国家预印本平台

AI模型普遍存在分布外（OOD）泛化产生幻觉的问题，难以用于严格科学计算。现有物理信息神经网络（PINNs）、傅里叶神经算子（FNOs）等主流方案均为在工程层面的软正则约束提供物理先验，未能突破AI底层的拓扑结构缺陷。 在机器学习的流形假设（Manifold Hypothesis）中：所有的AI模型，本质上就是一种根据输入数据拟合特定高维流形的可训练算子。而这类高维函数逼近与全局收敛性问题的数学基础，早在1943年，由Courant奠定的古典伽辽金有限元变分理论中得到系统性建立与严格证明。 以此为基础，本文融合了有限元与线性代数理论，证明了AI参数数量的存在唯一性：为彻底消除非平凡零空间与 OOD 幻觉，AI 参数数量必须严格等于AI训练集下 Galerkin 投影的非线性基底数，即 $N_{AI}=\dim(V_h)=N_{basis}$(其中 $V_h$ 是 Galerkin 投影的有限维子空间，$N_{\text{basis}}$是该空间内的非线性基底数)。 数值实验结果表明，全新架构仅需$O(1)$的可训练参数与简单的ADAM梯度下降方法，即可实现 FP64 双精度浮点极限精度的零幻觉 OOD 泛化：$MSELoss=O(10^{-32})$，彻底解决了OOD泛化问题。

本文基于压力认知评估理论和自我决定理论，构建了双刃剑效应模型探讨其作用路径及边界条件，探讨高绩效评价对科技人才创新绩效的作用机制及边界条件。通过对405份来自高校、科研院所及企业研发部门的科技人才问卷数据进行实证分析，对模型假设进行了检验。研究发现：高绩效评价对创新绩效存在双重路径影响，一方面激发工作意义感正向影响创新绩效（增益路径），另一方面诱发回避目标导向负向影响创新绩效（损耗路径）。正念水平的调节效应具有差异性。同时从整体效应看，高绩效评价对科技人才创新绩效的正向增益效应强于负向损耗效应，最终呈现净正向影响。研究在理论上拓展了高绩效评价与创新绩效关系的研究视域，揭示了工作意义感与回避目标导向的中介传导机制及正念的边界作用，为组织优化科技人才评价机制、平衡评价激励性与风险规避性提供了实证依据。

目的：整合急性髓系白血病（Acute myeloid leukemia, AML）与弥漫大B细胞淋巴瘤（Diffuse large B-cell lymphoma, DLBCL）的转录组数据，构建多种机器学习预测模型并筛选关键基因，同时通过体外功能实验初步验证关键基因的作用。方法：从公共数据库获取AML及DLBCL多队列转录组数据，筛选差异基因，并构建101种机器学习算法组合的生存预测模型。针对模型筛选出的关键基因开展siRNA干扰实验，并通过RT-qPCR、Western Blot、流式细胞术及CAR-T细胞共培养杀伤实验进行功能验证。结果：PLA2G4A和LGALS2在多种算法中均被筛选为核心特征基因；体外功能实验表明，敲低PLA2G4A或LGALS2可在部分细胞系中降低Bcl-2表达、上调Caspase3水平，并增强肿瘤细胞对免疫细胞杀伤的敏感性。结论： PLA2G4A和LGALS2具有作为潜在诊断标志物和治疗靶点的价值，为理解AML与DLBCL的病理机制提供了新的研究视角。

本文将退化p-Christoffel-Minkowski问题推广至双曲空间,借鉴欧氏空间中的方法研究极限球面退化p-Christoffel-Minkowski 问题。在凸体光滑性假设下,将该问题转化为单位球面上的曲率方程；首先对右端函数施加适当正则性条件,得到不依赖其下界的低阶估计；进而建立一致\(C^{1,1}\)估计,借助关键引理处理协变导数在交换顺序时不满足Codazzi条件所产生的“坏项”；在非退化情形下给出正则性估计后,通过光滑逼近退化情形,结合一致估计与紧性定理取极限,最终完成退化情形的证明。

本文针对微弱光脉冲接收中前端电路对高带宽、低噪声和稳定输出的要求，设计了一种基于雪崩光电二极管（APD）的接收前端放大电路。该电路包括APD的高压偏置电路、跨阻放大电路和后级电压放大电路。本文先分析了前端带宽和输出能力的设计要求，再讨论输入总电容、反馈网络和级联增益分配对带宽、噪声和稳定性的影响。在此基础上，本文完成了器件选择、电路参数设计、仿真和实现。实验结果表明，该前端电路的-3dB带宽约为620MHz。该电路在百兆赫兹量级调制输入下能够稳定输出。该电路的电噪声均方根值为16.602mV。结果说明，该前端电路能够在较高频率响应条件下保持较低本底噪声和稳定输出，可以为微弱光脉冲接收前端提供参考。