首页>知识导航 > 水利基础 > 计算机应用 > 人工智能
资源种类 收起
年份 收起
展开更多
语种 收起
学科分类 展开
出版状态 展开
订阅
至 收起
  • [期刊论文] 《地球物理学报》 ISTIC EI SCI PKU CSSCI - 2026年7期
    近年来,人工智能技术在空间天气与空间探测领域的深度融合,正加速推动空间科学从"物理-数值模拟"范式向"物理引导的数据智能建模"范式转型.本文全面整合空间科学各子领域研究进展,系统回顾了 AI在太阳物理、日冕动力学、日地耦合、地磁扰动、磁暴与亚暴、电离层响应、磁重联与湍流演化及行星空间环境等典型过程中的建模与预测应用.重点梳理了卷积神经网络、深度学习、Transformer、物理信息神经网络(PINNs)等主流算法在多尺度复杂过程中的建模性能,揭示其在事件识别、时序预测、物理结构重构、因果推演等方面的优势与挑战.本文进一步剖析了空间天气AI模型普遍存在的可解释性不足、数据不平衡、模型泛化性差等问题,并强调"AI-ready"标准化数据库建设的基础性作用.以NASA SDO项目、SPASE元数据模型、以及中国子午工程(CMP)为例,探讨了多源、多尺度观测数据与物理模拟协同体系对AI模型训练与验证的关键支撑作用.倡议依托子午工程为战略支点,建设"以空间任务为牵引,以探测数据为基石,以AI技术为引擎"的中国空间智能基础设施.
    空间天气太阳活动磁层活动人工智能机器学习
  • [期刊论文] 《物理学报》 ISTIC EI SCI PKU CSSCI - 2026年10期
    经典计算正逼近物理极限,而含噪声的中等规模量子硬件面临校准与控制瓶颈,这催化了量子人工智能这一前沿交叉领域的诞生.量子人工智能旨在利用人工智能与量子计算的协同作用,解决彼此的瓶颈问题.本综述系统地分析量子人工智能的双向赋能框架.在"AI for Quantum"方面,AI正成为克服中等规模量子硬件瓶颈的工具,关键应用包括设备自动化校准与高保真读出、开发超越传统算法的 AI量子纠错解码器及AI驱动的量子线路优化.在"Quantum for AI"方面,量子计算正为 AI算法提供新的计算范式与模型设计思路,从早期的 HHL,QSVM算法演进到中等规模量子时代主流的变分量子算法和量子神经网络,同时综述了该领域面临的贫瘠高原等可训练性挑战及其缓解策略,并涵盖了量子优化及量子原生智能模型.总结指出,量子人工智能的双向融合有望成为推动量子计算从中等规模量子时代迈向容错计算、构建下一代混合量子-经典智能系统的重要路径之一.
    量子人工智能量子计算人工智能
  • 2024年是新人工智能(Artificial Intelligence,AI)的里程碑之年,人工智能科学取得一系列突破性进展.文中从大模型与具身智能、人工智能生成内容(Artificial Intelligence Generated Content,AIGC)、AI智能体、人工智能驱动的科学研究(AI for Science,AI4S)与人工智能相关科学研究(Science for AI,S4AI)、AI相关政策与平台等方面回顾2024年人工智能领域热点和动向.随着大模型、智能体等技术的飞速进步,AI应用领域持续扩大,对各行各业引发新的冲击,政策与平台建设不断完善,新质生产力展现出更大的发展潜力.围绕自主智能"新AI",期待诞生更多AI里程碑工作.
    大模型具身智能人工智能生成内容(AIGC)智能体人工智能驱动的科学研究(AI4S)
  • [期刊论文] 《工程科学学报》 ISTIC EI SCI PKU CSSCI - 2026年8期
    在工业 4.0的驱动下,智能化在各行各业中均发挥着重要作用,人工智能技术与微流控技术结合是微流控领域发展的一个必然趋势,人工智能强大的数据处理能力辅助集成式微流控技术的设计,赋予其高效高通量生成、高精度可控性的生产能力,可以为材料合成、化学反应和生物医学等领域提供强大工具.相较于传统人工分析方法,人工智能辅助的微流控技术具有更高的处理速率、更少的人为干预,有效缓解传统微流控依赖研究人员经验、实验重复性差、优化过程耗时耗力等问题.此外,人工智能模型有望进一步实现对液滴生成、反应条件优化等的深入探究.鉴于此,该交叉领域无疑具有广阔的发展前景,而目前系统性的总结和阐述却相对缺乏.本文旨在系统性地梳理人工智能辅助微流控技术的研究进展.首先介绍了微流控领域常用的人工智能模型,然后分别从微流控液滴生成、微反应器优化设计、功能微纳材料合成、微流控化学反应和生物医学技术五个方面详细阐述了人工智能辅助微流控技术的应用,最后对这一交叉领域未来的发展方向进行了总结和展望,为相关领域的研究者提供研究新思路.
    人工智能微流控神经网络微反应器功能微纳材料化学反应生物检测
  • [期刊论文] 《硅酸盐学报》 ISTIC EI SCI PKU CSSCI - 2026年1期
    人工智能(AI)技术凭借卓越的高维数据处理能力,催生了"AI for Science"的全球战略热潮.其中,材料科学与AI的交叉融合,已成为驱动材料创新变革与产业升级的核心引擎.在硅酸盐材料领域,"AI for Materials"的融合浪潮持续深化,不断突破传统研发的极限边界,推动陶瓷、玻璃、水泥和新能源等材料领域实现从"经验驱动"向"数智驱动"的关键转型.当前,AI技术已深度渗透到材料研发的全流程,涵盖材料成分高效设计、多目标性能精准预测、制备工艺智能优化及服役寿命可靠评估等核心环节,为破解传统材料研发模式周期长、成本高、效率低的关键痛点提供了全新的解决方案.
    人工智能无机非金属材料硅酸盐材料机器学习
  • 连铸在钢铁生产流程中处于中间环节,既是炼钢工序的终点,又为后续轧制过程提供必要的条件与支撑,发挥着承上启下的作用.各工艺参数与铸坯质量之间存在复杂的非线性关系,传统建模与分析方法难以满足高质量生产的需求.近年来,人工智能技术在连铸的质量预测、异常识别、生产监测、工艺优化及质量检测等环节得到广泛应用,有效提升了生产效率和铸坯质量.本文总结了人工智能在连铸领域的应用,并从面向人工智能的工业系统与生成式人工智能技术的角度,展望了其在连铸领域的发展前景,为新一代信息技术在钢铁领域的研究与应用提供参考.
    连铸人工智能机器学习质量预测工艺优化计算机视觉
  • [期刊论文] 《食品与发酵工业》 ISTIC EI SCI PKU CSSCI - 2026年7期
    乳酸菌产生的功能活性肽在食品工业和生物医药领域具有巨大的应用潜力,包括抗氧化、降压、抗菌、免疫调节和呈味等多种生物活性.然而,传统的活性肽挖掘方法效率低下且筛选策略单一,难以全面挖掘其潜力.目前,肽组学和人工智能技术的应用为乳酸菌源功能活性肽的高效挖掘提供了新途径.肽组学通过高分辨率质谱和多维色谱技术实现了活性肽的系统性解析,而人工智能则通过数据驱动模型加速了活性肽的预测与设计.该文简述了乳酸菌源功能活性肽的分类、功能及挖掘技术(肽组学与人工智能),指出了当前的研究进展和面临的挑战,为未来乳酸菌活性肽的深入研究和产业化应用提供了理论指导.
    乳酸菌活性肽活性肽挖掘人工智能肽组学
  • [期刊论文] 《硅酸盐学报》 ISTIC EI SCI PKU CSSCI - 2026年7期
    有机聚合物材料的高维度、非线性的化学空间制约了新材料的研发效率,而人工智能(AI)通过数据驱动模型揭示构效关系,正推动该领域进入高效设计的新阶段.本文系统综述了 AI驱动聚合物功能材料研究的新范式.首先,针对数据瓶颈,阐述了高通量计算、机器学习与标准化数据库的协同策略;其次,针对结构表示难题,创新性引入"功能基元"概念,发展了聚合基元指纹(PUFp)与聚合物基元图(PU-Graph)等可解释特征编码方法;进而总结了从宏观工艺参数到微观结构编码的机器学习预测模型进展,并重点剖析了 AI在有机半导体、光伏及电介质材料中的典型运用案例,展现了"数据-模型"协同驱动范式转型的现状.本文针对有机聚合物功能材料专用数据库的构建与结构编码方法的梳理,也为第四范式聚合物材料研发提供了数据及方法支撑.最后,展望了 AI与材料大数据深度融合的前景,包括逆向设计、实验-模型闭环集成等关键方向.可以预见,随着这些问题的突破,AI将从辅助工具演变为聚合物材料创新的核心引擎.
    人工智能范式有机聚合物功能材料功能基元数据驱动结构-性能关系
  • [期刊论文] 《北京航空航天大学学报》 ISTIC EI SCI PKU CSSCI - 2026年10期
    小行星已成为深空探测领域的主要目标之一.围绕小行星抵近探测安全、高效处置的需求,综述了主要航天强国面向小行星抵近探测的人工智能(AI)技术应用及设想.从深空环境智能感知、智能规划及决策 2个方面梳理了当前的研究进展,分析了当前人工智能技术应用于小行星抵近探测任务中面临的模型可靠性难以度量、未知环境适应性不足、星载计算资源受限等难点与挑战.结合中国未来的小行星抵近探测任务和行星防御系统构建任务,探讨和展望小行星抵近探测中人工智能技术的未来发展方向与应用趋势.
    小行星探测行星防御人工智能智能感知智能决策
  • [期刊论文] 《天然气工业》 ISTIC EI SCI PKU CSSCI - 2026年9期
    油气工程领域常用的人工智能模型多为"黑箱"结构,难以揭示数据背后的地质工程规律,无法满足现场对决策可靠性的严格要求.可解释人工智能(XAI)旨在说明模型的预测依据,为油气工程人工智能模型的优化使用提供了思路,但当前缺乏系统的方法归类、解释层级划分及应用短板梳理.为此,基于近 5 年石油与天然气工程领域实施 XAI 研究的中英文期刊文献,按解释证据强度构建了算法层、工程层及机理层 3 层解释深度分级框架,系统分析了 XAI 在勘探与地质解释、测井评价与储层表征、钻完井与储层改造、油藏开发与生产预测 4 大业务领域中的应用现状.研究结果表明:①油气工程 XAI 方法可按解释时机、解释范围、模型依赖性与交付形式 4 个维度系统归类,事后解释与自解释模型两类方法数量大体相当,且各类方法在强相关数据情境下均存在特定的失效风险;②解释手段已从特征重要性展示拓展至物理约束建模、不确定性量化与符号回归,并逐步融入参数优选、风险预警与方案评价等决策环节,但解释深度在很大程度上由方法路线预先决定;③机理层面研究仍十分有限,物理嵌入广泛而机理验证稀缺构成当前最突出的结构性短板.结论认为:①未来应着力强化物理一致性与因果证据,推动控制方程与工程约束更深地嵌入模型结构,同时借助多模态大模型等技术提升解释的可传达性,降低现场理解与采纳门槛;②对于高后果决策场景,只有在算法忠实性、工程可用性与机理一致性 3 方面证据同时完备时,解释结果方可作为可审查、可复核的决策依据.
    可解释人工智能油气工程机器学习物理信息神经网络不确定性量化解释深度框架
1 2 3 4 5 下一页 GO
回到顶部
选择了条数据