国家预印本平台

【目的】风力发电站运维模式正由故障后维修（“坏了才修”）向预测性维护（“未坏先防”）深度转型。工业人工智能（AI）大模型的兴起为该转型提供了新的技术路径，但其在风电领域的适用性边界、方法体系与工程约束尚缺乏系统梳理。【方法】以“数据—模型—应用—决策”为主线，系统检索并归纳2009年以来风力发电站状态监测、故障诊断与剩余使用寿命预测领域的代表性文献，重点辨析物理模型、传统机器学习、深度学习与工业AI大模型四类技术路线的作用机理与适用边界，并结合齿轮箱、主轴承、叶片、变桨系统等典型对象以及场站级运维决策场景，剖析工程应用成效。【结果】研究表明：（1）风电机组运维技术呈现“阈值报警—状态识别—寿命预测—自主决策”的四级跃迁，SCADA数据与状态监测系统数据的融合是方法有效性的前提；（2）深度学习在部件级诊断精度上已显著超越传统方法，但受制于标签稀缺、工况时变与跨机型泛化能力不足，工程依赖度仍低于预期；（3）以时序基础模型与大语言模型为核心的工业AI大模型，通过大规模预训练、跨模态重编程与领域知识注入，在少样本、零样本与跨机组迁移场景展现出明显优势，并已在故障推理与维修策略生成环节形成初步工程闭环；（4）大模型落地仍面临数据孤岛、幻觉风险、实时性约束、可解释性不足与评测标准缺位等突出障碍。【结论】面向风力发电站“未坏先防”目标，未来应重点发展风电领域专用基础模型、物理—数据融合的世界模型、边云协同的自主运维智能体以及可量化可信的评价基准，推动预测性维护由单点算法突破走向系统能力构建。

人工智能影响下的新药通过AI深度学习等算法，显著提升了药物靶点识别、化合物筛选、分子生成及ADMET性质预测等关键环节的效率，推动药物研发向智能化、精准化转型。然而，当前AI模型仍面临泛化能力不足、可解释性欠缺及复杂系统建模困难等挑战。未来需发展更具适应性与可解释性的算法，并结合多学科数据，构建一体化的智能药物发现平台，以促进新药研发进程、满足临床需求。

背景　体重管理是个人、社会以及公共政策层面的重要话题，在体重管理干预的设计中，超重或肥胖者群体的声音时常缺失。探索其对于肥胖的认知、信念、经验以及减肥困境，有助于制定容易被目标群体接受以及更加有效的体重管理策略。目的　探究居澳华人移民在跨文化生活中的肥胖相关经验、认知和减肥困境，为理解肥胖认知和个体减肥策略提供跨文化视角。方法　2024年8—11月，采用目的抽样法和滚雪球抽样法选取移民到澳大利亚的华裔为访谈研究对象。受访者在墨尔本居住时间超过6个月，且BMI>23 kg/m2。样本收集过程采用最大差异原则选取背景多样的访谈对象。访谈和数据分析过程迭代进行，直到新信息不再增加已提炼主题的丰富度时则停止招募访谈对象。访谈方法使用半结构访谈法和图片引谈法。访谈语言为普通话和英文；访谈内容以录音方式记录，由研究者逐字转录。数据分析方式为反思式主题分析法。结果　本研究共访谈了25名超重或肥胖华人移民，其移居前居住地、职业、年龄、在澳居住时长、性别和健康状况均有差异。大部分访谈为线下面对面访谈。反思性数据分析归纳出4个与肥胖者日常减肥困境有关的主题：（1）减肥是生命中的待办事项，但非日常生活里的优先事件；（2）自律与毅力被认为是减肥成功的关键因素；（3）泛化和通用的减肥建议难以适应复杂多样的个体异质性；（4）身边人对减重者多停留于口头支持，缺乏行为层面的配合。结论　本研究从超重和肥胖者的自身视角出发，呈现出其对肥胖问题的认知，态度和减重困境。受访者普遍掌握减肥相关的常识性知识，但对于肥胖形成机制及长期体重管理的复杂性认识有限。如能增进超重或肥胖者个体以及健康从业人士对这些减肥困境的了解，可能有助于制定更个体化更有效的减重策略。同时，研究结果也反映出家庭、社会及环境层面对超重肥胖个体体重管理的支持仍显不足，这一问题值得进一步关注，有必要进一步加强相关支持体系建设。

背景  健康脆弱性从暴露水平、敏感性和适应能力三个维度出发，可整体性、动态性地识别老年人现有及潜在的健康风险，但社区老年人对健康脆弱性的体验如何目前尚不清楚。目的  了解社区老年人的健康脆弱性体验，为构建针对性的预防干预方案提供参考。方法  采用目的抽样法，于2025年11月—2026年1月选取南京市3个社区的老年人进行半结构化访谈，通过录音、文本转录进行资料收集，由2名独立编码员采用演绎与归纳相结合的混合主题分析法进行分析。按照国际定性研究报告标准（COREQ）进行报告。结果  共访谈20名社区老年人。提炼出3个主题和9个亚主题：（1）暴露水平：物理环境暴露、社会支持环境暴露、个体行为与生活方式暴露；（2）敏感性：生理敏感性、心理敏感性、社会关系敏感性；（3）适应能力：认知与个体行为调节、情绪与心理调适、支持寻求与利用。结论 社区老年人健康脆弱性呈现多维度复杂的体验特征，改善老年人健康脆弱性问题应从降低暴露水平、提升个体耐受性并增强适应能力三方面着手，以帮助老年人维持健康平衡状态。

Heat is the sharpest concern on τ scaling law — the time-scaling principle behind Huawei’s folded silicon, named for the delay τ (“Tao”) it sets out to shrink. Our Kirin measurements turned that objection upside down. The reason is one every commuter already knows: on a chip, as in a workday, it is the travel that burns the majority of the energy, not the work at the desk.