算国家重点实验室,中国国防科技大学计算机学院,中国 刘万伟,国防科技大学计算机学院,中国 张宇,中国科学技术大学计算机科学与技术学院,中国 邓宇欣,华东师范大学上海市可信计算重点实验室,中国 吴俊杰,国防科技大学计算机学院量子信息研究所、高性能计算国家重点实验室,中国 冯远,悉尼科技大学量子软件与信息中心,澳大利亚
在人工智能发展史上,2016年被普遍视为具有里程碑意义的一年,人工智能项目数量大幅增加(赵建军、袁志强,2016)。这一年,DeepMind 的 AlphaGo 战胜了围棋冠军李世石,成为首个战胜职业围棋选手的计算机围棋系统。这场人机大战的结果引起了全球的广泛关注,为人工智能技术的发展注入了新的动力。在各国人工智能战略和资本涌入的推动下,人工智能技术的应用领域得到了极大的拓展,教育是受影响最为显著的领域之一。2017全球(上海)人工智能创新峰会呼吁进一步探索人工智能与教育的融合。在过去几年大数据、互联网、云计算等技术的快速发展中,人工智能在中国教育改革中发挥了至关重要的推动作用(张建军、顾志强,2023)。
生长还是不生长是植物在面临盐胁迫时经过复杂评估后做出的简单决策。由于气候变化,我们的可耕地越来越少,传统农业可用的淡水资源也越来越少,因此了解植物在盐胁迫下如何做出这一决定至关重要。数十年来的研究一致认为,耐盐性是一种复杂的性状,涉及转录和生理反应的协调反应。我们主要使用拟南芥,已经揭示了一些控制盐胁迫反应的关键方面。现在,我们站在新的前沿,以自然适应胁迫的植物为主要研究目标,扩大我们的知识库,利用新的分子工具和资源,以前所未有的水平了解盐胁迫适应性。在这篇评论中,我们重点介绍了赵等人描述的主要机制。 1 是《创新》第一期关于植物盐胁迫反应的文章,涉及新的突破性研究和培育耐盐作物的新兴前沿,以满足不断变化的世界的需求。
技术程序委员会: 张超 国防科技国家创新研究院 陈厚桐 美国洛斯阿拉莫斯国家实验室 范文辉 中国科学院西安光学精密机械研究所 韩家光 桂林电子科技大学 胡敏 电子科技大学 胡明烈 天津大学 金标斌 南京大学 Olga G. Kosareva 莫斯科国立大学 刘伟 南开大学 谷昌彦 日本福井大学 彭小雨 中国科学院重庆绿色智能技术研究院 Emma Pickwell-Macpherson 英国华威大学 石伟 西安理工大学 东之内昌义 日本大阪大学 王天武 中国科学院空天信息研究院 吴小军 北京航空航天大学 徐德刚 天津大学 张东文 国防科技大学 张岩 首都师范大学 张亚欣 电子科技大学 赵增秀 国防科技大学 郭立朱一明,中国工程物理研究院 朱一明,上海理工大学
刘志平(2023/02-2023/05,现为南京大学博士生)、陈逸飞(2023/01-2023/04,剑桥大学研究生)、张蕾(2021/12-2023/04,现为香港科技大学广州分校博士生)、刘霞(2021/08-2023/04,中科院博士生)、张浩凯(2021/10-2023/04,清华大学博士生)、朱成宏(2021/12-2023/04,现为香港科技大学广州分校博士生)、荆明睿(2022/05-2023/04,现为香港科技大学广州分校博士生)、余湛(2021/11-2023/05,现为新加坡国立大学博士生)、宋志新(2020/04-2021/07,现于佐治亚理工学院攻读博士学位)、赵选强(202008-202208,现于香港大学攻读博士学位)、赵本池(2020/10-2022/03,现于大阪大学攻读博士学位)、陈然柳(2020/08-2021/08,现于哥本哈根大学攻读博士学位)、蒋佳庆(2020/07-2021/04,现于加州理工学院攻读博士学位)、曹晨峰(2020/07-2020/10,现于香港科技大学攻读博士学位)、余思卓(2021/01-2021/10,现于巴黎-萨克雷大学攻读博士学位)、夏子涵(2021/04-2022/03,现于南加州大学学生)、王庆河(2020/09-2021/09,现于加州大学洛杉矶分校学生)、王子河(2020/07-2021/07,现百度软件工程师)、莫印(2021/09-2021/12,百度→香港科技大学广州)、李罗珍(2022/08-2022/11,现荷兰代尔夫特理工大学研究生)、朱成凯(2021/08-2023/04,现香港科技大学广州)博士生)、耿刘(2021/08-2023/04,现为香港中文大学(深圳)博士生)、姚宏顺(2021/08-2023/04,研究生)、王振铎(2022/07-2022/09)、施凯彦(2021/04-2021/07)、叶瑞林(2021/09-) 2022/01), 黄嘉欣(2021/09-2022/01)、王家辉(2021/06-2021/08)、宋艺轩(2021/06-2021/08)、李茂然(2021/02-2021/07)、刘迎建(2021/01-2021/07)、严子贤(2020/09-2021/09)、席韩哲(2021/05-2021/09)、陈一方(2020/03-2020/06)、孟泽林(2020/04-2021/07)。
引言近年来,金融业遇到了一种普遍存在的挑战,即漂绿行为。漂绿行为是一种夸大或歪曲公司对环境影响的做法,以给人留下公司比实际更注重环保的印象 (Huang & Chen, 2015)。当环境、社会和治理 (ESG) 报告等正式公共信息加剧信息不对称并增加市场混乱的风险时,就会发生这种情况 (Liu et al., 2024)。夸大其词是漂绿行为的一种常见形式,事实证明,它通过扭曲可持续发展目标的实现和评估来阻碍可持续发展目标的实现 (Cojoianu et al., 2020)。这通常表现为使用过于积极的语言来描述公司的环境、社会或治理绩效,而没有提供足够的支持数据或证据。因此,检测和解决 ESG 报告中的夸大其词至关重要。人工智能 (AI) 正在塑造世界,尤其是像 ChatGPT 这样的生成式人工智能 (GenAI) 的快速发展。金融领域的一些研究已经开始利用人工智能来解决 ESG 报告中的问题。例如,一些研究比较了传统和人工智能驱动的 ESG 评级 (Hughes 等人,2021)。一些研究调查了人工智能对漂绿和可持续发展报告的影响 (Moodaley & Telukdarie, 2023)。Yang 等人 (2021) 发现 ESG 披露降低了公司债券信用利差,降低了风险并增强了投资者信心,而 Biju 等人 (2023) 使用 MAXQDA 软件将 ESG 的情绪得分与漂绿的看法联系起来。这些研究表明了在分析 ESG 报告中应用人工智能的可能性和潜力。因此,本研究受到启发,充分利用人工智能,尤其是 GenAI,来评估 ESG 报告中的夸大行为 (Jain 等人,2023)。尽管先前的研究已经研究了审查和评估 ESG 报告的各种技术,但识别夸大断言的难度仍然没有得到充分研究,尤其是在使用最先进的人工智能技术时。此外,即使公司可能在其 ESG 报告中使用“极端”、“完整”或“最高”等形容词,但这并不总是意味着他们夸大了他们的成就;事实上,一些公司可能在这方面表现出色。因此,仅依靠 ESG 报告中的术语无法彻底确定公司是否夸大了他们的主张。GenAI 的优势在于能够通过分析上下文细节来辨别是否有合理的理由怀疑夸大。本研究旨在通过利用 GenAI 来检测 ESG 报告中的夸大描述,从而弥补这一差距,从而更准确、更稳健地评估企业可持续发展绩效。我们采用三种不同的即时工程策略,即零样本、少量样本和思路链 (COT) 来分析一组 ESG 报告。此外,我们还将该方法与传统文本分析技术和人类智能进行交叉验证。这