计算机科学-网络与本文

📄 中文摘要:
本研究提出了一种利用信息场理论(Information Field Theory, IFT)从密集无线电天线阵列(如低频阵列望远镜LOFAR和即将建成的平方公里阵列天文台SKAO)测量数据中重建空气簇射纵向轮廓的新框架。空气簇射由高能宇宙射线与地球大气相互作用产生,其纵向轮廓的重建对于理解宇宙射线的质量组成及其起源至关重要。传统的分析方法仅能恢复簇射最大深度(Xmax),且高度依赖计算成本高昂的模拟。本文通过IFT这一基于贝叶斯推断的先进重建框架,充分利用了信号的幅度、相位和脉冲形状信息,并结合基于空气簇射物理理解的模型,实现了对整个纵向轮廓的高效重建。研究中采用Gaisser-Hillas函数参数化簇射轮廓,并通过模板合成技术快速模拟无线电发射,同时考虑了SKA-Low天线的响应特性。研究团队在模拟的LOFAR数据集上验证了该框架,展示了不仅能够重建簇射纵向轮廓及其在大气深度各区间的误差,还能恢复每个天线位置的信号轨迹。结果表明,Xmax的重建分辨率达到25 g/cm2,尽管略低于LOFAR报告的19 g/cm2,但整体无偏。此外,该方法还成功重建了电场和电压信号的形状与幅度。研究强调,密集天线布局的无线电测量有潜力超越仅重建Xmax的局限,从而深化对宇宙射线质量组成的理解。未来工作将扩展到更真实的LOFAR和SKA-Low天线布局,并通过脉冲插值和相位谱插值支持多方向事件重建。

📄 中文摘要:
本研究探讨了皮层活动中长时间尺度松弛现象的机制,特别是在体内观察到的比神经元膜时间常数或突触电导去激活时间长得多的松弛时间。通过数值模拟,研究者在动态平衡的尖峰神经元网络中发现了慢动力学的自然且稳健的涌现。这种慢动力学源于突触连接的部分对称性,这也是实验中观察到的局部皮层网络的一个特征。对称性导致了神经元的有效兴奋性自耦合,从而在不破坏动态平衡的情况下引发网络活动中长时间的波动。当兴奋性自耦合足够强时,同样的机制导致网络动力学出现多个平衡状态。研究表明,在适当的对称性水平和突触效能下,尖峰神经元网络的动态平衡状态是非遍历的,即初始状态的记忆会持续很长时间,不同初始条件可能导致不同的渐近活动状态。此外,研究通过引入突触时间常数进一步揭示了非遍历性与速率模型中多个稳定固定点的共存有关。这种新型动力学阶段表明,皮层网络可能在非遍历阶段运行,这为理解皮层活动提供了新的视角。研究结果不仅确认了先前关于对称性影响动力学的发现,还扩展了其在尖峰网络中的应用,揭示了无结构网络中非遍历动力学的首次报道。

📄 中文摘要:
本文提出了一种对分子生物学中心法则的广义化解释,将其重新定义为信息传递与表达之间的分工原则。中心法则最初由Crick提出,指出信息从核酸传递到蛋白质后无法逆向流动,被认为是遗传和进化的分子基础。本研究将核酸视为信息的传递者(transmitter),负责跨代信息的延续,而蛋白质则作为表达者(expressor),执行信息以支持传递者的功能,但自身不直接传递信息。这种广义化提供了两个主要优势:首先,它为比较中心法则与在不同生物学尺度(如多细胞生物、真核细胞、细胞器和细菌)上观察到的类似分工提供了统一的视角;其次,它为解释中心法则作为进化结果提供了理论框架。作者通过一个数学模型,探讨了中心法则的起源,提出其可能通过多层次选择冲突驱动的自发对称性破缺(spontaneous symmetry breaking)而形成。该模型假设分子初始时兼具模板和催化功能,随后在多层次选择的作用下分化为基因(信息传递)和酶(信息表达)。研究表明,当细胞内分子催化活性变异较大时,这种分工可能自发演化。作者进一步讨论了这种分工如何增强原始细胞的可进化性,并提出了关于遗传密码起源及跨尺度分工进化机制的开放性问题。本文通过将中心法则重新框架为系统内组件间的信息关系,强调了其在生物层级中的广泛适用性,并为其进化起源提供了新的见解。

📄 中文摘要:
本文研究了复杂网络的介观组织结构,提出了一种基于网络密度矩阵(NDM)框架的信息理论和多尺度分析方法,重点探讨了网络内部能量(Eτ)的广义概念,其中τ是一个时间超参数,用于多分辨率分析。研究背景源于复杂网络中节点间动态过程与宏观热力学性质的关联,旨在揭示网络的社区结构与热力学函数之间的关系。作者通过解析方法证明,在最小时间尺度(τ=0)下,Eτ的 minimization 等同于模块度函数的最大化,这一发现将网络的介观组织与热力学特性联系起来。主要方法包括利用网络密度矩阵描述动态过程,定义广义内部能量以测量动态相关性从任意分区的泄漏率,并通过类Louvain的局部聚集算法最小化Eτ以检测介观社区。研究在合成网络(如LFR和SBM基准)和实证网络(如全球航班网络)上进行了测试,并与多尺度模块度和马尔可夫稳定性等方法进行了比较。关键发现包括:通过引入惯性参数调整动态过程,可以显著提高检测小规模社区的能力,克服模块度优化的分辨率限制;在实证网络中,最小能量分区在地理邻近性上的表现优于其他方法。结论指出,广义内部能量为理解网络热力学、信息流动和结构组织提供了新视角,并为未来研究非线性动态过程和大规模实证系统的动态社区分析奠定了基础。

📄 中文摘要:
本研究提出了一种代数量子模型,用于探索大脑结构连接组与功能能力之间的关系,填补了神经科学中结构与功能关联的理论空白。研究以秀丽隐杆线虫(C. elegans)的解剖和突触外连接组为模型,展示了大脑功能(定义为神经系统的功能网络)如何作为由有向多重图的图代数定义的代数量子系统的热平衡状态(Kubo-Martin-Schwinger, KMS状态)出现。这些平衡状态揭示了单个神经元如何参与功能网络的形成。研究提出了两个关键特征:一是功能连接组,描述了由拓扑驱动的神经元交互;二是整合能力(Integration Capacity, IC)指数,量化了神经元协调和调节多样信息流的能力。通过统计和机制分析,模型阐明了信息流与连接组网络拓扑结构如何预测认知和复杂行为。研究结果表明,功能连接组仅占所有潜在功能连接的约12%,与人类和动物神经影像研究中的功能连接阈值一致。此外,IC分析和神经元消融模拟揭示了热感觉神经元和中间神经元的功能不对称性,理论上解释了体内实验观察,并为进一步研究神经元功能差异提供了基础。作者还讨论了模型在突触工程和多层网络分析中的潜在应用,强调其不仅适用于C. elegans,也可扩展至一般有向复杂网络的功能特性研究。

📄 中文摘要:
本研究探讨了生态系统中物种多样性与稀有性分布的形成机制,特别关注环境波动如何通过影响物种的资源摄取率(即代谢策略)来驱动物种共存。作者在随机消费者-资源模型框架内,引入了物种代谢策略的时相关波动,并通过路径积分形式主义解析地推导了物种丰度分布(SAD)。研究发现,随机动态代谢策略能够诱导更符合经验生态观测的群落结构,相较于静态竞争情景,生态群落表现出更高的多样性。研究表明,当物种数量与资源数量之比超过某一临界阈值时,所有物种将趋于灭绝;而当该比例处于中间值时,多样性达到峰值。此外,当不同物种的代谢策略平均值存在差异时,波动幅度的中间值能够实现最大生物多样性。研究还揭示了竞争强度与多样性之间的关系,提出了“中间竞争原则”,即在适度的竞争强度下,资源支持的有效物种数量达到最大,补充了中间干扰假说。通过量化竞争排除原则(CEP)的有效违反,作者发现时间波动允许更多物种共存,尤其是在相关时间较短的情况下。本研究为探索时间动态和随机性如何驱动生物多样性和群落结构提供了坚实的理论框架,并为生态管理和保护策略奠定了基础。

📄 中文摘要:
本研究探讨了在操作乘坐式机械时,系统性变化机械动态特性的时间常数对人类操作者感知操控性及非自主眼动精度的影响。研究背景源于非自主眼动在主动运动中比被动运动更稳定,且操控感(Sense of Agency, SoA)可能通过引入延迟影响眼动稳定性。现有研究虽初步探讨了在保持SoA的情况下,不同机械动态对眼动和操控性的影响,但系统性变化如何作用尚不明确。本研究通过实验手段,系统性地调整一个偏航旋转平台的从操纵杆输入到电机扭矩输出的时间常数,记录参与者在操作过程中的眼动数据,并收集其对操控性和认知负荷的主观评分。结果表明,随着时间常数的增加,参与者的感知操控性评分下降,认知负荷增加,同时非自主眼动的精度(表现为增益和误差)也显著降低。研究进一步发现,感知操控性评分与眼动增益和精度之间存在中到弱的正相关,而与认知负荷呈弱负相关。这些发现揭示了主观控制感与视线稳定在不同机械动态下的密切联系。本研究结论指出,机械动态特性对操作者的感知操控性和眼动稳定性有重要影响,为设计高操控性的乘坐式机械提供了理论依据和实践指导,强调了根据个体操作者能力调整机械动态和控制策略的重要性。

📄 中文摘要:
本研究聚焦于美国健康保险覆盖规则的复杂性及其对弱势群体的严重影响,指出对保险规则的理解不足和司法获取的限制可能导致医疗延误、放弃治疗及不良健康结果。研究利用自然语言处理(NLP)的最新进展,旨在支持高效、针对具体案例的理解,并改善司法和医疗服务的获取。然而,现有语料库缺乏评估简单案例所需的上下文信息。为此,作者收集并发布了一个包含美国健康保险相关法律和医疗文本的权威语料库,涵盖联邦和州法律、保险合同、监管指导、医疗政策及案例描述等,总计8311个文档,约4.19亿词。语料库设计注重权威性和无冗余,支持预训练和检索任务。此外,作者提出了一项针对健康保险上诉结果预测的任务,旨在支持监管和患者自助应用,并发布了相应的标注基准数据集和训练模型。通过手动标注和模型辅助,构建了包含非泄露背景信息的上诉案例描述数据集,并训练了包括DistilBERT在内的基线模型,表现最佳的模型在测试集上取得了0.733的准确率和0.878的ROC AUC值。研究还讨论了潜在应用,如作为知识库支持法律问答、作为监管工具优化上诉流程及作为患者自助工具提高司法获取,同时强调了负责任部署的重要性。结论表明,该语料库和任务设计在提升健康保险规则理解效率方面具有潜力,但任务和语料库仍存在局限,如缺少部分关键信息和潜在的偏见传播风险。

📄 中文摘要:
本文研究了在人机协作订单拣选中信任和疲劳的关键作用,将这一挑战置于物流5.0的框架内,即智能物流中人机共生的实现。作者提出了一种动态的领导者-跟随者Stackelberg博弈模型来模拟人机交互,其中效用函数明确考虑了人的疲劳和信任因素。通过基于代理的仿真实验,研究表明,朴素的信任模型会导致“信任死亡螺旋”,而改进后的信任模型则形成了“信任协同循环”,使生产率提高了近100%。此外,研究还展示了配备主动信任修复协议的协作机器人(cobot)能够克服系统脆弱性,与非适应性模型相比,在严重故障后将信任恢复时间缩短了超过75%。研究背景源于仓储和订单拣选作为现代全球供应链的核心,随着电子商务的增长,对物流操作速度、准确性和效率的要求不断提高,而订单拣选作为最耗力和成本最高的活动,传统上对人工工人造成显著的身体压力。工业5.0范式强调人机深度融合,倡导以人为中心、可持续性和韧性为核心原则,促使研究从单纯效率提升转向创造对人类工人有益的协同伙伴关系。作者通过博弈理论框架,探索了如何通过智能调节人的疲劳和信任来构建高性能团队。关键发现包括信任修复协议的重要性以及对工业5.0三大支柱(以人为中心、可持续性和韧性)的直接体现。结论指出,自适应、以人为中心的策略对于构建高效、可持续和韧性的系统至关重要,并提出未来需通过实际仓储试验验证模型,并探索深度强化学习等技术以优化信任修复策略。

📄 中文摘要:
本文针对核聚变装置EAST(实验先进超导托卡马克)中偏滤器热流估计的关键问题,提出了一种基于物理信息神经网络(PINN)的新方法。核聚变作为一种清洁能源,具有丰富的燃料供应、高能量密度和环境友好等优势,而热流分析对于研究受控聚变等离子体能量传输特性至关重要。传统方法多采用有限元方法(FEM)进行建模,但其基于网格的计算方式效率低下,难以在实验中实现实时仿真。受人工智能驱动的科学计算启发,本研究开发了一种PINN模型,通过将空间坐标和时间戳作为输入,结合热传导方程计算边界损失、初始条件损失和物理损失,显著加速热传导估计过程,同时保持高精度。此外,研究还以数据驱动方式采样少量数据点,进一步提升模型对特定热传导场景的预测能力。实验在均匀和非均匀加热条件下进行,结果表明,所提出的热传导PINN模型在精度上与有限元方法相当,同时在计算效率上实现了40倍的加速。研究还针对不同材料设计了三个全连接子网络,并通过连续性条件建模子网络间的关联,优化了区域预测效果。作者公开了数据集和源代码,为后续研究提供了支持。尽管在高温区域和材料界面处仍存在一定误差,但该方法的高效性展现了其在聚变工程实时监测中的潜在应用价值。总体而言,本文为EAST钨单块偏滤器热流分析提供了一种结合物理约束和数据驱动的人工智能替代方案,为核聚变研究中的计算范式转变提供了新思路。

📄 中文摘要:
本研究深入探讨了使用随机块模型(Stochastic Block Models, SBM)进行社区检测时边缘连通性问题的重要性及其解决方案。研究背景指出,社区检测中一个常被忽视的质量标准是社区内部的连通性,现有方法常生成连通性较差甚至内部断开的社区。作者通过对多种SBM软件(如graph-tool和PySBM)以及不同模型(包括平面和嵌套模型)的广泛测试,发现所有测试方法均会生成断开社区,尤其在二分网络中问题更为严重。研究主要方法包括对graph-tool和PySBM生成的社区聚类进行连通性分析,并提出两种后处理技术:连接组件(Connected Components, CC)和良好连接社区(Well-Connected Clusters, WCC),以改善社区连通性。实验基于大量真实世界网络和合成网络(使用EC-SBM生成器),评估了聚类精度和计算性能。关键发现表明,graph-tool在优化描述长度方面优于PySBM,且CC和WCC后处理技术在检测密集社区时显著提高精度,尤其在嵌套模型中效果最佳;然而,当网络中大部分节点属于稀疏社区时,WCC可能降低整体精度。研究还探讨了描述长度公式中先验权重的影响,发现调整权重可改善连通性和精度,但需进一步研究。此外,WCC在大型网络上的计算性能表现出色,运行时间远低于SBM聚类计算时间。结论指出,SBM社区检测普遍存在连通性问题,CC和WCC为有效改进手段,但其效果依赖于网络的社区结构,未来研究应聚焦于描述长度公式的优化和WCC软件的内存问题解决。

📄 中文摘要:
随着城市空中交通(Urban Air Mobility, UAM)的兴起,无人机(UAV)在空中走廊中的应用日益增加,用于缓解地面交通拥堵,支持空中出租车等三维移动性服务。然而,高移动性空中走廊中的可靠连接是一个关键挑战,频繁的切换(handover)可能导致网络性能下降。为解决这一问题,本研究提出了一种上下文感知智能切换(Context-Aware Smart Handover, CASH)协议,通过基于无人机轨迹的前瞻性评分机制,主动做出切换决策,以减少不必要的切换并维持低中断概率。研究首先介绍了改进的A3T方法,通过引入基于信号质量阈值的切换决策优化传统A3协议,随后详细阐述了CASH协议,利用无人机轨迹信息预测并选择最合适的地面基站(GBS),从而优化切换过程。研究团队开发了一个定制的MATLAB仿真框架,模拟了多种城市环境、空中走廊和无人机移动性,评估了CASH与现有切换协议(A3、模糊逻辑和自优化滞后技术SOHT)的性能。仿真结果表明,CASH在各种城市环境中平均将切换频率降低了约78%,同时保持了与传统A3相当的中断性能。此外,研究还探讨了基站密度和安全裕度(Handover Safety Margin, HSM)对切换性能的影响,发现基站密度在4-6/km2时能够最佳平衡切换次数和中断概率,而通过调整HSM参数δ,CASH可在稀疏基站部署下实现可靠性和切换稳定性的平衡。研究的主要局限在于其依赖预定义走廊和准确的轨迹信息,在自由飞行场景中效果可能受限。未来工作将探索动态轨迹适应性、环境感知的HSM调整以及不同飞行高度的影响。总之,CASH协议为UAM场景下的无人机通信提供了有效的解决方案,具有显著的应用潜力。

📄 中文摘要:
本文研究了三维(3D)打印技术中数据嵌入的安全性问题,特别是在非法使用场景下如何从部分或损坏的物体片段中恢复嵌入信息以实现可追溯性和责任追究。3D打印的普及使得快速制造成为可能,但也带来了未经授权生产不可追踪枪支等违禁品的安全风险。作者提出了一种基于纠错码原理的取证编码模型,旨在解决仅有一个足够大的物体片段可用于解码的情况。研究首先证明了一维嵌入信息(即向量)的问题可以通过现有工具轻松解决,随后创新性地提出了二维信息(矩阵)和三维信息(立方体)的编码方案,使得信息可以从任何足够大的矩形或立方体片段中解码。此外,作者还引入了一种能够纠正位翻转错误的编码方法,借鉴了近期提出的DNA存储编码技术。编码方案利用了差异理论中的Van der Corput集和Halton-Hammersley集,以新颖的方式确保信息在矩阵或立方体中均匀分布,从而保证任何合法片段都包含足够的信息进行解码。研究结果表明,提出的编码方案在非零速率下运行,并在特定参数范围内实现了接近理论最优的性能。作者还讨论了噪声环境下的编码问题,并通过结合切片信道模型提出了抗噪编码方案。研究不仅扩展了取证编码的理论框架,还为3D打印安全提供了实用解决方案,尽管与存在性界限相比仍有改进空间。

📄 中文摘要:
本文针对当前区块链系统面临的吞吐量有限、可扩展性差和高延迟等问题,提出了一种名为高级有向无环图排名(ADR)的区块链共识机制,以提升区块链的可扩展性和吞吐量。研究背景源于区块链技术在物联网(IoT)等应用场景中因可扩展性不足而受限的问题。ADR协议采用有向无环图(DAG)账本结构,根据节点在图中的排名位置进行布局,允许诚实节点利用DAG拓扑结构写入区块和验证交易,而非传统的区块链结构。该协议通过三步策略确保系统安全性,防止双重支付攻击,并提升吞吐量和可扩展性:首先,通过验证节点的公私钥确保安全进入系统;其次,开发高级DAG账本,使节点能够开始区块生产和交易验证;最后,设计排名算法,剔除攻击者创建的节点,并根据节点性能对真实节点进行排名和拓扑排序。ADR协议因此适用于物联网应用场景。研究在EC2集群上对超过100个节点进行了评估,结果显示ADR在交易吞吐量和网络活跃性方面表现优于物联网应用(IOTA)和ByteBall等区块链系统,尤其在添加恶意节点时仍保持较高性能。模拟结果表明,ADR显著提升了交易性能,为传统共识机制的性能瓶颈提供了有前景的解决方案,并为将区块链技术整合到私有业务应用领域提供了现实可行的方案。结论指出,ADR协议在平均吞吐量、可扩展性和安全性方面均表现出色,为未来共识机制的算法优化和研究奠定了基础。

📄 中文摘要:
本文探讨了人工智能(AI)研究领域内科学同行评审过程中新发现的身份盗用案例,并讨论了其对其他学术程序的广泛影响。研究详细描述了不诚实的研究人员如何通过创建虚假评审人档案来操纵论文评价,充分利用了评审人招募流程和身份验证过程中的漏洞。随着AI会议投稿量激增(过去十年增长近十倍),评审人需求迅速扩大,而在线注册和身份验证的便捷性为身份盗用提供了可乘之机。研究通过OpenReview.net平台在2024年2月至4月及2025年4月进行的深入调查,发现了94个涉及虚假身份的评审人档案。这些不诚实研究人员通过冒用他人身份、伪造机构隶属关系及出版记录,并使用自己控制的电子邮件地址,成功嵌入评审系统,随后通过“竞标”或调整虚假档案以获取对自己论文的评审权,最终给予有利评价。此外,研究还揭示了共谋圈的存在,即研究人员相互勾结以换取互利评审。研究强调了加强同行评审及学术界身份盗用防护的迫切需求,并提出了多项缓解策略,包括强制使用机构邮箱、验证出版记录、引入随机分配机制、加强去重方法以及改进身份验证程序(如通过ORCID等数字标识符)。作者呼吁学术界提高警惕,增强透明度,并通过社会和加密手段改进身份验证流程,以维护科学诚信。研究还指出,类似漏洞可能影响大学招生、实习和奖学金申请等其他学术流程,需全面加强防护措施。

📄 中文摘要:
本研究提出了一种新的层次聚类熵(Hierarchical Clustering Entropy, HCE)框架,用于在网络科学中识别多尺度层次社区结构中的信息层级。研究背景源于复杂网络中跨尺度结构的识别难题,传统的社区检测方法往往依赖于边级统计或单一分辨率,无法有效处理具有层次组织特性的系统。HCE方法直接作用于树状图(dendrogram),不依赖具体聚类算法或距离度量,通过最大化社区大小分布的熵与社区数量之间的权衡来选择最优分辨率层级,反映出高结构异质性的尺度。该方法适用于多种聚类算法生成的树状图,包括基于模块度和相关性的方法。研究通过合成基准测试(如LFR、HNRG和HB模型)验证了HCE的有效性,测试涵盖了不同层次结构、规模不平衡和噪声水平,结果表明HCE能够准确恢复已知的分区结构,与真实情况高度一致。此外,HCE在真实世界网络(如社交网络和神经科学系统)中的应用揭示了可解释的模块化层次结构,与已知的结构和功能组织相符。研究还结合重整化群技术,通过递归应用HCE提取从细到粗的多尺度分区序列,为网络组织提供了清晰的跨尺度映射。结论指出,HCE作为一种可扩展且基于原则的方法,为生物学、社交和技术系统中的层次社区检测提供了通用的、领域无关的解决方案,尽管其对社区大小平衡的假设可能在某些功能与规模解耦的系统中受限。未来,HCE可进一步整合连接质量信息,并应用于神经科学等领域,以比较跨物种、发育阶段和疾病状态的功能架构。

📄 中文摘要:
本文提出了一种高效的自挖掘先验引导联合频率增强网络(SPJFNet),旨在解决当前暗图像恢复方法中存在的效率瓶颈问题。研究背景聚焦于暗图像恢复在低光照条件下的视觉质量提升及其在自动驾驶和目标检测等下游应用中的重要性。现有方法因依赖外部先验、复杂多阶段增强流程以及频率域方法中对频率成分的无差别处理而面临计算负担和效率问题。为此,SPJFNet首先引入自挖掘引导模块(SMGM),通过网络内部直接生成轻量级内生引导,消除对外部先验的依赖,从而避免误差校正开销并提升推理速度。其次,通过对不同频率域特性的深入分析,采用无损小波分解和基于傅里叶的优势频率增强,将多级操作链重构并压缩为单一高效操作,大幅减少参数量。在此基础上,提出了双频率引导框架(DFGF),通过专门的高/低频分支(小波域高频增强和傅里叶域低频恢复)策略性解耦频率处理,显著降低计算复杂度。实验结果表明,SPJFNet在多个基准数据集上不仅超越了现有最先进方法的性能,还实现了模型复杂度和计算开销的显著降低。关键发现包括SMGM有效提取内生先验,DFGF通过频率自适应增强确保了鲁棒的重建效果,而双域架构充分利用了小波和傅里叶变换的互补优势。结论指出,SPJFNet在暗图像恢复领域实现了性能与效率的双重突破,未来研究将聚焦于频率域处理与颜色一致性的结合问题。

📄 中文摘要:
本文提出了一种新型的化学反应网络(CRN)随机模拟算法,首次实现了在亚线性时间复杂度内模拟多个反应,同时保持与经典Gillespie算法相同的精确随机动力学分布。化学反应网络模型是自然科学中研究化学反应动力学的重要工具,传统Gillespie算法模拟l个反应需要Ω(l)的时间复杂度,而本文算法在合理假设下,当l≥n^(5/4)时(n为分子总数),可在O(l/√n)时间内模拟l个反应;当n≤l≤n^(5/4)时,时间复杂度为O(l/n^(2/5))。该算法改编自Berenbrink等人针对群体协议(population protocols)分布式计算模型的批处理算法,并通过非平凡的方式扩展到更一般的化学反应网络场景。作者通过引入催化剂和废物物种,将任意CRN转化为统一反应网络,确保反应顺序和生成性的一致性,从而实现高效批处理模拟。此外,算法支持离散时间和连续时间两种模拟模式,并通过自适应拒绝采样技术高效处理连续时间下的反应间隔时间分布。作者还提供了Python包(核心逻辑用Rust实现)的实际实现,实践性能表现优异。研究结果表明,该算法相较于Gillespie算法在运行时间上具有平方级加速,尤其在大规模分子系统中优势显著。结论指出,该方法为精确模拟复杂化学反应网络提供了重要工具,可能对化学、生物和计算领域产生深远影响。

📄 中文摘要:
本文针对水下图像增强(UIE)问题,提出了一种创新的单尺度分解网络(SSD-Net),旨在解决水下环境中由于光吸收和散射导致的图像退化问题,包括颜色失真、模糊和低对比度等。研究背景表明,当前主流方法多依赖多尺度特征提取(MSFE)机制,通过多分辨率特征融合提升重建质量。然而,本研究通过大量实验证明,高质量的图像重建并不必然依赖多尺度特征融合,单尺度特征提取即可达到甚至超越多尺度方法的性能,同时显著降低计算复杂性。SSD-Net引入了一种非对称分解机制,将输入图像分解为包含场景内在信息的清晰层和编码介质干扰的退化层。该网络结合了卷积神经网络(CNN)的局部特征提取能力和Transformer的全局建模优势,设计了两个核心模块:并行特征分解块(PFDB)和双向特征通信块(BFCB)。PFDB通过高效注意力操作和自适应稀疏Transformer实现双分支特征空间解耦;BFCB则通过跨层残差交互实现互补特征挖掘与融合。这种协同设计在保持特征分解独立性的同时,建立了动态跨层信息路径,有效提升了退化解耦能力。实验结果表明,与传统多尺度方法相比,SSD-Net在减少冗余计算和模型参数的同时,保持甚至超越了增强质量,在多个公开数据集(如UIEB和EUVP)上显著优于现有最先进方法。研究结论挑战了多尺度特征融合的必要性,证明了单尺度策略在水下图像增强中的潜力,并为未来研究提供了新的方向,如扩展至水下视频增强和自监督训练方法。

📄 中文摘要:
本文提出了一种全面的元宇宙框架,旨在用于无线系统的仿真、模拟和交互管理。该框架集成了扩展现实(XR)、数字孪生(DT)、人工智能(AI)、物联网(IoT)、区块链以及先进的5G/6G网络技术,构建了一个动态且沉浸式的平台,用于系统开发与管理。通过XR技术,用户可以可视化并与复杂系统互动;数字孪生技术支持实时监控和优化;AI负责生成三维内容、提升决策能力和系统性能;IoT设备提供实时传感器数据以提高仿真精度;区块链技术确保安全、去中心化的交互;5G/6G网络则提供无缝、低延迟通信的基础设施。该框架为探索、开发和优化无线系统提供了强大工具,特别是在应对下一代无线网络(如6G)的复杂性和动态需求方面具有重要意义。研究通过一个具体的无人机(UAV)定位优化案例展示了框架的实际应用效果,利用强化学习(RL)在数字孪生环境中训练智能体,以在城市无线环境中最大化网络吞吐量。结果表明,该框架能够显著提升信号质量和网络容量。此外,框架的多层架构设计(包括网络层、IoT层、AI层、DT层、XR层和区块链层)确保了各组件间的无缝集成和互操作性,为网络运营商、研究人员和开发者提供了创新工具,以探索新技术、优化现有系统并加深对网络的理解。作者还指出了未来研究方向,包括利用生成式AI创建虚拟世界、深化开放无线接入网络(O-RAN)集成以及进行全面的参数分析,以进一步验证框架的性能和鲁棒性。总之,该元宇宙框架代表了无线系统分析与综合的重要进步。

📄 中文摘要:
随着区块链技术的快速发展,研究人员面临模拟参数多样化和非标准化带来的挑战,这严重影响了研究方法的可重复性和可比性。本文提出了一种区块链模拟器优化的通用框架(GFOBS),旨在通过标准化和优化区块链模拟过程来解决这些问题。GFOBS 提供了一个灵活的平台,支持多种优化算法、变量和目标,适应广泛的区块链研究需求。其主要贡献包括:首先,开发了 GFOBS 作为一个通用的区块链模拟优化工具,支持不同模拟器间的兼容性,如 SIMBLOCK、BlockSim 和 Bitcoin-Simulator;其次,提出了一种创新的热启动(Warm Starting)技术,利用预计算参数值和 Jaccard 相似性加速优化收敛;最后,引入了一种并行多处理技术,实现多任务同时模拟,大幅提升效率。研究通过实验验证了 GFOBS 的有效性,特别是在优化区块大小和挖矿间隔以平衡分叉率和吞吐量方面的表现。实验结果表明,GFOBS 在不同模拟器上均能显著提高吞吐量,同时将分叉率控制在接近最优阈值。此外,消融研究进一步证明了热启动和并行处理技术的协同作用,使优化收敛时间减少了约 71.41%,计算资源利用率提升至 43.48%。尽管 GFOBS 在灵活性和效率上表现出色,但其效果仍受限于模拟器和优化算法的选择,未来可通过集成更先进的机器学习算法和扩展兼容性进一步改进。总之,GFOBS 为区块链模拟研究提供了标准化、高效的解决方案,对提升研究质量和推动技术发展具有重要意义。

📄 中文摘要:
本文针对移动社交网络(MSN)中的任务调度问题进行了深入研究,旨在优化众包任务分配以最小化总加权完成时间。研究背景源于移动设备普及带来的众包潜力,但单个用户的计算和感知能力有限,需通过社交网络分发任务以降低系统开销。作者首先指出了Zhang等人(2025年)论文中近似比分析的错误,并提供了正确的分析结果,证明当任务所需服务时间超过请求者与众包工作者之间的总接触时间时,基于最大比率优先(Largest-Ratio-First, LRF)的任务调度算法的近似比可达2-1/m。随后,提出了一种随机化近似算法,通过区间索引线性规划松弛方法,最小化移动社交网络的总加权完成时间,期望近似比为1.5+ε(ε>0)。此外,作者还设计了一种确定性近似算法,实现了最大值为{2.5, 1+ε}的近似比,当任务服务时间或接触时间足够大时,近似比可进一步优化至1.5+ε。通过合成和真实数据集(如Cambridge Haggle)的仿真实验,验证了所提算法(包括随机化区间索引调度RIS和修改后的确定性区间索引调度MDIS)在不同场景下的性能优于传统LRF算法,尤其在任务数量增加或服务时间分布变化时表现更佳。结论指出,未来研究可聚焦于降低算法时间复杂度和改进LRF算法的近似比估计技术,以进一步提升移动社交网络中众包任务调度的效率。

📄 中文摘要:
本研究探讨了公众意识与疾病传播之间的相互影响,特别是在COVID-19疫情背景下。研究首先提出了一个耦合的易感-感染-恢复(SIR)模型,将疾病传播和信息传播(即意识)动态结合,通过均场方法分析其行为,量化了参数空间中相互影响对疫情动态的影响。研究发现,在特定参数范围内,通过提高公众意识可以有效抑制疫情,并揭示了相变现象。模型还展示了通过调整参数可以改变疫情过程中主导人群的比例。此外,研究基于此模型对美国各州的Twitter数据和COVID-19确诊病例数据进行了实证分析,结果表明Twitter活动排名与各州模型中分配的免疫参数之间存在显著相关性,强调了从疫情初期到后续高峰期间持续意识传播的关键作用。研究进一步通过拟合模型到各州的前三波疫情数据,提取了意识传播率和免疫参数,发现不同州的意识与疾病动态相互作用存在差异。研究结论指出,意识动态可以显著改变疫情进程,即使在数据有限的情况下,模型也能估算与意识相关的参数,为公共卫生决策提供实用工具。未来工作可通过引入异质均场模型和网络模拟进一步提升模型的精确性。

📄 中文摘要:
随着计算能源需求的持续增长和电网基础设施难以跟上步伐,越来越多的数据中心计划与现场可再生能源发电和储能系统相结合的微电网共同部署。然而,尽管现有研究已探讨了可再生能源证书背景下运营碳排放和隐含碳排放之间的权衡,但缺乏评估微电网组件的规模和组成如何影响长期可持续性和电力可靠性的工具。本研究聚焦于优化数据中心微电网的组成,旨在解决这一关键问题。研究背景在于数据中心对能源的高需求与电网能力的不足之间的矛盾,强调了通过微电网实现可持续性的重要性。研究方法包括开发一个综合模型,用于分析微电网中不同组件(如太阳能、风能、电池储能等)的规模和配置对能源效率、碳排放和电力可靠性的影响。通过模拟长期运行场景,研究评估了不同微电网设计在减少碳足迹和确保电力稳定供应方面的表现。关键发现表明,微电网组件的优化配置可以在显著降低运营碳排放的同时,维持高水平的电力可靠性,尤其是在可再生能源比例较高的情况下。此外,研究还揭示了储能系统的容量和响应速度对整体可持续性的重要影响。结论指出,合理设计微电网组成不仅能提升数据中心的能源效率和环境友好性,还能为其他高耗能行业提供可借鉴的模式。研究为数据中心微电网的规划和运营提供了重要的理论支持和实践指导。

📄 中文摘要:
本文介绍了深空网络模拟器(DSNS),一种专门为深空网络和星际互联网设计的新型仿真工具。随着卫星网络规模的不断扩大,节点数量达到数千个,以及公司和航天机构开始探索星际互联网的实现,传统的卫星和网络仿真工具已无法满足需求。本研究的背景在于解决现有工具在大规模深空网络环境下的局限性,特别是在模拟复杂星际通信场景时的不足。DSNS通过创新的建模方法和高效的计算框架,实现了对大规模深空网络的高效仿真,包括节点间的长距离通信延迟、信号衰减以及动态拓扑变化等关键特性。研究方法主要包括开发一个模块化的仿真平台,支持用户自定义协议和网络配置,并结合实际深空任务数据进行验证。关键发现表明,DSNS在模拟大规模网络时,相较于传统工具具有显著的性能优势,能够更准确地预测网络行为,尤其是在高延迟和低带宽的深空环境中。此外,DSNS还展示了在测试新型通信协议和网络架构方面的潜力,为未来的星际互联网设计提供了重要支持。结论指出,DSNS填补了深空网络仿真领域的空白,为深空通信技术的发展奠定了基础,同时也为后续研究提供了可扩展的工具平台。未来工作将进一步优化其计算效率,并扩展到更多深空任务场景的仿真支持。

📄 中文摘要:
本研究探讨了数字生态艺术领域内从人类中心主义向植物中心主义艺术叙事的范式转变,聚焦于数字平台如何重塑生态表达方式。研究指出,现有框架未能系统性地指导艺术家利用植物的能动性实现超越人类中心的数字共生。为此,作者提出了生物中心创作转化理念(BCTI)框架,并通过涵盖生物艺术、非同质化代币(NFTs)和虚拟现实(VR)生态系统的多模态案例研究(2013-2023年)对其进行了验证。研究发现:(1)元宇宙生态系统促成了前所未有的植物与算法的共同创作,生物艺术作品在顶级档案中的数量从2013年到2020年增长了133%;(2)数字共生通过区块链去中心化自治组织(DAOs)得以实现,植物在其中主导了人类与植物的协作;(3)VR环境中的算法光合作用通过实时生物数据转换,重塑了生态美学。BCTI框架通过系统化地推动从表征到植物中心能动性的转变,推进了生态艺术理论的发展,为艺术家提供了后人类世创作的蓝图。这一框架重新定义了虚拟领域中的环境意识,同时为跨物种数字协作建立了新的协议。研究不仅为生态艺术的未来发展提供了理论支持,也为数字技术与自然生态的深度融合开辟了新的可能性。

📄 中文摘要:
本文探讨了自然语言处理(NLP)技术中如何避免歧视这一重大挑战。作者提出,重新定义问题的框架可能有助于找到更有效的方法。论文第一部分通过对2022年ACL文集中的相关论文进行定性回顾,分析了NLP系统歧视行为的研究现状。研究发现,当前领域(1)仍然过于关注算法歧视的技术性修复,(2)在伦理或规范性术语的使用上缺乏坚实的基础,且词汇范围非常有限,主要集中于“伤害”和“偏见”两个概念。论文第二部分论证了解决上述问题可能有助于改善技术性修复的困境。作者指出,将算法歧视视为技术问题的理解方式反映并被当前使用的词汇所强化。“伤害”和“偏见”这两个概念将歧视问题狭隘地框定为系统与用户界面之间的问题。作者建议以“不公正”作为核心概念,取代“伤害”,从而迫使我们将算法歧视视为一个系统性问题。这一视角的拓展有助于我们理解NLP技术参与歧视的复杂互动,并从新的角度考虑解决方案。通过这种方式,研究不仅局限于技术层面的修复,而是从更广泛的社会和伦理维度探讨NLP技术在歧视问题中的角色和影响。作者强调,重新定义问题框架和术语使用是推动NLP领域在反歧视研究中取得进展的关键步骤。

📄 中文摘要:
随着分布式攻击的增加,传统安全架构由于对信任的显著依赖而变得更加脆弱。特别是在系统中引入代理型人工智能(AI)时,需要在类似的分布式空间中保护更多组件,这种脆弱性将进一步加剧。这种情况在消费技术领域尤为明显,例如密集的物联网(IoT)环境。零信任架构(ZTA)被视为一种潜在的解决方案,其核心原则是不给予用户明确的信任,而是在每次请求时始终验证其权限。然而,ZTA的整体安全性通过其策略进行管理,未经验证的策略可能导致未经授权的访问。因此,本文探讨了在分布式网络背景下(即零信任分布式网络,ZTDN)中ZTA策略设计的挑战与解决方案。研究首先分析了ZTDN中策略设计面临的主要问题,包括策略的复杂性、动态性和潜在的安全漏洞。随后,提出了一系列解决方案,重点在于通过形式化验证方法确保策略的正确性和安全性。文章通过一个案例研究,使用UPPAAL工具对策略进行形式化验证,验证了所提议方法的有效性。此外,本文还讨论了系统安全中问责制和责任的重要性,强调了在分布式环境中建立清晰的责任机制对于维护整体安全的关键作用。研究结论表明,通过结合形式化验证和问责机制,可以显著提升零信任分布式网络的安全性,为未来在复杂分布式系统中的应用提供了重要的理论和实践指导。

📄 中文摘要:
电阻点焊是汽车工业车身制造中的主要连接工艺,其中焊核直径是关键质量指标。然而,焊核直径的测量需要破坏性测试,限制了高效质量控制的潜力。本研究探讨了物理信息神经网络(PINNs)作为一种有前景的工具,用于从实验数据中重构内部过程状态,从而在铝点焊中实现基于模型的非侵入式质量评估。研究面临的主要挑战是如何将真实世界数据整合到网络中,因为存在相互竞争的优化目标。为解决这一问题,本文提出了两种创新的训练策略。首先,通过引入渐进函数逐步纳入动态位移和焊核直径的实验损失,以避免过度的优化冲突;同时,采用自定义学习率调度器和基于滚动窗口的提前停止机制,防止因损失幅度增加而过早降低学习率。其次,提出了一种条件更新策略,通过查找表更新与温度相关的材料参数,仅在达到特定损失阈值后激活,以确保温度的物理合理性。研究选择了一个轴对称二维模型来精确表示焊接过程,同时保持计算效率。为降低计算负担,训练策略和模型组件首先在一维条件下进行系统评估,以便对损失设计和接触模型进行受控分析。最终,二维网络能够在实验置信区间内预测动态位移和焊核生长,支持将焊接阶段从钢转移到铝,并展示了在工业应用中实现快速、基于模型的质量控制的强大潜力。本研究为铝点焊质量评估提供了一种高效、非侵入式的方法,对工业生产具有重要意义。

📄 中文摘要:
随着物联网(IoE)的快速发展,生活中产生的数据量急剧增加,对数据分析和价值信息提取提出了更高要求。传统的云计算环境中,所有数据分析任务均在云端完成,客户端仅需少量计算能力处理简单任务。然而,随着数据量的快速增长,通过互联网将所有数据传输至云端变得成本高昂,同时对云端计算资源的需求也显著增加。为解决这一问题,边缘计算应运而生,通过在边缘节点赋予更多计算能力,在数据传输至云端前进行预处理,从而有效减少互联网传输数据量和云端计算资源需求。本研究提出了一种边缘辅助并行不确定天际线(EPUS)算法,专门针对新兴的低延迟物联网分析应用。研究引入了天际线候选集的概念,在并行边缘计算节点上剪枝不太可能成为天际线的数据。借助候选天际线集,每个边缘计算节点仅向服务器发送更新全局天际线所需的信息,从而显著减少了互联网上的数据传输量。仿真结果表明,与两种对比方法相比,EPUS算法在处理二维数据时将延迟降低了超过50%。对于高维数据,EPUS方法同样优于其他现有方法,展现出显著的性能优势。本研究为低延迟物联网数据分析提供了有效的解决方案,具有重要的应用价值。

📄 中文摘要:
本研究探讨了自然语言处理(NLP)在应对在线仇恨言论中的反制言论(counterspeech)实践的有效性。反制言论作为一种有前景的干预手段,近年来在NLP领域受到关注。早期研究强调与非政府组织(NGO)利益相关者的合作,但近期研究趋势转向自动化流程,依赖少量传统数据集,且往往缺乏受影响社区的参与。本文系统回顾了74项关于反制言论的NLP研究,分析了利益相关者参与对数据集创建、模型开发和评估的影响程度。此外,作者与五个专注于在线性别暴力(oGBV)的NGO合作开展了一项参与式案例研究,识别出基于利益相关者反馈的反制言论生成实践。研究发现,当前NLP研究与受有毒在线内容影响最严重的社区需求之间存在日益扩大的脱节。许多研究未能充分纳入利益相关者的视角,导致模型和数据集可能无法反映现实世界的复杂性与多样性。研究结果表明,利益相关者的参与对于开发有效的反制言论工具至关重要,尤其是在处理文化和语境敏感性问题时。作者最后提出了具体建议,呼吁在反制言论研究中重新以利益相关者专长为中心,以确保技术解决方案更贴近实际需求,并对受影响社区产生积极影响。

📄 中文摘要:
稳定币已成为数字资产生态系统的基础组成部分,截至2025年5月,其市场总值已超过2300亿美元。作为与法定货币挂钩且可编程的资产,稳定币为支付、去中心化金融(DeFi)和代币化商业提供了低延迟、全球互操作的基础设施。其快速普及引发了广泛的监管关注,例如欧盟的《加密资产市场法规》(MiCA)、美国的《指导和建立国家创新稳定币法案》(GENIUS Act)以及香港的《稳定币法案》。尽管稳定币发展迅速,但学术研究在经济学、法律和计算机科学领域仍较为分散,缺乏统一的设计、评估和应用框架。本研究通过多方法研究设计填补了这一空白。首先,综合跨学科文献,构建了基于托管结构、稳定机制和治理的稳定币系统分类法。其次,针对不同利益相关者的需求,开发了定制化的性能评估框架,并通过开源基准测试流程确保透明度和可重复性。第三,以现实世界资产(RWA)代币化为案例,展示了稳定币如何作为可编程货币基础设施在跨境数字系统中运作。本文通过整合概念理论与实证工具,贡献了以下成果:统一的稳定币设计分类法;面向利益相关者的性能评估框架;将稳定币与行业转型联系起来的实证案例;以及可重复的方法和数据集,为未来研究提供支持。这些贡献有助于构建可信、包容和透明的数字货币基础设施。

📄 中文摘要:
本文提出了一种针对ICASSP 2023 Clarity挑战赛的端到端系统,旨在提升助听器的语音增强性能。研究背景聚焦于解决助听器在低延迟条件下的语音清晰度问题,尤其是在复杂听觉场景中。作者引入了四项主要创新:首先,提出了一种在幅度域和复数域内进行多阶段处理的新系统,以更好地利用相位信息,提升语音信号的处理精度;其次,设计了一种非对称窗口对,在满足5毫秒延迟限制的同时实现了更高的频率分辨率;第三,通过整合头部旋转信息和混合信号,显著改善了增强效果,使系统能够适应动态听觉环境;最后,开发了一个后处理模块,与基线系统提供的助听器放大阶段结合,进一步提高了助听器语音感知指数(HASPI)评分。实验结果表明,该系统在低延迟条件下显著提升了语音清晰度和用户感知质量,尤其是在噪声环境下的表现尤为突出。作者还讨论了该系统在实际助听器应用中的潜在价值,指出其多阶段设计和信息整合策略为未来的助听技术发展提供了新思路。结论强调,该系统不仅满足了严格的延迟要求,还在语音增强领域展现了重要的技术进步,为改善听力障碍者的生活质量提供了有效支持。

📄 中文摘要:
套索(Lasso)方法在处理高度相关的特征时常表现出不稳定性,容易导致预测变量的任意选择。这种问题主要表现为两种错误类型:错误地忽略了没有真正替代关系的特征(虚假冗余特征),以及错误地包含了具有真正替代关系的特征(真正冗余特征)。尽管现有的方法大多仅针对其中一种挑战进行改进,本文提出了一种新颖的方法——接受-拒绝套索(Accept-Reject Lasso, ARL),以解决这一困境。ARL通过对数据子集的特征选择进行细粒度分析,实现了接受-拒绝框架的操作化设计,旨在将集成方法的输出划分为有益和有害的组成部分。Lasso方法面临的核心挑战是变量间相关性掩盖了信息的真实来源。ARL通过首先使用聚类方法识别数据中的不同子集结构,然后分析Lasso在这些子集上的行为,以区分真实相关性和虚假相关性。对于引起多重共线性的真正相关特征,ARL倾向于选择一个代表性特征并拒绝其余特征,以确保模型稳定性;而对于由虚假相关性连接的特征(在某些子集中可能消失),ARL则接受那些可能被Lasso错误忽略的特征。真实相关性和虚假相关性产生的不同模式形成了可区分的分离。通过设置适当的阈值,ARL框架能够有效区分这两种现象,从而在最大化包含信息变量的同时,尽量减少有害变量的引入。本文通过广泛的模拟实验和真实数据实验验证了所提出方法的有效性。研究结果表明,ARL在特征选择中能够显著提高模型的稳定性和准确性,为解决Lasso方法的不稳定性问题提供了新的思路。

📄 中文摘要:
本研究通过分析以太坊区块链上ERC20代币的交易动态,揭示了去中心化系统中复杂的交易行为的统计特征。研究数据涵盖了2017年7月至2018年3月期间超过4400万笔代币转账记录(共9个月),并将交易分为四类:外部拥有账户(EOA)与EOA之间、EOA与智能合约(SC)之间、SC与EOA之间以及SC与SC之间,并按三个等长时段(每段3个月)进行分析。为了识别普遍的统计模式,研究探讨了两种经典的标度律:幂律分布和时间泰勒定律(TL)。结果表明,EOA驱动的交易表现出一致的统计行为,包括交易量与唯一交易伙伴之间近似线性的关系,幂律指数稳定(γ≈2.3),并遵循泰勒定律,标度系数约为β≈2.3。相比之下,涉及SC的交易,特别是SC与SC之间的交易,表现出亚线性标度、不稳定的幂律指数以及显著波动的泰勒系数(β的变化幅度Δβ=0.51)。此外,SC驱动的活动显示出更重的尾部分布(γ<2),表明其具有突发性和算法驱动的特性。这些发现揭示了区块链生态系统中人类控制和自动化交易行为之间的特征差异。通过将复杂系统理论与区块链数据分析相结合,本研究揭示了普遍的标度行为,为理解去中心化金融系统的底层机制提供了原则性框架。这一研究不仅深化了对区块链交易动态的认识,也为未来在去中心化系统中的行为建模和预测提供了重要的理论基础。

📄 中文摘要:
随着可再生能源(RES)在电力市场中的大规模渗透,其不确定性对市场运行带来了巨大挑战。当前日前面(DA)市场的确定性清算方法,即基于预期产量的RES参与方式,因导致日前面市场与实时(RT)市场之间缺乏协调而受到批评,进而导致整体运营成本高昂。已有研究表明,改进日前面市场中RES的进入量可以显著缓解确定性清算的弊端。本研究提出了一种基于训练预测模型的方法,称为价值导向预测(Value-oriented Forecasting),以在运营阶段更高效地确定RES改进进入量(RIEQ)。与传统最小化统计预测误差的模型不同,本方法通过训练模型参数以最小化DA和RT市场中的预期整体运营成本。我们推导了用于训练的损失函数的具体形式,当市场清算通过线性规划建模时,该损失函数呈现分段线性特征。此外,我们提供了损失函数相对于预测值的解析梯度,从而实现高效的训练策略。数值研究表明,与基于预期RES产量的传统预测相比,我们的预测方法在确定性市场清算中显著降低了整体运营成本。这一研究为提升电力市场效率和可再生能源整合提供了新的视角和方法,具有重要的应用价值。

📄 中文摘要:
城市规模的交通信号控制(TSC)涉及数千个具有不同拓扑结构的异构交叉口,使得跨交叉口的协同决策变得尤为复杂。由于为每个交叉口学习单独策略的计算成本过高,研究者们探索了一种通用策略,以去中心化的方式控制每个交叉口,其中关键挑战在于为异构交叉口构建通用的表示方法。然而,现有方法仅限于对异构自我交叉口信息的通用表示,忽略了来自异构邻域交叉口影响的重要表示。由于交通流交互的内在复杂性以及建模邻域交叉口集体影响的挑战,普遍纳入邻域信息并非易事。为解决这些问题,本文提出了CityLight模型,该模型基于通过两个主要模块获得的表示学习通用策略:邻域影响编码器(Neighbor Influence Encoder),明确建模邻域影响与指定的交通流关系及与自我交叉口的连接性;邻域影响聚合器(Neighbor Influence Aggregator),基于邻域之间的相互竞争关系有针对性地聚合邻域影响。在五个城市规模数据集(涵盖97至13,952个交叉口)上的广泛实验证实了CityLight的有效性,平均吞吐量提升了11.68%,泛化能力提升了22.59%。研究表明,CityLight通过综合考虑邻域信息,显著提高了交通信号控制的效率和适应性,为城市交通管理提供了新的解决方案。其方法论在处理大规模异构交叉口协同控制问题上具有重要的理论和实践价值。

📄 中文摘要:
本文研究了复杂信息物理系统安全保障中的形式化验证技术,提出了一种自动辨识可达集一致性模型的方法,以确保目标系统的测量值落在对应模型的可达输出集合内,这一特性被称为可达集一致性。现有研究主要集中于线性状态空间模型的可达集一致性辨识,而本文将该方法推广至非线性状态空间模型以及线性和非线性输入输出模型。此外,本文提出的辨识框架能够适应不同程度的系统动力学先验知识水平。具体而言,框架能够针对白盒模型辨识模型不确定性集合,针对灰盒模型辨识参数及不确定性集合,并从数据中构建完整的黑盒可达集一致性模型。为了验证框架的鲁棒性和有效性,作者利用模拟数据和真实世界数据进行了广泛的数值实验。实验结果表明,该框架在不同场景下均表现出良好的性能,为复杂系统的形式化验证提供了可靠的模型支持。本研究不仅扩展了可达集一致性辨识的适用范围,还为信息物理系统的安全性和可靠性分析提供了新的工具和方法,具有重要的理论价值和应用前景。

📄 中文摘要:
本文提出了一种针对电液执行器的非线性控制架构,旨在解决由于模型非线性导致的控制算法设计和调优难题。传统的非线性控制方案在应用于电液执行器时,常常会引入输入代数环路,这不仅增加了设计难度,还可能引发抖振现象,从而显著降低跟踪性能,并导致油液降解和设备磨损等副作用。本研究通过设计一个包含低复杂度模块的控制架构,实现了鲁棒的高性能跟踪,同时避免了抖振的缺点。其核心创新在于引入了一个动态输入映射反演模块,该模块能够有效消除控制输入中的代数环路,并结合专用的位置控制策略。研究基于Lyapunov理论对级联非自治非线性系统的闭环稳定性进行了分析。为了验证所提出方案的有效性,本文在风力涡轮机俯仰系统的高保真仿真器上进行了测试,并在一个包含液压俯仰系统和叶片轴承的全尺寸实验室装置上进行了验证。研究采用适当的定量指标,将闭环系统性能与最先进的非线性设计进行了比较。结果表明,该方法在跟踪精度和系统稳定性方面表现出色,为液压执行器控制提供了一种高效且实用的解决方案。本研究的发现对提升液压系统的控制性能具有重要意义,尤其在风力发电等领域的应用中展现出潜在价值。

📄 中文摘要:
光数据中心网络(DCN)作为一种有前景的云基础设施设计正逐渐受到关注。然而,现有的光DCN架构通常作为封闭生态系统运行,将软件解决方案与特定光硬件紧密绑定。本文提出了OpenOptics,一个开放的研究框架,旨在将软件与硬件解耦,使两者能够独立演进。OpenOptics具有以下特点:(1)时间流表抽象,作为光硬件与软件之间的通用接口;(2)统一的工作流程和用户友好的API,使用简单的Python脚本即可实现多种光DCN架构;(3)后端系统重新设计队列管理以支持时间流表,并为多样化应用提供丰富的底层服务。基于可编程交换机,OpenOptics使用商用设备实现了创纪录的最小光路持续时间2微秒。为了验证OpenOptics的通用性,作者在一个光测试平台上实现了六种光架构和七种路由方案,并在108个ToR(Top-of-Rack)设置上进行了基准测试,展示了其高效性。此外,通过案例研究,OpenOptics还揭示了新的研究机会。该框架不仅提升了光DCN设计的灵活性和可扩展性,也为学术界和工业界在光网络领域的创新提供了重要工具。研究结果表明,OpenOptics在性能和通用性上均表现出色,为未来的光数据中心网络研究奠定了坚实基础。

📄 中文摘要:
多焦点彩色图像融合旨在将多张部分聚焦的彩色图像整合成一张全聚焦的彩色图像。然而,现有方法在处理复杂的现实场景时,由于对彩色信息和复杂纹理的处理能力有限,常常面临挑战。为解决这些问题,本文提出了一种四元数多焦点彩色图像融合框架,完全在四元数域内实现高质量的彩色图像融合。该框架包括三个主要创新点:首先,提出了一种四元数稀疏分解模型,通过迭代方式联合学习彩色图像的细尺度细节和结构信息,从而实现高精度的焦点检测;其次,设计了一种四元数基础-细节融合策略,分别对多张彩色图像的基础尺度和细节尺度结果进行融合,以保留结构和细节信息;最后,引入了一种四元数结构相似性精炼策略,自适应地从初始融合结果中选择最优 patch,生成最终融合结果,以保留细微细节并确保空间一致性。大量实验表明,该框架在性能上显著优于现有最先进的方法,特别是在复杂场景下的彩色图像融合任务中表现出更高的质量和鲁棒性。本研究的四元数域方法为图像融合领域提供了一种全新的视角,可能对未来的图像处理技术发展产生深远影响。

📄 中文摘要:
本研究聚焦于以太坊Layer 2 rollups中的最大可提取价值(MEV)动态,特别是在去中心化金融(DeFi)活动快速增长的背景下。截至2025年第一季度,Layer 2 rollups已锁定超过400亿美元的资产,并占据以太坊去中心化交易所(DEX)交易量近一半。然而,关于其MEV动态的研究仍显不足。本文通过定义和量化乐观MEV(optimistic MEV)填补了这一研究空白。乐观MEV是一种投机性的链上MEV,其检测和执行逻辑主要依赖于智能合约。由于其投机性质以及缺乏链下机会验证,乐观MEV交易往往最终选择不执行任何交易。研究详细分析了乐观MEV的特性,探讨了其对区块空间需求的影响,指出由于投机性交易的存在,区块空间始终处于高需求状态。作者通过理论模型和数据分析,揭示了乐观MEV如何在Layer 2环境中塑造交易行为,并进一步讨论了其对网络效率、交易成本以及去中心化程度的影响。研究发现,乐观MEV的存在不仅增加了区块空间的竞争,还可能对Layer 2的可扩展性和用户体验产生深远影响。结论指出,未来需要设计更有效的机制来平衡投机性MEV与网络性能之间的关系,以优化Layer 2解决方案的整体效能。

📄 中文摘要:
本文探讨了‘什么是生命?’这一长期困扰科学家和哲学家的问题,分析了不同学科视角下对生命定义的多样性。尽管在生物系统、心理学、计算和信息理论等领域取得了显著进展,但迄今为止,尚未有一个生命定义获得普遍认可。随着合成生物学、人工智能和天体生物学的快速发展,传统生命观念受到挑战,这一问题变得愈加迫切。本研究采用了一种创新方法,利用大型语言模型(LLMs)分析一组由跨学科专家提供的生命定义。通过新颖的成对相关性分析,将定义映射为特征向量,并结合凝聚聚类、簇内语义分析和t-SNE投影,揭示了潜在的概念原型。研究结果显示,生命定义的主题呈现出连续的景观,表明历史上被视为二元分类的问题应重新理解为统一概念潜在空间内的不同视角。本文提出了一种连接还原论与整体论的方法论桥梁,展示了计算语义分析如何揭示跨学科边界的概念模式,并为解决科学中其他有争议的定义问题开辟了类似路径。研究不仅为生命定义的讨论提供了新视角,也为科学与哲学中的基本问题研究提供了方法论创新。

📄 中文摘要:
本文首次对去中心化金融(DeFi)中的收益代币化(yield tokenization)机制进行了正式研究。收益代币化将收益资产分解为本金和收益两个部分,以促进风险转移和价格发现。作者提出了一种模型,使用随机微分方程刻画收益代币的动态,并推导出一个无套利定价框架,使收益代币可用于对冲未来收益波动和去中心化借贷池中的利率风险管理。以DeFi借贷为研究重点,文章展示了借款人和贷款人如何利用收益代币实现最优对冲结果,并减轻对恶意利率操纵的暴露风险。此外,作者设计了自动做市商(AMM),该机制结合多种债券曲线菜单,聚合来自具有异质风险偏好的参与者的流动性,形成了一种高效且激励兼容的收益代币和收益期货交易机制。在此基础上,文章提出了一种模块化的固定利率借贷协议,该协议整合了链上收益代币市场和借贷池,促进了稳健的利率发现并提升了资本效率。本研究为DeFi中的风险管理和固定收益基础设施提供了理论基础,同时为稳定和可持续的收益市场提供了实用机制。研究结果对构建更安全、更高效的DeFi生态系统具有重要意义,为去中心化金融的未来发展奠定了基础。

📄 中文摘要:
本文提出了一种分析合作决策中信息充分性的正式框架。与不完全信息模型不同,本研究考虑了代理人可能缺乏对某些合作机会的概念性访问的场景。作者采用Gentzen风格的序贯演算,定义了一个句法标准,称为$ extsf{C}_i$-可接受性,用于判断在有限结构信息下提议的分配是否合理。研究表明,在一个温和的假设下,即每个联盟的潜力至少被一名成员知晓,一致接受的支付集合与核心一致。这重新诠释了核心的概念,不再将其视为预测性解决方案,而是作为在最小信息条件下能够被证明合理性的边界。此外,本文的结果为Debreu-Scarf定理提供了新的视角:尽管在复制市场中核心趋向于竞争均衡,但这种趋同掩盖了一个关键的不对称性。竞争均衡仅需要局部信息——偏好和价格——而不依赖市场规模;而达到核心则需要不断增加的信息需求,这最终可能超出任何代理人的认知能力。作者通过这一框架揭示了信息限制对合作决策的深远影响,强调了核心作为一种理论工具在信息不对称环境下的适用性与局限性。这一研究不仅深化了对核心概念的理解,也为经济学中信息与决策的关系提供了新的理论支持。

📄 中文摘要:
本文研究了一个完全实施问题,其中设计者不知道状态,但代理人知晓状态,且代理人拥有从状态依赖分布中私下抽取的不确定证据。研究发现,随机证据可能导致‘完美欺骗’,即代理人的报告可以模仿虚假状态的证据分布,使得任何机制都无法区分真伪。这是本文的主要结果:提出了一个必要且充分的条件——无完美欺骗(No Perfect Deceptions, NPD),用于在(混合策略)贝叶斯纳什均衡中实现实施。为解决这一问题,本文引入了新颖的技术,例如通过竞争性评分规则进行信念引出,以及利用证据结构进行内生的‘测试分配’。对于信息量较小的代理人(参照McLean和Postlewaite (2002) 的定义),一个广义条件(Generalized NPD, GNPD)被证明是充分的。本文设计的机制适用于两个或更多代理人,避免了整数/模数游戏,并使用有限责任转移支付,这些支付在均衡时趋于零。研究不仅在理论上提供了对机制设计中证据不确定性问题的深刻洞察,还为实际应用中如何设计激励兼容机制以应对信息不对称和欺骗行为提供了实用方法。作者通过结合信念引出和测试分配的创新方法,成功解决了传统机制设计在面对不确定证据时的局限性,为未来的研究奠定了坚实基础。

📄 中文摘要:
本文研究了治疗效果的异质性问题,这在经济学领域具有重要意义。例如,扶贫措施的效果最好通过其对未接受治疗时处于贫困状态的人群的影响来评估,或者通过贫困人群中因治疗而增加收入的比例来衡量。尽管这些量值无法直接识别,本文仅利用控制组和治疗组结果的边际分布,推导出了非参数的尖锐界限。这些界限在微型金融和福利改革的应用中展示了其实用性,即使平均治疗效果不显著,或者经济理论对不同个体之间的异质性预测相反时,仍然能够提供有价值的信息。研究背景聚焦于经济学中对个体差异化反应的关注,特别是在政策干预效果的评估中。作者提出了一种新颖的方法,通过非参数方法构建治疗效果的上下界,避免了对特定模型假设的依赖。主要方法包括利用边际分布数据,通过数学推导确定异质性治疗效果的可能范围。关键发现表明,即使在平均效果不显著的情况下,异质性分析仍能揭示重要信息,例如识别特定子群体的受益程度。此外,研究还通过实际案例(如微型金融项目和福利改革政策)验证了方法的有效性。结论指出,这种方法为政策评估提供了新的视角,尤其是在数据有限或理论预测不一致的情况下,具有重要的应用价值。作者强调,未来的研究可以进一步扩展这一框架,结合更多数据源或动态模型,以更精确地捕捉异质性效果。

📄 中文摘要:
本文提出了一种新的视角,用于研究在网络上进行的阈值博弈,尤其是在阈值异质的情况下。阈值博弈是指代理人有两种可能的行动选择,并且只有当足够多的邻居选择行动1时,代理人才会倾向于选择行动1。本文提出了一种网络转换方法,将阈值的异质性‘吸收’到网络结构中,从而使得我们能够通过转换后网络的k-core——一种广泛研究的网络凝聚性度量——来表征均衡状态。我们的模型也是Ballester等人(2006年)经典模型在行动为0或1时的直接类比。此外,我们的二元行动版本展现出一种显著的稳定性特征。当代理人具有线性二次偏好时,转换后网络的k-core能够表征顺序移动博弈的唯一子博弈完美均衡,无论代理人以何种顺序行动。这一结果表明,网络结构和阈值异质性在决定博弈结果中起着关键作用。本文的研究不仅深化了对网络博弈中均衡特性的理解,还为分析复杂网络中的集体行为提供了新的工具和视角。通过将异质性阈值融入网络结构,本文的方法简化了复杂博弈问题的分析,并揭示了网络凝聚性在决策过程中的重要影响。研究结果对于理解社交网络、传播动力学以及集体决策等领域具有重要意义。

📄 中文摘要:
本文提出了一种在开放无线接入网络(O-RAN)环境中用于自主网络优化的新型边缘AI框架,旨在解决将AI代理部署于传统无线接入网络(RAN)基础设施中时所面临的安全性和可靠性挑战,特别是在未来6G网络中的应用。研究背景聚焦于如何通过智能化手段提升网络性能并确保稳定性。框架通过三大核心创新应对这些挑战:(1)基于角色的多工具架构,支持分布式、上下文感知的决策;(2)由流量预测工具驱动的主动异常检测代理;(3)平衡性能与操作稳定性的安全对齐奖励机制。该框架集成于RAN智能控制器(RIC)中,利用多模态数据融合技术,包括网络关键性能指标(KPI)、流量预测模型及外部信息源,以预测和响应动态网络条件。在基于真实5G场景的广泛评估中,该边缘框架在高压力条件下实现了零网络中断,相比之下,传统固定功率网络的中断率为8.4%,基于大语言模型(LLM)的代理方法为3.3%。此外,该框架保持了近实时的响应能力和一致的服务质量(QoS)。研究结果表明,配备适当工具和上下文感知能力的AI代理可以安全有效地部署于关键网络基础设施中,为5G及未来网络的智能化、自主化运营奠定了基础。这一框架不仅展示了边缘AI在网络优化中的潜力,也为下一代通信网络的安全性和可靠性提供了重要参考。

📄 中文摘要:
本文研究了由四种标准图乘积(笛卡尔乘积、克罗内克乘积、强乘积和字典序乘积)生成的图的同构问题。作者对所有简单连通图进行了全面的特征描述,确定了其对应乘积图同构的条件。这一研究不仅解决了图乘积同构的核心问题,还意外地发现了一类新的非距离正则图,这些图的距离特征值数量少于d+1,其中d表示图的直径。这一发现为文献[2]中提出的问题4.3提供了新的视角,超越了现有的研究方法。通过对图乘积同构条件的系统分析,本文揭示了图结构在不同乘积操作下的内在联系,为图论中关于距离特征值和图同构的研究提供了重要的理论支持。作者的结果表明,这些非距离正则图的存在挑战了传统的图谱理论假设,可能会引发对图的距离性质和特征值分布的进一步探讨。此外,本研究还为理解复杂网络的结构特性提供了新的工具,可能在网络科学和离散数学的交叉领域产生广泛的应用价值。总之,本文在图论的理论发展和应用前景上均具有重要意义,为后续研究奠定了坚实的基础。

📄 中文摘要:
本文研究了一般图上的渗流问题,并证明了两个重要结果。研究背景源于渗流理论在网络科学、物理学和概率论中的广泛应用,特别是在理解随机图的连通性和临界行为方面。作者首先探讨了最小割集的计数问题,提出了一种新的方法来量化图中分离顶点集的关键结构。通过分析最小割集的分布和性质,作者揭示了其在图的连通性中的作用。接着,文章聚焦于渗流临界概率$p_c$,证明了在某些一般图结构下$p_c<1$的条件和机制。这一结果对于理解渗流现象在非规则网络中的行为具有重要意义。研究方法结合了概率分析、图论工具以及数值模拟,确保了结论的严谨性和普适性。关键发现包括:最小割集的计数可以有效预测图的鲁棒性,而$p_c<1$的证明为非均匀网络的渗流临界行为提供了理论基础。作者还讨论了这些结果在实际网络(如互联网、生物网络)中的潜在应用。结论指出,本研究不仅深化了对渗流理论的理解,也为复杂网络的稳定性分析提供了新视角。未来研究可以进一步探索最小割集在动态网络中的演化规律,以及$p_c$在更高维图上的表现。

📄 中文摘要:
本文研究了第六代(6G)网络中多租户系统中的去中心化控制问题,提出去中心化控制是实现自主网络运行的关键推动因素。然而,自主性要求租户能够独立做出理性决策,而这种理性决策依赖于及时且持续地获取状态信息。尽管信息共享的重要性不言而喻,但关于应共享哪些信息、通信量的大小以及更新频率等问题仍未得到充分解决,属于开放性研究挑战。本文针对这些问题,提出了一种信息公告策略,旨在优化不耐烦排队场景下的信息传递效率。研究通过构建数学模型,分析了信息公告的频率和内容对系统性能的影响,特别是在用户表现出不耐烦行为(即可能因等待时间过长而放弃排队)的情况下。作者设计了一种动态调整信息公告的机制,根据排队系统的实时状态决定信息更新的时机和内容,以减少不必要的通信开销,同时保证租户能够基于最新信息做出决策。研究结果表明,相比传统的固定频率信息更新策略,提出的动态策略能够在降低通信成本的同时显著提高系统的响应性和用户满意度。此外,本文还探讨了不同信息共享程度对系统稳定性和租户决策质量的影响,指出过度共享可能导致资源浪费,而信息不足则可能引发决策失误。结论强调了在6G网络中设计高效信息公告策略的重要性,并为未来的研究提供了理论基础和实践指导,特别是在多租户环境下如何平衡信息透明度与资源效率的问题上。

📄 中文摘要:
本文研究了基于线性模型的配电系统灵活性聚合方法。首先,作者探讨了线性交流功率流、两种直流功率流变体以及LinDistFlow模型的理论基础,并分析了这些模型的基本假设。研究内容涵盖了关键的系统细节,包括网络拓扑结构、电压约束和线路损耗等。作者在KIT Campus Nord网络上使用真实的需求和太阳能数据进行了仿真实验。结果表明,在不存在负损耗的情况下,线性模型通常会低估线路损耗。此外,线路损耗误差在公共连接点(PCC)处以及在较长的时间范围内均呈现出累积的趋势。这一发现揭示了线性模型在灵活性聚合中的局限性,尤其是在处理复杂配电网络时可能导致的误差累积问题。研究还讨论了误差累积对系统规划和运行的影响,指出在高负载或高可再生能源渗透率的场景下,误差累积可能对系统稳定性构成挑战。作者建议未来的研究应考虑非线性模型或混合方法,以提高灵活性聚合的精度和可靠性。本文为配电系统灵活性管理提供了重要的理论支持和实践指导,尤其是在可再生能源集成和智能电网发展背景下具有实际意义。

📄 中文摘要:
同理心在软件工程(SE)中扮演着关键角色,影响着团队协作、沟通和决策过程。尽管先前研究已强调同理心在软件工程中的重要性,但对于同理心如何在软件工程实践中表现、软件工程从业者展现同理心的动机以及影响同理心在软件工程工作中的因素,仍缺乏深入理解。本研究通过对22名软件从业者进行访谈以及对116名从业者开展大规模调查,探索了这些问题。研究结果揭示了同理心在软件工程中的具体表现形式、推动同理心实践的驱动因素、从业者认为同理心有用或无用的软件工程活动,以及影响同理心的其他相关因素。研究发现,同理心在团队协作、需求分析和冲突解决等活动中尤为重要,而在高度技术性或独立性强的任务中可能作用有限。此外,文化背景、个人经验和组织环境也被认为是影响同理心表现的重要因素。本研究还为软件工程从业者和研究人员提供了实践启示,帮助他们更有效地将同理心融入软件工程流程中,以提升团队效率和项目成功率。研究结论强调了在软件工程教育和实践中培养同理心的重要性,并为未来的研究方向提供了参考,例如如何设计支持同理心的工作环境和工具。

📄 中文摘要:
在电子商务领域,选择合适的产品图像展示于在线购物平台是卖家面临的普遍挑战。本研究提出并验证了一种新颖的度量方法——k值,用于量化图像集的信息丰富度,并进一步探讨其对消费者购买决策的影响。研究利用视觉变换器(Vision Transformers, ViT)的patch级嵌入,通过k-means聚类识别不同的视觉特征,将k值定义为聚类数量。在线实验表明,k值与人类感知的信息丰富度高度一致,从而验证了该度量的有效性。此外,通过模拟在线购物实验,研究发现了一个重要且反直觉的结果:尽管具有较高k值(信息更丰富)的图像集能够缩短消费者的决策时间,但却意外地降低了购买倾向。这一发现揭示了视觉信息丰富度与消费者行为之间的复杂关系,为卖家提供了一个可量化的图像选择工具。研究背景基于电子商务中图像对消费者决策的关键作用,方法上结合了先进的计算机视觉技术与行为实验,关键发现强调了信息丰富度在决策效率与购买意愿之间的矛盾效应,结论为在线销售策略提供了新的视角和实践指导。

📄 中文摘要:
本文研究了网络中的同配性行为,即网络中相似(或不相似)节点相互连接的倾向性。同配性对网络的多种属性具有重要影响,包括网络的鲁棒性以及传播过程的动态特性。研究聚焦于现实世界网络以及基于潜在空间的几种生成模型,这些模型针对具有重尾度分布的网络展开分析。具体而言,作者探讨了Chung-Lu图和几何非均匀随机图(GIRGs)中的度同配性。通过对这些模型的分析,研究揭示了潜在空间结构如何影响节点连接的同配性模式,并探讨了不同网络生成机制对同配性的影响。研究方法包括理论分析和数值模拟,结合现实网络数据验证模型的有效性。关键发现表明,几何约束和度分布特性在决定同配性行为中起着重要作用,尤其是在几何非均匀随机图中,同配性表现出与现实网络相似的特征。此外,研究还讨论了同配性对网络功能的影响,例如信息传播速度和网络稳定性。结论指出,通过调整潜在空间参数,可以有效控制网络的同配性,从而为设计具有特定属性的网络提供理论依据。本研究为理解复杂网络的结构与功能关系提供了新视角,并为网络建模和优化设计奠定了基础。

📄 中文摘要:
本研究通过网络科学方法对圣地亚哥的交通系统进行了多模式分析,旨在提升城市交通的流动性、公平性和韧性。研究利用OpenStreetMap(OSM)和圣地亚哥大都会交通系统(MTS)的数据,构建了一个多层图模型,涵盖驾驶、步行和公共交通三个层级。通过整合数千个兴趣点(POIs),研究从网络可达性、结构和韧性三个方面展开分析,采用了中心性度量、社区检测以及一种新提出的步行性指标。研究发现,圣地亚哥的交通网络在不同模式下表现出显著的异质性,公共交通的可达性在城市边缘地区明显不足,而步行网络的连通性在中心区域较强但在郊区较弱。此外,通过社区检测算法,研究识别出城市中交通网络的关键集群,揭示了潜在的交通瓶颈和资源分配不均问题。研究还评估了网络在面对干扰(如道路封闭或自然灾害)时的韧性,发现多模式整合能够显著提升系统的整体稳定性。结论指出,基于多层网络的分析方法为城市交通规划提供了新的视角,有助于制定更具针对性的政策以改善交通公平性和可持续性。本研究不仅为圣地亚哥的交通优化提供了数据支持,也为其他城市交通系统的研究提供了可复制的分析框架。

📄 中文摘要:
本文研究了大规模人群中网络形成的模型,提出了一种基于博弈论的框架。研究中,每个个体(代理人)可以选择与其他个体的互动强度(即连接强度),以达到纳什均衡。与近期发展的图论博弈(graphon games)理论不同,本文模型中每个代理人的控制不仅依赖于自身的索引,还依赖于其他代理人的索引,增加了模型的复杂性和现实性。作者首先定义了博弈的一般模型,随后聚焦于一个特殊情况,即分段常数图(piecewise constant graphs),并通过一组前向-后向随机微分方程系统提供了最优性条件。此外,文章证明了模型解的唯一性和存在性,为理论的严谨性提供了保障。最后,通过数值实验,作者探讨了不同模型设置对结果的影响,分析了参数变化对网络形成的作用。研究结果为理解大规模人群中网络结构的动态形成提供了新的视角,尤其适用于社会网络、经济网络等领域中个体互动的建模与分析。本文的方法和结论对进一步研究复杂网络的形成机制具有重要意义。

📄 中文摘要:
本文研究了北印度卡亚尔音乐的美学特性,重点分析了艺术家在演唱流行作品时所展现的灵活性。研究主要探讨了歌词内容在不同表演中以及同一表演内的表达性时间和音高变化,并提出了能够区分同一歌曲不同表演表达特征的计算表示方法。作者详细介绍了必要的音频处理和标注流程,并通过分析一个包含两首歌曲的数据集(每首歌曲基于两种拉格,由十位知名艺术家演唱)得出了相关观察和见解。研究背景在于探索印度传统音乐中艺术家如何通过旋律和节奏的细微变化来表达情感和个性化的艺术风格。主要方法包括对音频数据的处理、特征提取以及基于计算模型的表达性分析。关键发现表明,不同艺术家在演唱同一首歌曲时,通过时间控制和音高调整展现了显著的个性化表达特征,这些特征可以通过计算方法进行量化区分。研究还揭示了拉格(raga)框架内艺术家自由发挥的空间及其对音乐表现力的影响。结论指出,这种计算分析方法不仅有助于理解卡亚尔音乐的表现机制,还为音乐学研究提供了新的技术工具,可能进一步应用于其他传统音乐形式的研究。本文为音乐学与计算技术的交叉研究提供了重要视角,对深化印度传统音乐的表现性研究具有一定价值。

📄 中文摘要:
本研究聚焦快时尚行业的消费需求及其对环境和社会的影响,以西班牙为案例进行深入分析。快时尚以其一次性消费特性显著加剧了环境退化和二氧化碳排放,其排放量甚至超过法国、德国和英国的总和,同时也涉及严重的劳工权益问题。尽管其经济贡献在一定程度上掩盖了这些负面影响,但消费者行为背后的决策过程亟需探究。本文通过基于智能体的建模方法(Agent-Based Modeling),研究了影响服装消费模式的关键因素,包括对工作条件、环境后果的认知水平以及可持续时尚教育的普及程度。研究进一步探讨了同伴压力、社交媒体影响和政府干预如何促成公众观念的转变。结果表明,政府干预在推动可持续消费方面至关重要,其宣传活动为整体进步奠定了基调,但其成效受社交媒体和人群极化程度的影响。值得注意的是,政府无需采取过于激进的立场或无限期持续开展活动即可实现最佳效果,因为过度干预会产生收益递减的现象。本研究为理解消费者行为转变提供了新视角,并为制定有效的可持续时尚政策提供了理论依据。

📄 中文摘要:
本文研究了2025年加利福尼亚州奥克斯纳德地区移民与海关执法局(ICE)加强突袭行动对该州价值490亿美元农业经济的影响。加州农业是美国75%的水果和坚果以及三分之一蔬菜的主要供应商,具有重要地位。研究通过计量经济学模型量化了突袭对劳动力市场、作物生产和食品价格的影响。结果表明,农业劳动力减少了20-40%,导致作物损失高达30-70亿美元,农产品价格上涨5-12%。分析基于美国农业部经济研究服务数据和ICE近期拘留数据,显示南加州逮捕人数从2025年5月的699人激增至6月的近2000人。突袭对草莓等劳动密集型作物的影响尤为严重,进一步加剧了供应链中断。研究发现,突袭行动对农业经济的破坏性影响显著,尤其是在劳动力短缺的背景下。作者提出政策建议,包括扩大H-2A签证计划和为无证工人提供合法身份,以稳定农业部门。本研究通过数据驱动的评估,为农业经济学领域提供了移民执法经济成本的重要见解,对理解移民政策与农业生产之间的复杂关系具有重要意义。研究结论强调了劳动力政策对农业可持续发展的关键作用,并呼吁制定更具包容性的移民政策以减少经济损失。

📄 中文摘要:
本文研究了5G网络通过网络切片、网络功能虚拟化(NFV)和边缘计算支持各种高级应用的能力,旨在确保低延迟和服务隔离。然而,依赖开源工具的私有5G网络在成熟度和与边缘/云平台的集成方面仍面临挑战,这可能影响切片隔离的实现。本研究聚焦于资源分配机制以解决这一问题,特别在医院场景中进行了医学视频会议的实验。研究发现,通过对CPU资源进行限制,可以显著提升优先级切片的性能,而内存限制对性能的影响较小。此外,本文还公开了实验生成的数据和脚本,为未来的研究和机器学习应用提供了资源支持。研究结果表明,合理的资源分配策略能够在开源工具环境下增强5G网络切片的隔离效果,为私有5G网络的部署和优化提供了重要参考。作者强调,未来的工作应进一步探索不同场景下的资源分配策略,以及如何更好地整合云原生技术和边缘计算工具,以应对5G网络在复杂环境下的挑战。本研究不仅为5G网络切片隔离技术的发展提供了实践依据,也为医疗等关键领域的5G应用奠定了基础。

📄 中文摘要:
信任是人类决策与合作中的基本概念,长期以来在哲学和心理学领域受到广泛研究。然而,在软件工程(SE)相关文献中,信任一词常被非正式使用,缺乏明确的定义或与既有信任模型的结合。在针对AI助手的SE研究中,这种做法导致信任被简单等同于接受生成内容的可能性,而这种单一视角无法全面捕捉信任概念的复杂性。由于缺乏统一的定义,关于信任的真正二次研究在SE领域几乎无法开展。本研究的目标包括:(1)介绍人类信任的心理学和哲学基础;(2)系统研究SE及相关学科(如人机交互和信息系统)中信任的概念化方式;(3)讨论将信任等同于内容接受的局限性,并提出SE研究如何采用现有信任模型以克服信任一词的非正式使用问题。通过跨学科文献综述和对近期SE文章中信任概念化的批判性分析,本研究发现SE领域中信任的定义和概念化十分稀缺。相比之下,相关学科通常将方法和结果嵌入成熟的信任模型中,明确区分初始信任与信任形成、适当信任与不当信任等概念。此外,其他学科在元科学层面还探讨了信任是否以及何时适用于AI助手。本研究揭示了SE领域在信任研究上的显著成熟度差距,相较于相关学科存在明显不足。为此,本文提出了具体建议,指导SE研究者如何采用成熟的信任模型和工具,超越仅仅关注生成软件artifact的接受度,深入研究AI助手中的信任问题。这些建议旨在推动SE领域信任研究的规范化与深化,为未来的研究奠定理论基础。

📄 中文摘要:
[基于标题推测] 本论文可能探讨了Kolmogorov-Arnold网络(一种基于Kolmogorov-Arnold表示定理的神经网络架构)在贝索夫范数下的逼近性能以及其样本复杂度问题。研究可能聚焦于如何通过引入残差连接(Residual Connections)来提升网络的逼近能力和训练效率,特别是在处理高维数据或复杂函数逼近任务中的表现。贝索夫范数作为一种衡量函数平滑性的数学工具,可能被用于量化网络的逼近误差,而样本复杂度则反映了网络学习所需的训练数据量。论文可能通过理论分析和数值实验,探讨了残差连接对网络性能的影响,并为设计更高效的神经网络架构提供了理论依据。这项研究或对深度学习中的函数逼近理论和网络设计具有重要意义,尤其是在需要高精度逼近的科学计算和数据分析领域。

📄 中文摘要:
本文研究了出口对环境的影响,重点分析了2000年至2020年期间巴西的相关数据。作者结合海关、行政和人口普查微观数据,估算了出口对就业的弹性。研究发现,出口增加的市政当局正式就业增长更快。出口对正式就业的弹性在冲击发生时为0.25,峰值为0.4,并且在冲击后10年仍保持正向且显著,表明劳动力市场调整过程漫长而持续。长期来看,出口冲击对非正式就业产生负面影响。文章采用基于环境影响的细化经济活动分类方法,记录了环境风险较高的活动在就业中的占比高于环境可持续活动,且这些活动与出口之间的关系较为复杂。短期内,环境风险较高的就业对出口的响应强于环境可持续就业。然而,长期来看,这种模式发生逆转,出口对环境可持续就业的影响更为持久。研究揭示了出口对劳动力市场和环境的双重影响,短期内可能加剧环境风险,但长期有助于推动可持续就业的增长。这一发现为制定平衡经济增长与环境保护的政策提供了重要参考。

📄 中文摘要:
本文研究了在推出新产品时,卖方如何设定价格并决定向买方提供多少信息的问题。买方可能需要支付搜索成本以发现外部选择,而卖方仅知道外部选择的均值和范围,但对具体分布不了解。买方则了解外部选择的分布情况。在追求“稳健性”的目标下,卖方基于保证利润来评估策略,权衡搜索威慑与剩余提取之间的关系。研究发现,提供信息可以有效阻止买方搜索并提升需求,但这需要通过降低价格来为买方提供更高的回报。本文的结果有助于解释新产品信息提供的多样性,并指出较低的搜索成本可能导致价格上升和信息噪声增加,这对消费者可能产生不利影响。通过分析卖方在不确定环境下的决策机制,本研究揭示了信息披露与定价策略之间的复杂互动关系。研究还探讨了市场环境变化(如搜索成本下降)对卖方行为和消费者福利的影响,指出在某些情况下,信息透明度的增加可能反而损害消费者利益。结论表明,卖方在设计新产品销售策略时需谨慎平衡信息提供与价格设定,以在不确定性中实现利润最大化,同时避免对市场效率和消费者福利造成负面影响。

📄 中文摘要:
本文研究了在不完整或不准确信息环境下基于批准投票的委员会选举中的多样性问题。作者将多样性定义为最大覆盖问题(Maximum Coverage Problem),这是一个已知的NP完全问题,其最佳多项式时间近似比率为1-1/e。在不完整信息场景中,选民仅对少部分候选人进行投票,研究证明,要以高概率任意接近最优近似比率,非自适应查询需要Ω(m^2)次,其中m为候选人数量。这促使研究自适应查询算法,该算法可根据先前查询结果调整策略,在此情况下查询下限降至Ω(m)。作者提出了一种贪心算法,使查询次数与该下限在对数因子内匹配。对于在拟阵约束下的最大覆盖广义问题,作者使用局部搜索算法证明了同样的Θ(m)界限,拟阵约束允许对委员会施加额外结构要求,如配额。在不准确信息场景中,选民的响应有小概率被破坏,研究表明需要Θ(nm)次查询才能以高概率达到(1-1/e)近似,其中n为选民数量。尽管理论界限表明所有算法在大规模情况下是可行的,但也显示在实际相关实例中某些算法仍需大量查询。作者通过Polis的真实数据和合成数据进行实验,观察到算法在较小规模实例上表现良好,适用于不完整和不准确信息两种情况。研究结果为在信息受限环境下的多样性委员会选举提供了理论支持和实用算法。

📄 中文摘要:
本文探讨了在不久的将来,如何通过设计减少商业环境中的供暖与制冷碳排放,挑战当前主导的效率和行为改变范式,并通过实践构建可能成为未来现实的世界。研究引入了一个虚构的咨询公司ANCSTRL.LAB,旨在探索在研究项目中创造空间的机会,以鼓励更多系统导向的干预措施。作者提出了一种设计虚构(design fiction),询问‘如果能源管理和减排实践采纳系统思维会怎样?’。该设计虚构探讨了未来的能源咨询公司如何利用系统思维以及超越以人为中心的设计方法,重新构想能源管理实践,并以目前难以想象的方式改变系统。文章最后讨论了LIMITS研究如何利用设计虚构和推测性实践,帮助构建新的物质现实,在这些现实中,更全面的视角、系统变革的杠杆作用以及后新自由主义未来的想象成为常态。本研究通过推测性方法,不仅挑战了现有的能源管理范式,还为可持续发展和系统性变革提供了创新思路,旨在激发对未来商业能源管理的深刻思考和实践探索。

📄 中文摘要:
随着对低延迟服务需求的不断增长,确保随机接入(RA)网络的延迟性能已成为研究重点。现有关于Aloha模型排队延迟性能的研究普遍将数据包视为原子传输单位,主要关注以时隙为单位的延迟。然而,数据分组(packetization)对排队延迟的影响一直被忽视,尤其是以秒为单位的平均排队延迟,这一指标比基于时隙的延迟更精确且具有实际意义。本文从分组的角度优化排队延迟,建立了无连接和基于连接的Aloha方案中分组与平均排队延迟(以秒为单位)之间的数学关系,并探索了最小化该延迟的最优分组策略。通过数值方法,本文确定了最优平均排队延迟及其对应的分组大小,并进一步分析了各种网络参数的影响。此外,通过仿真研究了分组对排队延迟抖动的影响。本文还从分组的新视角重新评估了无连接和基于连接方案之间的复杂权衡。同时,考虑到非地面网络(NTN)场景中RA-SDT的排队延迟性能分析(尤其是从分组视角)仍是一个未探索领域,本文将分析应用于此场景作为案例研究。研究结果表明,合理的数据分组策略能够显著降低网络延迟,为低延迟服务设计提供了重要参考。

📄 中文摘要:
随着非地面网络(NTNs)的迅猛发展,网络性能分析的计算复杂度迅速增加。随机几何(SG)作为分析大规模网络拓扑结构的最合适数学工具之一,能够将网络性能指标表示为网络参数的函数,从而提供低复杂度的性能分析解决方案。然而,在平面模型和球面模型之间做出选择仍然是一个挑战。平面模型忽略了地球曲率,在高空NTN分析中会导致偏差,但因其简单性仍常被使用。本文引入了相对误差的概念来量化平面模型与球面模型之间的差距,以帮助判断平面建模是否足够。为计算相对误差,本研究首先提出了一种点过程(PP)生成算法,该算法能够同时生成一对均匀且渐近相似的平面和球面点过程。随后,引入了多种典型的相似性度量,包括拓扑相关和网络级别的度量,并基于这些度量进一步开发了相对误差估计算法。此外,本文推导了最优平面高度的解析表达式,该表达式降低了计算复杂度,并为平面近似提供了理论支持。最后,通过数值结果探讨了部署高度和区域对NTN建模的影响,并以高空平台(HAP)和低地球轨道(LEO)卫星星座为案例进行了研究。研究表明,部署高度和区域范围对模型选择有显著影响,球面模型在高空和广域场景中更准确,而平面模型在特定条件下可作为有效近似。

📄 中文摘要:
本研究由欧洲经济协会(EEA)少数群体经济学(MinE)委员会与德国经济协会(VfS)合作,于2023年开展了一项职业氛围调查,旨在评估欧洲经济学领域的多样性、公平性和包容性。调查收集了861名现任及前任EEA会员的回应,涵盖性别、种族、LGBTQ+身份、残疾状况及社会经济背景等维度的数据。结果显示,在包容性、尊重及职业待遇的感知上存在广泛差异。女性、少数民族、LGBTQ+个体及残疾人士报告的歧视、排斥和骚扰经历显著高于其他群体。此外,地理差异也较为明显,北欧国家报告的职业氛围最为积极,而英国和意大利则显示出较高的不满和歧视水平。与美国经济协会2018年的调查相比,欧洲受访者的总体满意度较低。研究揭示了欧洲经济学界在多样性和包容性方面面临的挑战,特别是在特定群体和地区中存在的系统性问题。研究结论强调了制定针对性政策和干预措施的必要性,以改善职业环境,促进公平与尊重,并缩小不同群体间的差距。这项调查为未来的改革提供了重要数据支持,并呼吁学术界采取行动以应对这些长期存在的问题。

📄 中文摘要:
本文研究了一个福利最大化的设计者如何通过两种浪费性的筛选工具——考验和损害——来分配两种商品。考验以加性方式进入代理人的效用函数,而损害则按代理人对商品的价值比例对其造成伤害。研究发现,当代理人对其中一种商品具有共同估值时,使用损害总是导致帕累托劣势的机制:任何使用损害的分配都可以仅通过考验来实现,同时为次优类型留下更大的租金。然而,当代理人对两种商品的估值均具有异质性时,使用损害可能是最优的。在多维类型的情况下,两种工具在如何将代理人分类到可用选项中存在差异,最优分类有时需要使用损害。尽管如此,作者识别出了一些分布条件,在这些条件下使用损害并非最优。在这些情况下,最优机制通过为每种商品设定“市场出清”的考验来实现有效分配。本文通过理论分析和模型构建,探讨了筛选工具的选择对机制设计和福利分配的影响,揭示了在不同估值分布下最优机制设计的复杂性。研究结果表明,设计者在面对多维异质性时需权衡不同筛选工具的成本与效益,以实现社会福利的最大化。这一研究为机制设计领域提供了新的视角,尤其是在资源分配和激励兼容性问题上具有重要的理论意义。

📄 中文摘要:
本文介绍了回归不连续(Regression Discontinuity, RD)设计及其在医学科学实证研究中的应用。RD设计是一种准实验方法,广泛用于评估因果关系,特别是在随机对照试验(RCT)不可行或不道德的情况下。文章主要聚焦于因果推断的解释,探讨了RD设计如何通过利用一个明确的阈值(如年龄、测试分数或治疗标准)来区分处理组和对照组,从而估计处理效应的因果效应。同时,文章还简要提及了估计和推断的关键概念,包括局部线性回归、带宽选择以及模型稳健性检验等技术细节。为了帮助读者更好地理解RD设计的实际应用,作者提供了一个贯穿全文的医学实证案例,具体分析了某一医疗干预措施的效果。通过该案例,文章展示了RD设计在处理医学数据中的优势,例如能够控制混杂变量的影响,以及在政策评估和临床决策中的潜在价值。研究指出,RD设计在医学研究中的应用前景广阔,尤其是在评估治疗效果、政策干预以及资源分配等方面。然而,文章也提醒读者注意RD设计的局限性,如对阈值附近数据的依赖可能导致外部效度较低,以及对模型假设的敏感性。总之,本文为医学研究人员提供了一个清晰的框架,帮助他们在设计和解释因果研究时有效运用RD方法,为医学领域的实证研究提供了重要的方法论支持。

📄 中文摘要:
本文研究了网络拓扑动态在复杂系统行为和演化中的关键作用,提出了一种独特的网络拓扑压缩过程,旨在减少网络的平均距离。拓扑压缩过程主要通过一系列网络拓扑变换实现,通常采用重新布线技术来完成。作者提出了一种实现有效网络拓扑压缩的演化机制,并通过在多种合成网络上的实验验证了该机制的性能。研究背景聚焦于网络动态学,探讨了复杂系统在拓扑结构变化下的行为模式,强调了缩短网络平均距离对提高系统效率的重要性。主要方法包括设计一种演化算法,通过迭代优化网络连接方式,实现拓扑结构的压缩,同时保持网络的基本功能和连通性。实验结果表明,该方法在不同类型的合成网络中均表现出显著的压缩效果,特别是在小世界网络和无标度网络中,平均路径长度明显缩短,同时网络的聚类系数和鲁棒性得到较好维持。关键发现包括:通过重新布线技术,网络可以在不显著增加计算复杂度的前提下实现高效压缩;此外,该演化机制具有较强的适应性,可应用于多种网络结构。结论指出,该研究为网络拓扑压缩动态领域建立了一个新的范式,为未来在实际网络系统(如通信网络、社交网络)中的应用奠定了理论基础,同时也为复杂网络的优化设计提供了新的思路和方法。

📄 中文摘要:
本研究探讨了电解槽在主要用于氢气生产的同时,通过提供多种辅助服务支持电力系统,从而开辟新的收入来源并提升其经济可行性的潜力。论文重点分析了电解槽参与频率支持储备市场的表现,研究了投标结构和激活强度对其价值的影响。作者开发了一个混合整数线性规划模型,用于共同优化电力采购和储备提供,并通过分析推导出储备提供的机会成本,从而确定最优投标价格。基于丹麦西部历史价格和频率数据的研究表明,非对称、按小时计的储备产品通常不产生机会成本,且可将利润提高高达47%。然而,能源密集型储备可能会干扰氢气生产,并存在无法满足需求的风险。研究发现,灵活的投标策略可以在维持盈利能力的同时有效缓解这些风险。此外,论文还强调了在不同储备产品间进行多元化配置的益处,并提出了两点建议:系统运营商应重新考虑储备投标结构以更好地适应电解槽的需求,而电解槽所有者在氢气需求灵活的情况下不应忽视能源密集型储备服务。本研究为电解槽在电力系统中的多功能应用提供了重要见解,对推动氢能技术与电力系统的深度融合具有指导意义。