AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作...AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作、计算性协作到认知性协作的脉络中考察AI在科学研究中的角色。AI不再只是从外部为科研赋能,而是逐步介入科学家的思维过程,在认知层面与科学家建立深度协作。从全过程科研视角分析Science,AI不仅赋能科学知识生产,也推动科技传播的民主化与精准化,助力科研管理与评价的智能化。从技术—社会系统的视角来看,为了更好地释放AI for Science的潜力,应着眼于面向AI for Science的科研生态系统整体建设。未来应从人才培养、科研组织、数据资源、伦理治理等行动领域出发,提升科研人员的AI for Science胜任力、推动跨领域合作、促进高质量数据流通与共享以及加强科技伦理治理。展开更多
如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中...如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。展开更多
文摘AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作、计算性协作到认知性协作的脉络中考察AI在科学研究中的角色。AI不再只是从外部为科研赋能,而是逐步介入科学家的思维过程,在认知层面与科学家建立深度协作。从全过程科研视角分析Science,AI不仅赋能科学知识生产,也推动科技传播的民主化与精准化,助力科研管理与评价的智能化。从技术—社会系统的视角来看,为了更好地释放AI for Science的潜力,应着眼于面向AI for Science的科研生态系统整体建设。未来应从人才培养、科研组织、数据资源、伦理治理等行动领域出发,提升科研人员的AI for Science胜任力、推动跨领域合作、促进高质量数据流通与共享以及加强科技伦理治理。
文摘如何在协作认知网络中有效地实现主要用户和认知用户的频谱共享,即如何在众多认知用户中选择合适的认知中继集是一个基本问题。通过确定并优化主要用户和认知用户效用函数来解决该问题,因采用了纳什均衡理论,故称之为基于博弈论的多中继选择算法(multiple relay selection based on game theory,GTMRS)。在任一认知中继集合中,认知用户之间能够形成非合作功率的博弈模型,可基于纳什均衡得到认知用户的优化协作功率分配算法。在寻找一组确定的中继集合来实现主要用户效用的最大化过程中,引入了修改的信道调和平均数因子,其目的是移除信噪比较小的中继节点,以最大化系统的信噪比。仿真结果显示,该算法能够使更多的认知用户接入到授权频谱中,同时使得主要用户获得更大的效用以及传输速率。因此,基于博弈的多中继选择算法能够有效选择合适的认知中继,并获得主要用户和认知用户在效用上的最优化。
