国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

1. 加州大學(xué)伯克利分校Nature: 機(jī)器學(xué)習(xí)基于移動(dòng)手機(jī)數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)扶貧

機(jī)器學(xué)習(xí)頂刊匯總：Nature、Nat. Sustain.、EES、CEJ、ES&T等成果

新冠大流行摧毀了許多低/中等收入國(guó)家，導(dǎo)致了廣泛的糧食短缺和生活水平急劇下降。為應(yīng)對(duì)這場(chǎng)危機(jī)，世界各國(guó)政府和人道主義組織已向超過(guò)15億人分發(fā)了社會(huì)援助。其中，精準(zhǔn)確定援助目標(biāo)是一個(gè)主要挑戰(zhàn)：在現(xiàn)有數(shù)據(jù)的情況下，迅速確定哪些人有最大的需求仍然是一項(xiàng)艱巨的任務(wù)。

為此，加州大學(xué)伯克利分校Joshua E. Blumenstock等人開(kāi)發(fā)、實(shí)施和評(píng)估了一種基于機(jī)器學(xué)習(xí)算法和來(lái)自衛(wèi)星/移動(dòng)電話(huà)網(wǎng)絡(luò)的非傳統(tǒng)“大數(shù)據(jù)”的針對(duì)性社會(huì)援助的方法。這種方法使用傳統(tǒng)的調(diào)查數(shù)據(jù)來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型，然后經(jīng)過(guò)訓(xùn)練的模型可以?xún)?yōu)先向最貧困的手機(jī)用戶(hù)提供援助。

首先，作者從移動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)商處獲得特定時(shí)間段的手機(jī)元數(shù)據(jù)（呼叫詳細(xì)記錄CDR），包括通話(huà)信息、短信、移動(dòng)數(shù)據(jù)流量使用及移動(dòng)貨幣交易等。然后，使用微軟開(kāi)發(fā)的LightGBM為匹配的CDR數(shù)據(jù)集訓(xùn)練梯度增強(qiáng)回歸器。通過(guò)五重交叉驗(yàn)證對(duì)模型進(jìn)行訓(xùn)練和評(píng)估，在每個(gè)折疊上獨(dú)立調(diào)整超參數(shù)以獲得數(shù)據(jù)集中每個(gè)觀察結(jié)果的樣本外準(zhǔn)確性估計(jì)和貧困預(yù)測(cè)。作者在所有調(diào)查數(shù)據(jù)上重新訓(xùn)練模型并記錄特征重要性，最后使用最終模型為相關(guān)時(shí)間段內(nèi)電話(huà)網(wǎng)絡(luò)上的每個(gè)用戶(hù)生成財(cái)富預(yù)測(cè)。

圖1. 不同救援目標(biāo)確定機(jī)制的福利分析

作者通過(guò)研究多哥（西非國(guó)家）的一個(gè)緊急社會(huì)援助計(jì)劃Novissi（在埃維語(yǔ)中意為團(tuán)結(jié)）來(lái)評(píng)估這種方法，并使用這些算法支付了價(jià)值數(shù)百萬(wàn)美元的COVID-19救濟(jì)援助。通過(guò)分析比較了不同目標(biāo)確定制度下的結(jié)果，包括排除誤差（即真正的窮人被錯(cuò)誤地認(rèn)為沒(méi)有資格）、總社會(huì)福利和公平性衡量。結(jié)果表明，相對(duì)于多哥政府考慮的地理定位方法，機(jī)器學(xué)習(xí)方法將排除誤差減少了4~21%；相對(duì)于需要全面社會(huì)登記的方法（假設(shè)練習(xí)，多哥不存在這樣的登記），機(jī)器學(xué)習(xí)方法將排除誤差增加了9~35%。這些結(jié)果突出了新數(shù)據(jù)源補(bǔ)充傳統(tǒng)人道主義援助目標(biāo)方法的潛力，特別是在傳統(tǒng)數(shù)據(jù)缺失或過(guò)時(shí)的危機(jī)環(huán)境中。

圖2. 針對(duì)不同人口群體救援目標(biāo)確定的公平性

Machine learning and phone data can improve targeting of humanitarian aid, Nature 2022. DOI: 10.1038/s41586-022-04484-9

2. 弗里堡大學(xué)/哥德堡大學(xué)Nat. Sustain.: 強(qiáng)化學(xué)習(xí)改善生物多樣性保護(hù)

當(dāng)前，超過(guò)100萬(wàn)種物種面臨滅絕，這突出表明了迫切需要制定保護(hù)政策從而最大限度地保護(hù)生物多樣性，以維持其對(duì)人類(lèi)生活的多方面貢獻(xiàn)。

為此，瑞士弗里堡大學(xué)Daniele Silvestro、瑞典哥德堡大學(xué)Alexandre Antonelli等人提出了一個(gè)基于強(qiáng)化學(xué)習(xí)（RL）的空間保護(hù)優(yōu)先級(jí)新框架（CAPTAIN），且該框架始終優(yōu)于使用模擬和經(jīng)驗(yàn)數(shù)據(jù)的最先進(jìn)軟件。作者通過(guò)CAPTAIN對(duì)保護(hù)區(qū)進(jìn)行優(yōu)先排序，量化了區(qū)域和生物多樣性保護(hù)的成本和收益之間的權(quán)衡，允許探索多個(gè)生物多樣性指標(biāo)。

其中，RL算法旨在找到“數(shù)據(jù)生成”（從系統(tǒng)當(dāng)前狀態(tài)中學(xué)習(xí)，也被稱(chēng)為“探索”）和“行動(dòng)”（其效果由結(jié)果量化，也被稱(chēng)為“開(kāi)發(fā)”、“獎(jiǎng)勵(lì)”）之間的最佳平衡。CAPTAIN可以?xún)?yōu)化靜態(tài)政策，即一次性花費(fèi)所有預(yù)算/隨時(shí)間推移制定的保護(hù)政策，因此特別適合設(shè)計(jì)政策和測(cè)試其短/長(zhǎng)期效果?！靶袆?dòng)”是通過(guò)神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的狀態(tài)來(lái)決定的，神經(jīng)網(wǎng)絡(luò)的參數(shù)在RL框架中得到優(yōu)化以使“獎(jiǎng)勵(lì)”最大化。通過(guò)RL對(duì)模型進(jìn)行訓(xùn)練后，可以利用模擬或經(jīng)驗(yàn)數(shù)據(jù)來(lái)確定在空間/時(shí)間上的保護(hù)優(yōu)先級(jí)。

圖1. CAPTAIN框架和Marxan軟件的表現(xiàn)比較

為了評(píng)估該框架的有效性，作者將該其與當(dāng)前最先進(jìn)的保護(hù)優(yōu)先級(jí)規(guī)劃工具M(jìn)arxan軟件進(jìn)行了比較。第一次比較表明，CAPTAIN在64%的案例中優(yōu)于Marxan，在防止物種損失方面平均提高了9.2%。第二次比較中CAPTAIN在77.2% 的模擬中優(yōu)于Marxan，平均減少了18.5%的物種損失。為了證明該框架的適用性及可擴(kuò)展性，作者分析了一個(gè)包括22394個(gè)保護(hù)單元（5×5 km）和1517個(gè)特有樹(shù)種數(shù)據(jù)的馬達(dá)加斯加生物多樣性數(shù)據(jù)集并應(yīng)用CAPTAIN框架。結(jié)果顯示，CAPTAIN在受保護(hù)單位內(nèi)發(fā)現(xiàn)物種范圍的中位數(shù)為22%，遠(yuǎn)高于設(shè)定的10% 目標(biāo)和使用Marxan實(shí)現(xiàn)的14% 中位數(shù)保護(hù)范圍。因此，在瞬息萬(wàn)變且資源有限的世界中，AI為改善生物/生態(tài)系統(tǒng)的保護(hù)和可持續(xù)利用提供了巨大的希望。

圖2. CAPTAIN的實(shí)證驗(yàn)證

Improving biodiversity protection through artificial intelligence, Nature Sustainability 2022. DOI: 10.1038/s41893-022-00851-6

3. 普渡大學(xué)/阿貢實(shí)驗(yàn)室EES: DFT+機(jī)器學(xué)習(xí)驅(qū)動(dòng)設(shè)計(jì)新型鹵化物鈣鈦礦合金

鹵化物鈣鈦礦性質(zhì)的高度可調(diào)性為光電應(yīng)用提供了新的機(jī)會(huì)，也為探索組合化學(xué)空間帶來(lái)了重大挑戰(zhàn)。

在此，美國(guó)普渡大學(xué)/阿貢國(guó)家實(shí)驗(yàn)室Arun Mannodi-Kanakkithodi等人開(kāi)發(fā)了一個(gè)用于預(yù)測(cè)具有B位混合的鹵化物鈣鈦礦合金選定化學(xué)空間的結(jié)構(gòu)、電子、光學(xué)和缺陷特性的框架，由使用PBE和HSE06泛函進(jìn)行的高通量DFT計(jì)算和使用各種組成原子或分子的平均元素屬性作為輸入描述符對(duì)結(jié)果數(shù)據(jù)集進(jìn)行訓(xùn)練的神經(jīng)網(wǎng)絡(luò)（NN）回歸模型組成。

其中，在具有 A、B 和X原子的一組選定選項(xiàng)的ABX₃鈣鈦礦的化學(xué)空間中，作者利用DFT模擬了具有B位混合化合物的偽立方結(jié)構(gòu)，并利用半局域泛函和雜化泛函計(jì)算了幾種性質(zhì)，包括穩(wěn)定性、晶格常數(shù)、帶隙、空位形成能、折射率和基于光學(xué)吸收光譜的光伏品質(zhì)因數(shù)。

圖1. PBE和HSE計(jì)算的229種化合物的晶格常數(shù)

此外，NN模型通過(guò)對(duì)超參數(shù)、訓(xùn)練-測(cè)試拆分和交叉驗(yàn)證的嚴(yán)格調(diào)整對(duì)DFT數(shù)據(jù)進(jìn)行訓(xùn)練，然后對(duì)17955種化合物的數(shù)據(jù)集進(jìn)行預(yù)測(cè)從而篩選出具有適當(dāng)帶隙、光吸收和缺陷容限的穩(wěn)定材料。最終，獲得了574種有前途的化合物，根據(jù)其光伏品質(zhì)因數(shù)被列為潛在吸收劑。

作者揭示了篩選的一組有吸引力的混合陽(yáng)離子鹵化物鈣鈦礦的組成趨勢(shì)，其中甲基銨（MA）和甲脒（FA）基碘化物占優(yōu)勢(shì)，B位混合包含較大比例的Pb和Sn及較小比例的Ge、Ba、Sr和Ca。這里開(kāi)發(fā)的數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)框架有望用于設(shè)計(jì)新穎的鈣鈦礦混合組成且可以擴(kuò)展到更廣泛的化學(xué)空間，將有助于下一代光電子、功率器件和相關(guān)應(yīng)用的新型結(jié)構(gòu)、成分和合成途徑的加速設(shè)計(jì)。

圖2. 篩選過(guò)程中鈣鈦礦組成空間的可視化

Data-Driven Design of Novel Halide Perovskite Alloys, Energy & Environmental Science 2022. DOI: 10.1039/D1EE02971A

4. 師慶東/許紫峻CEJ: 機(jī)器學(xué)習(xí)輔助多發(fā)射傳感器高精度檢測(cè)重金屬離子

熒光傳感器陣列檢測(cè)具有多樣性、簡(jiǎn)單性、高精度、高選擇性及更省時(shí)等優(yōu)點(diǎn)，在檢測(cè)多種重金屬離子方面受到廣泛應(yīng)用。由于陣列傳感檢測(cè)的各種差異分析方法，迫切需要開(kāi)發(fā)基于多種方法的最優(yōu)模型。此外，這些模型缺乏通用性，難以應(yīng)用于更廣泛的研究。

在此，新疆大學(xué)師慶東教授、許紫峻等人構(gòu)建了一種基于碳點(diǎn)（QR-CDs）和新型鑭系配合物（EDTA-Tb³⁺）的簡(jiǎn)易多發(fā)射熒光傳感器陣列，能夠同時(shí)獲取多維數(shù)據(jù)從而提高了對(duì)多種重金屬離子的檢測(cè)效率和準(zhǔn)確性。由于金屬離子和多發(fā)射傳感器之間的良好響應(yīng)，熒光強(qiáng)度（FI）隨著金屬離子添加到系統(tǒng)中而變化。

為了應(yīng)對(duì)建立通用模型的挑戰(zhàn)，作者通過(guò)“逐步預(yù)測(cè)”策略結(jié)合機(jī)器學(xué)習(xí)方法構(gòu)建了一個(gè)創(chuàng)新的統(tǒng)一模型（SX-model）以獲得最優(yōu)的篩選方法。該模型在基于樹(shù)的管道優(yōu)化技術(shù)（TPOT）框架下集成了分類(lèi)和集中模型，建立了每種金屬離子濃度與測(cè)量的FI數(shù)據(jù)之間的邏輯關(guān)系。然后，通過(guò)TPOT選擇了極端隨機(jī)森林（ERF）作為各種方法中準(zhǔn)確率最高的分類(lèi)模型方法。

圖1. SX-模型構(gòu)建流程圖

研究表明，基于ERF輔助的傳感器陣列展示了對(duì)0.05~50 μM范圍內(nèi)的七種單一重金屬離子（Cr⁶⁺、Fe²⁺、Cu²⁺、Fe³⁺、Mn²⁺、Co²⁺和Ni²⁺）的靈敏檢測(cè)，準(zhǔn)確度為95.6%且R²為0.73，這表明該模型可以成功地用于去離子水中單個(gè)金屬離子的定量。同時(shí)，該模型可有效地識(shí)別二元混合樣本，所有60個(gè)不同比例的混合樣本都可以完全相互分離，從而達(dá)到100% 的檢測(cè)精度。

此外，作者還對(duì)288個(gè)真實(shí)樣品（取自湖水和土壤樣品）中的金屬離子進(jìn)行了有效鑒定，準(zhǔn)確率分別為93.3%和100%。因此，這項(xiàng)研究證明了多發(fā)射熒光傳感器陣列在復(fù)雜環(huán)境中快速、高效和以低檢測(cè)限檢測(cè)多種重金屬含量的巨大潛力。此外，獨(dú)創(chuàng)的具有普適性的SX-模型有助于陣列檢測(cè)，滿(mǎn)足了建立陣列檢測(cè)通用模型的挑戰(zhàn)。

圖2. SX模型區(qū)分真實(shí)樣品中的金屬離子

Multi-emission fluorescent sensor array based on carbon dots and lanthanide for detection of heavy metal ions under stepwise prediction strategy, Chemical Engineering Journal 2022. DOI: 10.1016/j.cej.2022.135690

5. 清華大學(xué)王笑楠ES&T: 機(jī)器學(xué)習(xí)預(yù)測(cè)生物炭對(duì)土壤重金屬的固定效率

生物炭的應(yīng)用是修復(fù)受污染土壤的一種有前途的策略，同時(shí)確保可持續(xù)的廢物管理。重金屬（HM）污染土壤的生物炭修復(fù)主要取決于土壤、生物炭和HM的性質(zhì)，在生物炭改良土壤中固定HM的最佳條件因地點(diǎn)/研究而異。因此，需要一種通用的方法來(lái)預(yù)測(cè)生物炭改良土壤中HM的固定效率。

為此，清華大學(xué)王笑楠副教授、高麗大學(xué)Yong Sik Ok等人開(kāi)發(fā)了機(jī)器學(xué)習(xí)（ML）模型來(lái)預(yù)測(cè)HM在生物炭改良土壤中的固定效率。一般統(tǒng)計(jì)方法只能實(shí)現(xiàn)單個(gè)因素與目標(biāo)之間的樣本線性或二次相關(guān)，而ML方法可以同時(shí)考慮最大可能的相關(guān)因素并識(shí)別與目標(biāo)的復(fù)雜相關(guān)性。

作者收集了162個(gè)數(shù)據(jù)點(diǎn)并用于ML 探索，考慮了20個(gè)輸入變量來(lái)評(píng)估其對(duì)生物炭處理土壤中HM固定化的作用和影響，包括熱解溫度、生物炭性質(zhì)（pH和表面積）、生物炭組成（C、H、N、O和灰分含量）、原子比（H/C、O/C 和[O + N]/C）、實(shí)施條件（生物炭添加率、實(shí)施持續(xù)時(shí)間和有效HM濃度）和土壤特性（pH和電導(dǎo)率）。此外，HM固定被定義為輸出變量。歸一化后的數(shù)據(jù)集被隨機(jī)分為兩部分：85% 用于ML模型訓(xùn)練，其余15%用于最終模型評(píng)估。

圖1. ML框架策略的流程圖

為確保整個(gè)數(shù)據(jù)集的一致性并獲得缺失的數(shù)據(jù)點(diǎn)，作者開(kāi)發(fā)了3種ML算法（隨機(jī)森林-RF、支持向量回歸-SVR、神經(jīng)網(wǎng)絡(luò)-NN）以使用熱解溫度、pH、成分和原子比推導(dǎo)出缺失的表面積（SA）數(shù)據(jù)作為輸入。作者發(fā)現(xiàn)H/C原子比是SA預(yù)測(cè)的最重要特征，這是一個(gè)未報(bào)道過(guò)的新發(fā)現(xiàn)。第二個(gè)最重要的特征是pH，其次是生物炭熱解溫度。此外，具有最佳調(diào)整超參數(shù)的RF模型是預(yù)測(cè)HM固定效率的最佳算法，其測(cè)試R²和RMSE分別為0.91、10.54%。因果分析表明，影響HM固定效率特征重要性排序?yàn)樯锾啃再|(zhì)>實(shí)施條件>土壤性質(zhì)>HM性質(zhì)。因此，本研究針對(duì)生物炭/土壤性質(zhì)對(duì)HM固定化的影響提出了新的見(jiàn)解，可幫助確定生物炭改良土壤中增強(qiáng)HM固定的最佳條件。

圖2. 三種ML模型的預(yù)測(cè)性能

Prediction of Soil Heavy Metal Immobilization by Biochar Using Machine Learning, Environmental Science & Technology 2022. DOI: 10.1021/acs.est.1c08302

6. 南信大楊洋教授ES&T: 機(jī)器學(xué)習(xí)預(yù)測(cè)排放/氣候變化驅(qū)動(dòng)的氣溶膠變化

未來(lái)氣溶膠的預(yù)測(cè)和了解氣溶膠變化的驅(qū)動(dòng)因素對(duì)于改善大氣環(huán)境和減緩氣候變化具有重要意義。第六次國(guó)際耦合模式比較計(jì)劃（CMIP6）提供了各種氣候預(yù)測(cè)，但氣溶膠輸出有限。

為此，南京信息工程大學(xué)楊洋教授等人基于機(jī)器學(xué)習(xí)方法預(yù)測(cè)了2015年至2100 年的未來(lái)近地表氣溶膠濃度，分析了未來(lái)排放和氣候變化對(duì)氣溶膠變化的影響。具體而言，作者使用隨機(jī)森林（RF）模型來(lái)預(yù)測(cè)全球氣溶膠濃度，以全球大氣化學(xué)傳輸模型（GEOS-Chem）中的結(jié)果進(jìn)行訓(xùn)練。通過(guò)檢查特征重要性分?jǐn)?shù)，作者發(fā)現(xiàn)排放是RF模型最重要的特征，土地覆蓋對(duì)模型的貢獻(xiàn)為10%且與氣溶膠濃度呈負(fù)相關(guān)，其他因素的貢獻(xiàn)小于10%。

此外，RF模型在全球大部分地區(qū)表現(xiàn)良好，在大約80%的陸地區(qū)域中R²大于0.85，尤其是在東亞、南亞、歐洲和北美等關(guān)鍵區(qū)域。然而模型在估算北美和亞洲高緯度地區(qū)的氣溶膠時(shí)存在較大偏差，主要與中緯度地區(qū)的污染物遷移或當(dāng)?shù)厝紵欧庞嘘P(guān)。

圖1. RF模型估計(jì)的歷史PM 2.5濃度性能統(tǒng)計(jì)的空間分布

接下來(lái)，作者使用RF模型基于CMIP6多模型模擬數(shù)據(jù)在考慮所有重要因素的條件下創(chuàng)造性地預(yù)測(cè)未來(lái)的氣溶膠濃度。結(jié)果表明，在低排放情景（SSP1-2.6和SSP2-4.5）下，與2020年（2015~2024年的平均值）相比，預(yù)計(jì)2095年（2091~2100年平均值）東亞PM2.5濃度將下降40%，南亞下降20~35%，歐洲和北美下降15~25%，這主要是由于預(yù)期的減排措施造成的。若僅受氣候變化驅(qū)動(dòng)，在高強(qiáng)制情景下（SSP5-8.5），中國(guó)北部和美國(guó)西部的PM2.5濃度將增加10~25%，中國(guó)南部、南亞和歐洲將減少0~25%，這說(shuō)明全球氣候變暖對(duì)氣溶膠的調(diào)節(jié)作用更強(qiáng)，凸顯了氣候變化在調(diào)節(jié)未來(lái)空氣質(zhì)量方面的重要性。在未來(lái)的研究中，為了更好地預(yù)測(cè)特定區(qū)域的未來(lái)空氣質(zhì)量，更需要局部排放數(shù)據(jù)集。

圖2. 不同情景下2020~2095年區(qū)域氣溶膠濃度的百分比和絕對(duì)變化

Projected Aerosol Changes Driven by Emissions and Climate Change Using a Machine Learning Method, Environmental Science & Technology 2022. DOI: 10.1021/acs.est.1c04380

原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請(qǐng)注明來(lái)源華算科技，注明出處：http://www.xiubac.cn/index.php/2023/10/14/a4c592bb52/

国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

機(jī)器學(xué)習(xí)頂刊匯總：Nature、Nat. Sustain.、EES、CEJ、ES&T等成果

相關(guān)推薦

機(jī)器學(xué)習(xí)頂刊匯總：Nature、Nat. Sustain.、EES、CEJ、ES&T等成果