以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革，科学研究范式正加速转换，一场人工智能驱动的科学研究（AI for Science，AI4S）革命正在到来。分析了AI4S的基本概念和特点，从数学、物理、生物、材料等角度简要综述了AI4S的发展现状。大力发展AI4S对提高国家竞争力、发展社会经济、加强技术储备都具有十分重要的意义。为更好地推动我国 AI4S 的发展，以下两点十分关键：一是变革当代的教学与教育，倡导AI for Education和Education for AI；二是以DAOs和DeSci为基础建立适应“新科学研究范式”的“新组织方式”和“新科研生态”，为 AI4S研究提供公开、公平、公正的可持续性支持。

3D 目标检测是自动驾驶、虚拟现实、机器人等应用领域的重要基础问题，其目的是从无序点云中框取出描述目标最准确的3D框，例如紧密包围行人或车辆点云的3D框，并给出目标3D框的位置、尺寸和朝向。如今，基于双目视觉、RGB-D相机、激光雷达构建的纯点云的3D目标检测，融合图像和点云多模态信息的3D目标检测，是两类主要的方法。首先介绍了3D点云的不同表示形式和特征提取方法，然后从传统机器学习类算法、非融合深度学习类算法、基于多模态融合的深度学习类算法3个层面，逐层递进地介绍各类3D目标检测方法，对类别内部和各类之间的方法进行分析和对比，深入分析了各类方法之间的区别和联系，最后论述了3D目标检测仍存在的问题和可能的研究方向，并对3D目标检测研究的主流数据集和主要评价指标进行了总结。

随着元宇宙概念关注度的持续攀升，元宇宙将如何影响交通系统的发展也成为热点话题。首先介绍了元宇宙概念的起源、现状，展望了元宇宙发展的孵化期、发育期和成熟期，探讨了元宇宙带来的潜在问题。结合马斯洛需要层次论，分析指出元宇宙将逐步影响城市出行需求，进入成熟期后将给交通出行带来深度变革。引导元宇宙健康发展，有效服务社会出行，平行智能方法将起到关键作用。平行交通系统的实施将在交通规划、精准控制、精细服务、应急管理等方面发挥作用。

随着第五次工业革命的到来与发展，生物科技、信息技术与人工智能深度融合，为发展信息化、智能化的农业提供了强有力的支持。由于农业具有社会经济属性，面向具有生物物理特性的种植系统及具有经济社会特性的管理系统，构建农业社会物理信息系统已成为共识。在系统生物学启示下，提出系统农业，即基于平行农业框架，结合农村、农民两个维度构建农业系统，以生物、信息、人工智能等技术为支撑，监测和整合多尺度、多维度、多模态信息，依据系统理论展开涵盖农业、农村、农民的系统农业研究，服务未来乡村发展。对系统农业涉及的智能技术及具体案例进行了总结与分析，并对系统农业的未来发展趋势进行了展望。

深度卷积神经网络是图像分类领域的主流算法之一，但是其训练需要大量标注数据，在阿尔茨海默病医学影像等小数据集上易出现过拟合现象。数据增强算法可以用于扩充数据量，其中 CutMix 数据增强算法近来被广泛应用，但是现有方法生成的增强图像往往忽略原始图像显著区域，且增强图像的标签设计考虑的因素较为单一。针对这些问题，提出Fit CutMix数据增强算法。该算法一是利用基于显著性极值迁移的区域替换策略生成增强样本，集中源样本与目标样本中显著性高的区域；二是综合源样本与目标样本的面积和显著性信息赋予增强样本标签，为卷积神经网络提供有效的监督信息。实验结果表明，将Fit CutMix数据增强算法用于ResNet50对阿尔茨海默病进行诊断时，准确率达96.6%，比直接使用ResNet50提高了约7%，且比应用现有数据增强算法至少提高3%，可见Fit CutMix数据增强算法可以有效提高深度卷积神经网络对医学影像识别的准确率。

知识图谱基于结构化三元组描述事实知识，能够有效刻画现实世界实体间的语义关系，已成为新一代人工智能的关键共性技术。总结了多源知识图谱的发展概况、典型应用以及知识协同存在的问题，提出了一种基于ACP方法的多源知识图谱知识协同框架——平行推理，该框架基于人工系统、计算实验和平行执行实现了多源知识的抽取、融合补全及无偏化应用。以电网低压减载场景为例，基于仿真试验验证了平行推理对解决复杂系统管控问题的有效性。

针对蜂窝车联网系统中不同优先级业务的边路资源自主选择分配，分析了基于参考信号能量的自主选择算法流程，设计了能量门限方程；针对能量方程参数估计问题，将基于能量的自主选择算法与深度Q学习算法结合，通过有限次算法迭代得到能量门限方程的最优参数值。仿真结果表明，基于深度Q学习的边路资源分配算法可以满足不同优先级车联网业务的边路资源需求，同时提高系统分组接收率。

作为一种轻量级网络结构，YOLOX-Nano具有运行速度快的优势。然而，该网络在实际应用中仍然存在特征提取能力较弱、检测精度不足的缺陷。为此，提出了一种综合平衡检测速度和检测精度的高效目标检测网络Rapider-YOLOX。首先，设计高效瓶颈模块，以提升原始 YOLOX-Nano 模型中深度卷积模块的特征提取能力。其次，设计软空间金字塔池化模块，以避免原始SPP模块容易出现丢失部分重要信息的现象，进一步提升多尺度信息融合及通道间信息交流的能力。最后，引入CIoU损失，利用预测框与真实框的中心距离及宽高比提升预测框的位置精度。在PASCAL VOC2007数据集上的实验结果表明，提出的Rapider-YOLOX模型的mAP达到77.92%，比原始YOLOX-Nano高3.79%。此外，在CUDA核心数仅为384的GT1030上，FPS达到45.40，在CPU上FPS也可达到23.94，从而在确保网络轻量级特性的同时，进一步提升了网络的检测精度和泛化性能。

计算机技术，尤其是人工智能、大数据和区块链技术的发展，改变了传统经济社会和金融市场的交易方式。量化交易是当代金融市场一种重要的新兴交易方式。为了满足社会对量化交易人才的需求，探索出一个合理的人工智能与量化交易的课程体系尤为重要。首先，梳理了量化交易的发展及人工智能在量化交易中的应用情况；然后，归纳和总结了量化交易课程的现状和存在的问题；最后，根据存在的问题，从教学内容体系、教学实践模拟平台、师资培养、多渠道实践平台4个方面，提出了人工智能与量化交易课程的建设意见。

在复杂室内环境下，传统基于随机有限集理论的SLAM方法存在机器人位姿精度低、计算量大的问题。针对此问题，提出一种基于位姿图优化的势均衡多伯努利滤波器SLAM方法。首先，该方法通过势均衡多伯努利滤波器获得地图特征估计，避免了数据关联。其次，提出了自适应信息控制法，丰富先验信息。然后，通过自适应信息控制法将位姿图优化理论与势均衡多伯努利滤波器SLAM结合，优化机器人的位姿估计。最后，进行实验对比分析，结果表明所提方法比RB-PHD-SLAM方法有更好的SLAM精度及实时性。

随着人工智能和虚拟现实等技术的发展，数字化技术正不断丰富和改变着人们的生活体验与生产方式，并成为管控复杂系统的有力工具。元宇宙与平行系统为数字化系统的建设提供了可行途径，在科学研究和产业应用中获得了广泛关注。综述了元宇宙与平行系统的发展现状，分析了两者的区别与联系，并对其未来发展进行了展望，预期为智能产业、智能经济及智能社会的发展提供一定的参考与借鉴。