题目：A global database for modeling tumor-immune cell communication

作者：Xie, Y., Zhou, W., Shi, J. et al.

来源：Scientific Data. 2023.

摘要：Communications between tumor cells and surrounding immune cells help shape the tumor immunity continuum. Recent breakthroughs in high-throughput technologies as well as computational algorithms had reported many important tumor-immune cell (TIC) communications, which were scattered in thousands of published studies and impeded systematical characterization of the TIC communications across cancer. Here, a comprehensive database, TICCom, was developed to model TIC communications, containing 739 experimentally-validated or manually-curated interactions collected from more than 3,000 literatures as well as 4,537,709 predicted interactions inferred via six computational algorithms by reanalyzing 32 scRNA-seq datasets and bulk RNA-seq data across 25 cancer types. The communications between tumor cells and 14 types of immune cells were characterized, and the involved ligand-receptor interactions were further integrated. 14190 human and 3650 mouse integrated ligand-receptor interactions with supplemented corresponding function information were also stored in the TICCom database. Our database would serve as a valuable resource for investigating TIC communications.

题目：High-resolution CMIP6 climate projections for Ethiopia using the gridded statistical downscaling method

作者：Rettie, F.M., Gayler, S., Weber, T.K.D. et al.

来源：High-resolution climate model projections for a range of emission scenarios are needed for designing regional and local adaptation strategies and planning in the context of climate change. To this end, the future climate simulations of global circulation models (GCMs) are the main sources of critical information. However, these simulations are not only coarse in resolution but also associated with biases and high uncertainty. To make the simulations useful for impact modeling at regional and local level, we utilized the bias correction constructed analogues with quantile mapping reordering (BCCAQ) statistical downscaling technique to produce a 10 km spatial resolution climate change projections database based on 16 CMIP6 GCMs under three emission scenarios (SSP2-4.5, SSP3-7.0, and SSP5-8.5). The downscaling strategy was evaluated using a perfect sibling approach and detailed results are presented by taking two contrasting (the worst and best performing models) GCMs as a showcase. The evaluation results demonstrate that the downscaling approach substantially reduced model biases and generated higher resolution daily data compared to the original GCM outputs.

题目：基于人工智能与大数据的双碳大气环境信息化应用进展与展望

作者：朱明明,曹无敌,吴林,王自溪,廖琦,张思,唐晓,李杰,王婧,王彦棡,王自发

来源：数据与计算发展前沿, 2023, 5(3): 2-12.

摘要：二氧化碳与大气污染物化石燃料排放同源，在碳达峰碳中和的双碳进程中应协同治理。大气环境信息化应用主要基于大气化学传输数值模式展开，而双碳大气环境信息化应用还处于起步阶段。近年来，人工智能与大数据技术在双碳大气环境上的应用愈加广泛，蕴育科研范式从数值模式向与人工智能、大数据深度融合变革，因而亟需梳理当前进展并展望未来发展方向与路径。通过调研，勾勒基于人工智能与大数据的双碳大气环境信息化应用的研究路径和发展方向。双碳大气环境信息化应用应以人工智能、大数据科技创新实现对大气化学传输模式的融合替代，形成应用体系，实现更高精度、更快速度的数字化治理。人工智能与大数据技术的应用，带来双碳大气环境科研范式变革机遇，同时也提出了挑战。协同推进算法突破与信息化系统研制，有助于实现这一科研范式变革。

题目：计算机视觉中的终身学习综述

作者：陈一驰,陈斌

来源：计算机应用, 2023, 43(6): 1785-1795.

摘要：终身学习作为一种新兴方法打破了传统机器学习的局限性，并赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力。近年来，随着深度学习的广泛应用，越来越多的研究致力于解决深度神经网络中出现的灾难性遗忘问题和摆脱稳定性-可塑性困境，并将LLL方法应用于各种各样的实际场景中，以推进人工智能由弱向强的发展。针对计算机视觉领域，首先，在图像分类任务中将LLL方法归纳为四大类型：基于数据驱动的方法、基于优化过程的方法、基于网络结构的方法和基于知识组合的方法；然后，介绍了LLL方法在其他视觉任务中的典型应用和相关评估指标；最后，针对现阶段LLL方法的不足之处进行讨论并提出了LLL方法未来发展的方向。

题目：基于“大数据+人工智能”科研范式的黑土地保护与利用智能决策

作者：李之超,廖晓勇,姚启星,董金玮,李泽红,李静

来源：数据与计算发展前沿, 2023, 5(3): 39-48.

摘要：我国黑土地受到多种自然和人类活动因素的影响，其退化问题多样以及退化程度存在明显的空间差异，为黑土地保护与利用带来挑战。在此背景下，本文拟提出基于“大数据+人工智能”的黑土地保护与利用智能决策的科研范式，实现退化问题的智能诊断以及关键保护与利用技术在黑土地全域的科学、精准和智能推荐。本文通过对国内外土壤保护与利用的文献调研，结合星、空、地、网多源观测技术和机器学习、深度学习等人工智能方法，提出了面向黑土保护与利用的智能决策和应用示范的科研范式。黑土保护与利用新科研范式的五项关键技术，包括多源数据汇聚与处理、黑土信息一张图制备、黑土地退化问题智能诊断、保护与利用技术集构建以及黑土地退化修复智能决策。本文提出的科研范式有助于我国黑土地退化问题与技术措施的智能匹配，实现黑土地保护与利用的精细化、智慧化和高效化。

题目：基于深度强化学习的多数据中心一体化调度优化

作者：方和平,刘曙光,冉泳屹,钟坤华

来源：计算机应用, 2023, 43(6): 1884-1892.

摘要：多数据中心任务调度策略的目的是把计算任务分配到各个数据中心的不同服务器上，以促进资源利用率和能效的提升，为此提出了基于深度强化学习的多数据中心一体化调度策略。所提策略分为数据中心选择和数据中心内部任务分配两个阶段。在多数据中心选择阶段，整合算力资源以提高总体资源利用率，首先采用具有优先经验回放的深度Q网络（PER-DQN）在以数据中心为节点的网络中获取到达各个数据中心的通信路径；然后计算资源使用成本和网络通信成本，并依据这两个成本之和最小的原则选择最优的数据中心。在数据中心内部任务分配阶段，首先在所选数据中心内部，划分计算任务并遵循先到先服务（FCFS）原则将任务添加到调度队列中；然后结合计算设备状态和环境温度，采用基于双深度Q网络（Double DQN）的任务分配算法获得最优分配策略，以选择服务器执行计算任务，避免热点的产生，并降低制冷设备的能耗。实验结果表明，基于PER-DQN的数据中心选择算法相较于计算资源优先（CRF）、最短路径优先（SPF）路径选择方法的平均总成本分别下降了3.6%、10.0%；基于Double DQN的任务部署算法相较于较轮询调度（RR）、贪心调度（Greedy）算法的平均电源使用效率（PUE）分别下降了2.5%、1.7%。可见，所提策略能够有效降低总成本和数据中心能耗，实现多数据中心的高效运行。