四螺旋创新集群:研究型大学人工智能发展生态重构与路向探究——以加拿大多伦多大学为例

以人工智能为代表的知识迭代发展,促使知识生产模式发生重大转变,催生了“大学—产业—政府—公众”四螺旋动力结构的建立和研究型大学知识生产新生态重构。以多伦多大学人工智能发展为例,考察其四螺旋利益相关主体及实践。从内在机理看,4个主体在互动运作中不仅重新确定了各自角色,而且还建立了大学(知识)—产业(产品)—政府(治理)—公众(公益)的新型逻辑链条,平衡公私利益格局,把公益指向作为人工智能四螺旋运作的中心目标;从外在特征看,4个主体形成了以大学为中心的区域创新网络,并牵引其他主体形成环高校创新集群。当前,我国在人工智能发展中不断发力,已进入世界第一方阵,但仍需要在国际比较学习中不断提升自身竞争力。基于案例分析,我国研究型大学发展人工智能有必要把握4个方面:一是走进中心,塑造大学在人工智能发展中的领导地位;二是以专促通,创新研究型大学人工智能专业培养模式;三是引企入研,提升校企合作人工智能创新的转化升级;四是人本导向,突出大学在人工智能发展中的公共价值。总体来看,我国研究型大学发展人工智能不仅要面临技术上的挑战,更要面临来自治理的挑战。     

Fluid‐structure coupling of linear elastic model with compressible flow models

Cavitation erosion is caused in solids exposed to strong pressure waves developing in an adjacent fluid field. The knowledge of the transient distribution of stresses in the solid is important to understand the cause of damaging by comparisons with breaking points of the material. The modeling of this problem requires the coupling of the models for the fluid and the solid. For this purpose, we use a strategy based on the solution of coupled Riemann problems that has been originally developed for the coupling of 2 fluids. This concept is exemplified for the coupling of a linear elastic structure with an ideal gas. The coupling procedure relies on the solution of a nonlinear equation. Existence and uniqueness of the solution is proven. The coupling conditions are validated by means of quasi‐1D problems for which an explicit solution can be determined. For a more realistic scenario, a 2D application is considered where in a compressible single fluid, a hot gas bubble at low pressure collapses in a cold gas at high pressure near an adjacent structure.     

桂林傩舞现状及问题研究--以秀峰区张家村为例

受神秘的巫文化影响，桂林傩舞有着悠久的历史，曾经盛极一时，但近年来逐渐趋于衰退。通过实地考察张家村傩舞，可以发现桂林傩舞艺术面临着缺乏继承人、观赏性不足、舞蹈造型和手势表达失传、道具不精、基层教育不重视、表演人员经济困难等生存困境。当地政府应该加强宣传力度，加大资金投入，培养傩舞表演的继承人和道具制作的传承人，强化对傩舞的理论与实践研究，不断提炼傩舞的特色内涵，促进桂林傩舞的保护和传承。     

一类Minimax分式规划问题的迭代算法

对一类Minimax分式规划问题(MFP)提出一个迭代算法.首先通过引进变量和指数变换,将问题(MFP)等价转化为问题(Q),然后利用代数-几何平均不等式以及合适的转化过程,将等价问题(Q)压缩为凸规划问题(Q).从而根据选择不同的点所对应的压缩问题(Q),将原问题的求解过程转化为求解一系列的凸规划问题.数值实验表明算法是可行有效的.