摘要：药物相互作用(drug-drug interactions,DDIs)通常在多种药物共同使用时发生.某些药物之间的相互作用可以带来积极的治疗效果,而某些药物相互作用引起的反应可能会带来严重的影响,甚至危及生命,这使得预测某两种药物之间是否存在相互作用乃至何种类型变得至关重要.而实验研究DDIs的需求和成本不断增长,凸显了采用计算方法,尤其是机器学习方法以预测DDIs的价值.然而,此前基于机器学习的方法均未能全面建模DDIs问题中包括药物自身分子子结构、全结构和药物相互作用网络结构在内的3个层级信息,部分方法还依赖于大规模生物知识图谱,增加了模型的推理成本.本文提出HierDDI,它仅通过数据集中的DDIs即能构建一个多层次图结构,而无需依赖附加知识图谱.更具体地说,HierDDI通过建模药物自身分子子结构、全结构、药物相互作用网络结构这3个层面,来预测药物相互作用.由此不仅捕获了药物自身的结构信息,还将药物间的相互作用考虑在内,并通过端到端的训练,建立模型对DDIs的全面理解.本文所有模块的设计都非常简洁,广泛的实验展示了本文提出的方法明显优于目前药物相互作用领域的领先方法,成为目前表现最佳的模型.在DrugBank和Twosides等公开数据集上,本文提出的方法在直推式(transductive)场景中的准确率比当前领先方法提高了0.58%和2.02%,而在归纳式(inductive)场景中则更是提高了4.20%和3.52%.源代码发布在https://***/wuhuaijin/HierDDI.

摘要：在国家治理体系和治理能力现代化的总框架下,数字政府建设项目持续推进,其产生的价值与影响需要一套科学的方法进行评价。在明确评价对象、目标与原则的前提下,基于“管理—效果—影响”逻辑路径设计了数字政府建设项目的绩效评价指标体系、评价流程和评价方法,并在H市工业园区数字政府建设项目绩效评价实践中验证和完善了研究成果。

摘要：产学研联盟是实现突破性创新的重要组织形式,鲜有研究关注关键共性技术攻关情境下联盟知识治理与突破性创新的关系。本文选取五个典型的关键共性技术攻关产学研联盟开展多案例研究,研究表明:(1)关键共性技术攻关产学研联盟知识治理包括集体利益捆绑和协作架构控制两类关键性机制;(2)集体利益捆绑和协作架构控制对联盟突破性创新具有正向影响;(3)知识共享广泛性和知识共享深入性在联盟知识治理机制与联盟突破性创新间发挥中介作用。本文识别了关键共性技术攻关情境下产学研联盟知识治理机制,建构了知识治理机制、知识共享和突破性创新的理论模型,对我国实现高水平科技自立自强、推进关键共性技术攻关具有理论价值和实践意义。

摘要：传统二维动画是一种具有独特风格的影像作品,其制作方式和画面特征与现实场景的影像存在很大差异。传统二维动画通常需要逐帧绘制图片,并保存为位图。但是二维动画在存储、传输和播放过程中,可能会出现画质退化、分辨率不足、时序不连续等问题。随着深度学习技术的发展,基于深度学习的方法在动画修复领域得到了广泛应用。对基于深度学习的二维动画修复进行了全面总结。首先,调研了目前与动画相关的数据集,明确了深度学习在动画修复领域已有的数据支撑以及动画数据集建立的瓶颈。其次,通过调研和测试动画画质修复与动画视频插帧的深度学习算法,找出了目前动画修复的关键点与难点,介绍了一些针对动画画面特征设计的保证动画帧间一致性的方法,为动画视频的修复提供了思路。然后,通过分析现有图像质量评价方法对动画影像的有效性,找到能合理评价和指导动画修复结果的指标。最终,根据上述分析,阐明了动画相关修复任务中面临的挑战,并提出了未来深度学习在动画修复领域的发展方向。

摘要：自然界中存在的酶拥有多种多样的功能,它们已经被应用在工业生产和学术研究中,但其中许多酶的性质和功能还不能完全满足应用需要,通过改造来提升这类酶的某些特性是酶工程的重要任务。本文介绍了酶工程的主要发展历程,并重点梳理了人工智能(AI)助力酶工程领域的研究进展。酶工程主要包括理性设计、定向进化、半理性设计和人工智能辅助设计等策略。理性设计方法根据酶的催化机理、结构等先验知识进行改造。定向进化技术通过构建随机突变文库和高通量筛选提升目标酶的稳定性和活性等性质。半理性设计方法借助一系列计算方法构建相比于定向进化更小也更合理的突变文库以降低筛选工作量。人工智能技术在大量数据驱动下可以学习有关蛋白质构成和进化的特征信息。通过直接学习自然界中存在的蛋白质序列、共进化信息和结构,深度神经网络已经可以解决许多类型的酶工程问题,如预测具有有益影响的突变、优化蛋白质的稳定性、提高催化活性等。通过对酶工程现状进行分析,本文旨在进一步推动酶的开发和优化以实现更广泛的应用,为研究者和相关从业人员提供更多有价值的见解。

摘要：对于以普通文理学科见长、专门职业学院卓越的老牌综合性大学,如何开展具有特色和吸引力的工程教育?哈佛大学工程与应用科学学院以其重建十六年的创新理念与实践,作出了令人满意的回应。哈佛工学院利用全校多学科优势,为应对人类社会重大挑战和培养复合型未来领导者,提供跨学科、跨领域融合平台;将设计教育作为工程教育复兴重要抓手,围绕工程设计思维培养,重塑工科课程和知识体系;优先发展培养计算能力相关学科及学科群建设,为工程教育数字化转型与整体性变革提供了独特经验。

摘要：城市热岛效应是城市化进程中最显著的生态环境问题之一,城市绿地基础设施作为城市关键的自然要素,能够有效地缓解热岛效应。延中绿地的规划建设是上海市为缓解热岛效应给出的“基于自然解决方案”的重大举措。本文以上海市延中绿地为研究对象,基于无人机及其相应传感器获取的空、地激光雷达数据和Landsat 8 Collection 2 Level 2数据集的地表温度数据,对延中绿地的降温作用及其内部三维绿量分布格局和影响因子进行了研究。结论如下:(1)延中绿地具有显著的降温效应且具有方向性差异。其最大降温距离在各方向的排序依次是:东南>西南>东北>西北,局部冷岛强度最大为西南方向,最小为东南方向;不同植被类型的降温效应从高到低依次为:乔木>草地>灌木。(2)延中绿地内三维绿量高值区域基本分布在其西北部靠近公路一侧,其余各处仅有高值零星分布;三维绿量与距道路距离(D_(road))呈显著负相关,与距水体距离(D_(water))呈显著正相关,与距建筑(D_(fw))距离呈负相关,但无显著性;影响三维绿量格局的最优模型为224.35-1.51×D_(road)×0.41*D_(water)。研究结果对上海市热岛减缓及绿地规划管理具有重要的理论和实践意义。

摘要：如何将预训练模型中的知识迁移到视频理解下游任务是计算机视觉研究中的一个关键问题。在开放域场景中,由于不利的数据条件,知识迁移变得更具挑战性。受自然语言处理技术的启示,近期,许多多模态预训练模型通过设计文本提示进行迁移学习。作者利用大语言模型对开放域的理解能力,提出一种基于领域上下文辅助的开放域行为识别方法,提升模型在开放域场景下的理解能力。通过大语言模型对文本标签的上下文信息进行丰富,将视觉表示与人类行为的多层次描述进行对齐,实现鲁棒的分类。在开放域场景下进行了广泛的行为识别实验,在全监督设置中,该文方法在ARID数据集上得到了71.86%的Top1准确率,而在Tiny-VARIT数据集上得到了80.93%的平均精确率。此外,在无源视频领域自适应设置下,该研究得到了48.63%的Top1准确率,而在多源视频领域自适应设置中,该研究得到了54.36%的Top1准确率,实验结果表明了领域上下文辅助在各种开放域环境下的有效性。