图计算体系结构和系统软件关键技术综述

图计算作为分析事物之间关联关系的重要工具,近年来已成为各国政府及公司争夺的关键技术.学术界和工业界在图计算体系结构和系统软件关键技术方面取得了一定进展.然而,现实场景图计算大多具有动态变化、应用需求复杂多样等特征.这给图计算在基础理论、体系架构和系统软件关键技术方面提出了新的需求,同时也带来了新的挑战.为应对这些挑战,科研人员提出了一系列图计算系统或图计算加速器,通过高性能计算、并行计算等技术来优化图计算过程.综述国内外图计算体系结构和系统软件关键技术的研究发展现状,对国内外研究的最新进展进行归纳、比较和分析,并结合国家发展战略和重大应用需求,选取与我国国计民生密切相关的领域,从典型应用分析总结图计算相关技术的行业进展.最后,就未来的技术挑战和研究方向进行展望.

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。

Sora:从技术哲学到文艺学的思考(笔谈)

哲学学者吴冠军从技术哲学的视角提出:从ChatGPT、DALL·E到Sora,基于转化器的AIGC大模型并不只改变了内容创作,还改变了“世界”在最字面上的意义。世界化成的过程,越来越多被以有损压缩-重新生成为发生学机制的AIGC之创造性活动所介入,这就导致“宇宙”(我们眼里的“物理宇宙”)与“元宇宙”不断深层次地叠加,“自然进程”与“人工创造”不断深层次地交织以至进入无可区分之域。这就意味着,我们所熟悉的那个“世界”,将一去不复返:当AIGC已“深”到参与世界化成本身之中时,讨论“深伪”将越来越没有意义。文艺学学者赵宪章则从“语图关系学”的视角提出:Sora的横空出世及其未来演进,不仅不是图像时代符号危机的解除,更不是语图关系研究的终结。恰恰相反,Sora加深了这一危机,语图关系研究也延宕出新的面向。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

信息资源管理学科视角下的数据要素研究

[目的/意义]数字经济背景下,信息资源管理学科需要进一步融入到数据要素化市场建设之中,积极建构新的学术增长点。[研究设计/方法]首先分析信息资源管理学科与数据要素的关联逻辑以及学科的角色建构问题,而后介绍信息资源管理学科视域下的若干核心议题,最后对两者融合的未来发展提出思考。[结论/发现]数据要素研究是信息资源管理学科的新领域和新方向,应充分发挥学科特色和优势,有组织地推进数据要素研究与实践。[创新/价值]从信息资源管理学科视域思考数据要素研究,为进一步扩大学科研究视野、拓展学科研究空间提供启示,为数据要素化与数字经济发展中的学科话语建构提供参考。

基于RoBERTa和图增强Transformer的序列推荐方法

自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于瘤体及瘤周多参数MRI对乳腺病变良恶性诊断列线图预测模型的构建与评价

目的:建立基于瘤体及瘤周多参数MRI的乳腺病变良恶性鉴别诊断的列线图模型,并验证其预测效能。方法:纳入经病理学检查明确乳腺病变性质的100例患者作为研究对象,所有患者均行核磁共振(MRI)检查和病理检查,根据病理检查结果分为乳腺良性病变组(n=62)和乳腺恶性病变组(n=38)。收集患者临床资料、瘤体各参数、瘤周各参数以及乳腺病变良恶性情况。多因素Logistic回归分析筛选乳腺恶性病变的危险因素并构建列线图预测模型,采用受试者工作特征(ROC)曲线和Hosmer-Lemeshow拟合优度检验验证模型的预测效能及拟合优度;内部验证采用Bootstrap。结果:乳腺恶性病变组病灶直径、平均扩散峰度(MK)、MDp/t、瘤周与瘤体MKp/n高于乳腺良性病变组(均P<0.05);乳腺恶性病变组表观扩散系数(ADC)值、平均扩散率(MD)、非对称磁化转移率(MTRasym)、MKp/t、MDp/n低于乳腺良性病变组(均P<0.05)。多因素分析结果显示,病灶直径、MK、MDp/t、MKp/n升高,ADC值、MD、MTRasym、MKp/t、MDp/n降低是乳腺恶性病变的独立影响因素(均P<0.05)。基于上述独立影响因素构建乳腺恶性病变的列线图预测模型,曲线下面积(AUC)为0.827。Hosmer-Lemeshow拟合优度检验显示P值为0.004。采用Bootstrap法,生成的校准曲线拟合良好。结论:瘤体及瘤周多参数MRI对乳腺病变良恶性鉴别诊断具有重要预测价值,基于乳腺恶性病变的独立影响因素构建的列线图预测效果良好,能直观预测乳腺发生恶性病变的概率。

基于样本嵌入的挖矿恶意软件检测方法

加密货币挖矿恶意软件的高盈利性和匿名性,对计算机用户造成了巨大威胁和损失。为了对抗挖矿恶意软件带来的威胁,基于软件静态特征的机器学习检测器通常选取单一类型的静态特征,或者通过集成学习来融合不同种类静态特征的检测结果,忽略了不同种类静态特征之间的内在联系,其检测率有待提升。文章从挖矿恶意软件的内在层级联系出发,自下而上提取样本的基本块、控制流程图和函数调用图作为静态特征,训练三层模型以将这些特征分别嵌入向量化,并逐渐汇集从底层到高层的特征,最终输入分类器实现对挖矿恶意软件的检测。为了模拟真实环境中的检测情形,先在一个小的实验数据集上训练模型,再在另一个更大的数据集上测试模型的性能。实验结果表明,三层嵌入模型在挖矿恶意软件检测上的性能领先于近年提出的机器学习模型,在召回率和准确率上相比其他模型分别提高了7%和3%以上。

从岩浆动力成因构造研究矿床——以福建福安赤路钼矿为例

引言:自德国地质学家H Cloos于1921年发表《深成火成现象的机理》一书,至今已有100多年。国内外地质学家对岩浆岩体构造进行了大量研究,发表了许多论著(Anderson,1936;武汉地质学院等,1979;徐开礼等,1989;朱志澄等,1990),特别是20世纪70年代以来,从岩石学到岩石学与构造地质学的结合研究,加强了野外调查和岩石、构造填图,提出了岩浆岩体构造的一些形成机制和构造型式,用模拟实验和数值模拟进行验证,取得长足进步(肖庆辉等,1988),也有一定参考意义。但鉴于这些研究均在地表进行,缺乏四维时空资料的检验,用现有构造地质理论难以解释岩浆岩体内部及其围岩中的构造形迹、构造型式和其形成机制以及有关矿床揭示的构造形迹及其组合形式−构造型式。为此,需要采用岩浆动力的理论观点和技术方法,对一些钨、锡、钼等多金属矿床的岩层、岩体、构造、矿体及其成岩成矿过程等作进一步研究。

注意力感知的边−节点交换图神经网络模型

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间。具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播。在3个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升。

鄂尔多斯活动地块及边界带1∶50万地震构造图编制

地震构造图是综合反映特定地区地震构造环境和地震活动水平的基础性图件,鄂尔多斯活动地块及边界带1∶50万地震构造图是国家重点研发计划“鄂尔多斯活动地块边界带动力学模型与强震危险性研究”项目的一个专题成果。该图以鄂尔多斯活动地块及边界带为编图范围,参照地震行业有关地震构造图编制标准和数据库标准,在系统收集和整理区域地理信息、地质、活动构造、地震、地球物理等资料的基础上,开展高分辨卫星影像解译,吸收项目最新研究成果,建设了编图所需的基础数据库;通过资料矢量化、地层界线修改、断层修改、图面修饰、图件复核等环节,编制成鄂尔多斯活动地块及边界带1∶50万地震构造图。该图反映了由银川盆地—贺兰山、弧形构造束、渭河盆地、山西地堑系、河套盆地等活动构造单元组成的鄂尔多斯活动地块边界带,以及相邻地块有关地震构造的最新资料,完善了鄂尔多斯地块及边界带活动构造几何学和运动学图像,建成了区域地震构造基础数据库。

双边投资协定网络的演化机制——基于多维邻近性视角

利用社会网络分析方法考察了双边投资协定(BITs)网络的历史演化特征与驱动机制。研究发现,BITs网络大致经历了初步形成、迅猛发展和结构调整三个阶段,呈现出一个较完整的S型增长,网络核心—半核心—边缘结构实现了由“金字塔”向“橄榄球”的转变。以多维邻近性为视角,运用时间指数随机图模型对BITs网络形成的影响因素进行分析,结果显示,多维邻近性是驱动BITs网络形成的重要力量,经济和制度邻近性对BITs关系的形成有负向影响,贸易水平、地理和社会邻近性对BITs关系的形成有正向影响。然而,2008年金融危机改变了BITs网络的结构特征,金融危机后BITs网络呈现分散化、多边化发展趋势,某些邻近性变量影响不再显著,社会环境类因素成为影响BITs网络的关键因素。

新工科背景下工程图学项目式教学改革探索

结合新工科的建设要求,文章立足培育学生工程制图实践能力与创新能力,将项目式教学融入“工程图学”课程建设中,探索了新工科背景下基于项目教学的工程图学教学改革新模式。在此基础上,文章又从学情分析、教学目标、课程特点、教学内容、项目实施、改革意义等方面加以分析,并以工程图学项目式教学为例详细阐述了若干案例,论述了新工科背景下工程图学项目式教学改革的可行性和有效性。

线上线下双模式教育的应用——以机械电子工程专业必修课《热力学与传热学基础》为例

后疫情时代,为适应教学要求,逐渐衍生出线上线下双模式的教学方式。本文以机械电子工程专业的必修课《热力学与传热学基础》为例介绍了线上线下双模式教育在教学中的应用。首先介绍了《热力学与传热学基础》这门专业必修课的主要授课内容、学习目标和考核标准,其次以理想气体基本热力学过程的p-v图和T-s图为例,说明了双模式教育的应用为教学带来的好处。

基于图分级的水下有向传感器网络栅栏覆盖策略

栅栏覆盖问题近年来已成为水下传感器网络研究的热点,但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大,因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足,该文提出一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先,该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件;其次,利用位置关系条件构建分级图,从中选取合适节点进行栅栏的首次构建。仿真实验结果表明:采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少,保证了较高的网络检测概率和较长的网络寿命。

融合图注意力网络和注意力因子分解机的服务推荐方法

为了解决服务推荐过程中的特征稀疏问题、提高服务的语义表示能力,进而提升推荐的准确性和有效性,提出基于图注意力网络(graph attention networks,GAT)研究服务推荐方法,引入服务的组合权重和组合的结构信息,综合利用多种服务特征,提高服务推荐质量。将GAT和注意力因子分解机(attention factorization machine,AFM)结合在一起,利用多头自注意力机制,学习每个节点在图邻域中的重要性;进行信息聚合,处理网络中的不同图结构,以适应服务动态变化的场景。实验结果显示,在数据平衡的情况下,提出的方法性能表现均好于对比方法;在数据不平衡的情况下,提出的方法大部分性能指标也表现良好,达到了提升服务推荐准确性和有效性的目标。

基于图神经网络的零件机加工特征识别方法

针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征,结合零件模型的拓扑结构,基于注意力机制对特征信息进行深度学习,可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上,将该方法与其他3种特征识别方法进行实验对比,在准确率、平均类准确率和交并比3项指标上均取得最优结果,识别准确率高于95%.

基于知识图谱多集池化的健康状态智能评估方法

为了从装备传感器监测数据和其他关联数据中提取更全面的时间域和空间域特征信息,提出一种基于知识图谱多集池化的健康状态评估方法。构建了带时间标签的健康知识图谱,以建模装备一段时间内监测数据、部件组成数据和先验知识间的时空依赖关系。在此基础上,设计了图多集池化网络模型,该模型通过节点特征学习、第一级图池化、自注意力特征学习和第二级图池化能够生成图谱的整体向量表示,将健康状态评估转换为基于表示学习的图谱分类任务。在公开的发动机数据集上对所提方法进行了实验评价,结果表明,该方法能够获得较高的评估准确度,在小样本情况下也表现出良好的优势。

向海图强:奋力谱写中国式现代化广西篇章的重要使命与历史责任

党的十八大以来,习近平总书记分别于2017年、2021年和2023年三次视察广西。2023年12月,习近平总书记视察广西时强调,广西要“解放思想、创新求变,向海图强、开放发展”。广西背靠大西南、毗邻粤港澳、面向东南亚,具有沿江、沿海、沿边与东盟“一湾相挽十一国,良性互动东中西”的独特区位优势。向海之路为奋力谱写中国式现代化广西篇章指明方向,向海发展是广西破茧成蝶的根本出路,向海经济是广西高质量发展的重要引擎,向海图强已成为广西新时代新征程的新起点。向海图强既是广西的机遇和优势,也是广西的责任和使命。伴随着系列相关政策文件、战略规划和行动计划的相继颁布实施,广西向海经济发展新格局初步形成。平陆运河建成通航后,将形成广西及西南地区通往东盟的运距最短、最经济、最便捷的运输通道。陆江湾海的联动将撬动区域经济版图,推动形成国内国际双循环战略链接的枢纽。2023年12月习近平主席应邀访问越南具有标志性意义,确立了构建具有战略意义的中越命运共同体,开启了中越两党两国关系发展的新阶段,谱写了新时代中越关系的新篇章,将更有利于广西的向海图强、开放发展。