文章推广

The heat-related health impacts of extremely high temperatures have become increasingly severe worldwide. Quantitative information on these impacts is necessary to plan and implement adaptation measures. The present study aimed to predict the number of heatstroke ambulance calls (HAC) and ambulance occupancy rate of patients with heatstroke (AORPH) under extremely high temperatures in Tokyo, Japan....

我们很高兴地为您推荐Environmental Research: Health(ERH)期刊第1卷的亮点文章。ERH是一本多学科、开放获取的期刊，致力于解决环境和公共卫生领域的重要全球挑战。第一卷展示了这本新期刊的成功发行，其中有关于一系列环境条件（例如，野火、石油和天然气生产、气候变化、水质盐度）的文章，以及涵盖从欧洲到印度等全球许多不同地区环境卫生研究的工作。我们希望您喜欢第一卷中的这些亮点文章，并考虑未来在ERH期刊出版您的研究文章。 主编寄语 “Human health is one of the most important consequences of our deteriorating environment, and is also linked to other impacts through complex, interconnected systems of physiology, environmental justice, climate change, built environment, agriculture, and more. Scientific evidence on how the environment influences health can aid informed and effective decision making, from...

本篇研究来自华中师范大学李炜课题组。本文说明通过对偶数子代下分支湮灭随机游走（BAW）位形图的机器学习，可以较准确识别系统发生相变的临界点，且精度随系统尺寸增加而变大。有限尺度标度则可以给出相变的相关临界指数。自编码则在不需要标签的情况下对原始位形图进行特征提取就能获取相变结构的信息，通过隐藏层的单变量可以表征粒子数密度也就是序参量随参数的变化。 文章介绍 Supervised and unsupervised learning of (1+1)-dimensional even-offspring branching annihilating random walks Yanyang Wang（王艳阳）, Wei Li（李炜）, Feiyi Liu（刘非易） and Jianmin Shen（申建民） 通讯作者： 李炜，华中师范大学   研究背景： 机器学习（ML）已经被广泛应用于处理统计物理、高能物理、天文学等领域中的热点问题，特别是在处理相变上展现出强大的功能。不同于平衡相变，由于存在额外的时间维度，非平衡相变表现出更复杂和多样化的特征。在非平衡相变领域，一类反应扩散过程相变的普适类是令人关注的一大难题。相比于传统场论分析和蒙特卡洛模拟方法，ML具有成本低和精度高的优势。本工作尝试将一类监督学习与无监督学习模型应用到多种反应扩散过程中，从而探究系统的相变特征，为寻找新的普适类提供依据。通过分析无监督学习输出的物理意义，希望建立神经网络与物理系统的内在联系，以寻求ML在此类反应扩散系统中的广泛应用。   研究内容： 本文利用一般结构下的卷积神经网络预测了BAW模型不同系统尺寸下临界点的位置，得到了以分支概率表示的结果Pc=0.494(9)，这与大尺寸的MC模拟结果非常接近。然后，本文利用不同演化时间步下的簇图来确定特征时间，得出动态指数为z=1.759(8)。此外，本文还测量了空间相关长度临界指数，根据有限尺寸标度律，结果为v⊥=1.83。这为偶数子代下的BAW过程普适类的分析提供了佐证。分析自编码的一维编码输出数据可以识别临界点为Pc=0.494(1)。本文还试图理解自编码的一维编码输出的物理意义。在系统噪声逐渐增加的情况下，发现自编码的一维编码输出仍然能够很好的反映系统的粒子密度。对于这类反应扩散系统，由于训练数据的充分性，ML可以使用簇图捕获更多关于系统的微观信息，这可以解释ML在准确识别此类系统的临界点和测量临界指数方面的有效性。鉴于实际计算能力的局限性，ML为研究非平衡相变的临界行为提供了一种新的方法。探索深度神经网络的输出与系统的序参量之间的关系，有助于开拓该方法在相变领域中的应用。 作者介绍 李炜  教授 华中师范大学 李炜，1974年出生于湖北荆州，2001年毕业于华中师范大学粒子物理研究所。主要研究方向：非平衡相变、演化博弈、复杂网络动力学。其中关于航空网的论文目前单篇他引已经超过600次；关于体育排名的研究被Nature和Science等国际重要科学杂志报道。国际合作单位包括美国Santa Fe研究所、德国马克斯-普朗克科学研究所。曾获得洪堡学者奖学金、全国百篇优秀博士论文提名奖、湖北省自然科学二等奖、湖北省青年科技奖等。 期刊介绍 Machine Learning: Science and Technology 2023年影响因子：6.3  Citescore：9.1 Machine Learning: Science and Technology （MLST）是一本跨学科期刊，致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括：物理学和空间科学；设计和发现新材料和分子；材料表征技术；模拟材料、化学过程和生物系统；原子和粗粒度模拟；量子计算；生物学、医学和生物医学成像；地球科学（包括自然灾害预测）和气候学；模拟方法和高性能计算。同时，也包括机器学习方法在概念上的新进展：新的学习算法；深度学习架构；核心方法；概率和贝叶斯方法；生成方法；强化和主动学习；经常性和基于时间结构的方法；神经启发方法（包括神经形态计算）。

您是否在为您的理论物理研究寻找合适的期刊？Journal of Physics A: Mathematical and Theoretical（JPhysA）期刊是发表您文章的绝佳之选。 以下是JPhysA期刊正在征稿的特刊: ✏️Dualities and Symmetries in Integrable Systems 客座编辑：Maxime Fairon, Nalini Joshi, Alexander Veselov和Ralph Willox 主题范围：We welcome submissions that explore recent trends connecting different classical as well as quantum integrable systems through dualities and symmetries. Work submitted to this journal will disseminate new important developments and techniques; strengthen and...

您是否在为您的机器学习研究寻找合适的期刊？Machine Learning: Science and Technology（MLST）期刊是您文章的绝佳之选。   以下是MLST期刊正在征稿的特刊: Focus on Machine Learning and the Physical Sciences 客座编辑：Emine Kucukbenli和 Vinicius Mikuni 主题范围：Organised in collaboration with the Machine Learning and the Physical Sciences workshop held at the 37th conference on Neural Information Processing Systems, this collection will showcase the findings presented during the workshop, covering the interface of...

Increased environmental threats require proper monitoring of animal communities to understand where and when changes occur. Ecoacoustic tools that quantify natural acoustic environments use a combination of biophony (animal sound) and geophony (wind, rain, and other natural phenomena) to represent the natural soundscape and, in comparison to anthropophony (technological human sound) can highlight valuable landscapes...

本篇研究来自浙江大学贾晓静课题组。本研究揭示了北半球夏季具有高健康风险的多地并发型复合极端热浪的时空演变规律，并首次指出青藏高原积雪在此中扮演的关键角色。我们的研究发现高原积雪异常能够通过调节全球行星波4-6波的振幅和相位，影响北半球多个地区的极端热浪的发生与发展，研究结果为理解和预测这类极端气候事件提供了理论支持和新视角。 文章介绍 Impact of summer Tibetan Plateau snow cover on the variability of concurrent compound heatwaves in the Northern Hemisphere Wei Dong（董伟）, XiaoJing Jia（贾晓静） and Renguang Wu（吴仁广） 通讯作者： 贾晓静，浙江大学   研究背景： 近年来，在全球变暖的背景下，北半球多个地区同时发生的极端热浪事件的发生变得更加频繁，这类极端气候事件不仅可能导致热相关死亡率增加，还可能对生态可持续发展、全球粮食供应、社会平衡和人类健康产生比区域性热浪事件更严重和深远的影响。然而，这种具有高健康风险的多地并发型复合极端热浪的时空演变特性和机制目前还不明确。过去对这种多地并发型极端热浪的研究主要基于地表最高气温来定义热浪，但利用多变量定义的通用气候热指数（UTCI）来研究热浪能更好地衡量人体对外界环境的适应性。虽然已有研究指出多地并发型极端事件可能与准静止行星波相关，但引起这些准静止行星波异常的驱动因素还未被明确。   研究内容： 本研究发现，在北半球夏季期间，具有高健康风险的多地并发型复合热浪事件的中心主要在北美南部，欧洲-北非和东亚-东南亚等三个地区（图1a）。在年际时间尺度上，这类多地并发型复合热浪的发生与青藏高原西部积雪异常有着显著的关系。青藏高原西部积雪异常能够通过调控环球准静止行星波来影响北半球这种多地并发型复合热浪事件的发生。 当青藏高原西部积雪偏多时，它会影响地表能量收支平衡，进而能够影响高原上空大气的热力状态，并在高原附近激发三极子形式分布的罗斯贝波源，进一步触发环球行星波的生成（图1b）。北美南部，欧洲-北非和东亚-东南亚等地区在这些行星波的波脊的位置，有利于热浪的形成。另外，偏多的青藏高原积雪引发的环球波列异常有助于在上述地区形成双急流的风场分布模式，其特征表现为绕极急流和副热带急流增强，而中纬度西风带减弱。这种双急流分布模式能够进一步放大环球行星波的振幅，并加剧多地并发型复合热浪的强度。   图1.（a）北半球多地并发型复合热浪的空间分布特征;（b）高原积雪驱动的大气环流异常，阴影代表200hPa经向风，等值线是200hPa位势高度。   本研究的创新之处在于揭示了青藏高原积雪异常与北半球夏季高健康风险的多地并发型复合极端热浪之间的关联，并提出了一种物理机制：青藏高原积雪异常通过调节北半球准静止行星波的振幅和相位，从而影响这类并发型复合热浪的发生。这一发现意味着，在全球气候变化的背景下，作为一个气候敏感区域的青藏高原，其热力异常的变化的影响不仅仅局限于高原本身和周边地区，还能在全球范围内对人类健康产生潜在而深远的影响。 作者介绍 贾晓静  教授  浙江大学 贾晓静, 浙江大学地球科学学院大气科学系，教授，博士生导师，国家优秀青年基金获得者。主要从事气候动力学，短期气候预报，东亚季风，ENSO，全球气候变化等方面的研究。 期刊介绍 Environmental Research Letters 2023年影响因子：5.8  Citescore: 11.9 Environmental Research Letters（ERL）以金色开放获取模式出版，作者可选择将原始数据作为补充资料与文章一起发表。所有研究人员可以免费获取这些研究成果。ERL汇聚了关注环境变化及其应对的研究团体和政策制定团体的意见，涵盖了环境科学的所有方面，出版研究快报、综述文章、观点和社论。ERL顺应了环境科学的跨学科发表的趋势，反映了该领域相关的方法、工具和评估战略，得到了来自不同领域的广泛贡献。

Materials Futures(MF)期刊由松山湖材料实验室与IOP出版社联合出版，是您在材料科学和技术领域的发表最新突破性研究的金色开放获取期刊。MF期刊着眼于未来的、新奇的发现，每一篇已发表的文章均有一个“未来展望”部分，提供了一个值得注意的、前瞻性的观点，聚焦于该研究领域的发展方向、潜在风险和突破，以及在该领域继续研究的计划。另外，MF期刊于近期被Ei Compendex数据库收录。目前，MF期刊第三卷第一期文章正式出版，包括综述文章、观点文章、快讯等多种文章类型，内容涵盖生物活性材料、能源材料、信息材料等。全部文章均为开放获取，欢迎免费阅读和下载！ 第一期文章 Letter Information Materials Observation of stabilized negative capacitance effect in hafnium-based ferroic films Leilei Qiao, Ruiting Zhao, Cheng Song, Yongjian Zhou, Qian Wang, Tian-Ling Ren and Feng Pan   Topical Reviews Energy Materials Recycling of solid-state batteries—challenge and opportunity for a circular economy? Martine Jacob, Kerstin Wissel and Oliver Clemens Focus on Energy-Storage Materials   Research progress on the design of...

本篇研究来自燕山大学李睿。本文研究了纳米线量子点束缚势的非对称性对自旋-光子相互作用的影响。量子点的非对称束缚势与自旋轨道耦合可以联合诱导出纵向的自旋-光子相互作用，此相互作用对自旋轨道耦合具有非单调的依赖性。纵向自旋-光子相互作用为电荷噪声导致的自旋退相干提供了理论支撑，为自旋-腔量子电动力学研究拓展了新思路。 文章介绍 Spin-photon interaction in a nanowire quantum dot with asymmetrical confining potential Rui Li（李睿） 通讯作者： 李睿，燕山大学   研究背景： 为了实现量子点自旋量子比特的可控操纵，以及实现长远距离两自旋量子比特间的相互作用，通常将单个或多个自旋量子比特与谐振腔耦合在一起。当前的主流研究思路利用了自旋量子比特与谐振腔光子间的横向相互作用。而横向相互作用往往需要自旋量子比特的能级差与谐振腔中的光子能量发生共振，但是谐振腔的固有频率（光子能量）不容易调控，从而不方便对自旋量子比特进行谐振腔调控。而纵向相互作用不需要自旋量子比特与谐振腔的共振条件，从而为自旋量子比特的腔场调控以及长远距离相互作用提供了新的解决方案。本文利用量子点的非对称束缚势与材料中的自旋轨道耦合作用来联合诱导出纵向的自旋-光子相互作用。   研究内容： 本文采用非对称有限深方势阱来模拟半导体纳米线量子点的束缚势，在强自旋轨道耦合条件下精确求解了纳米线量子点中的最低两个能量本征态。自旋量子比特就编码在量子点的最低两个能态上，由于自旋轨道耦合的杂化作用，其可以与超导谐振腔的电场分量有直接的耦合作用。得到自旋量子比特的精确基矢后，自旋与谐振腔光子间的相互作用形式可以通过计算电偶极算符 的表达式而得到。量子点的非对称束缚势与自旋轨道耦合联合诱导出自旋与光子间的横向以及纵向相互作用。图1显示自旋量子比特的能级差，纵向以及横向自旋-光子相互作用随自旋轨道耦合的变化关系。图2显示调节非对称方势阱其中一个势垒高度时的结果。当 meV时，方势阱为对称势，此时不存在有纵向的自旋-光子相互作用。本文用长度来描述自旋-光子相互作用的相对强度。纵向自旋-光子相互作用为半导体量子点的自旋调控、自旋测量提供了新的有效解决方案。   图1. 自旋量子比特的能级差 (a)， 纵向（实线）和横向（虚线）自旋-光子相互作用 (b) 随自旋轨道耦合的变化关系。方势阱的两个势垒高度分别取为V1=5meV，V2=8meV。InSb纳米线量子点中的磁场强度为0.04T。     图2. 自旋量子比特的能级差 (a)， 纵向（实线）和横向（虚线）自旋-光子相互作用 (b) 随势垒高度V2的变化关系。方势阱的另一个势垒高度固定V1为5meV。InSb纳米线量子点中的自旋轨道耦合取为0.3eVÅ，磁场强度为0.04T。 作者介绍 李睿  副教授 燕山大学 李睿，燕山大学理学院副教授，长期从事半导体量子点自旋相干调控的理论研究，2013年毕业于复旦大学获得理学博士学位。 期刊介绍 Journal of Physics: Condensed Matter 2023年影响因子：2.3  Citescore: 5.3 Journal...

我们很高兴地宣布，由IOP出版社推出的全新期刊——Environmental Research: Food Systems（ERFS）发表了第一期文章。 ERFS期刊是一本跨学科期刊，供致力于实现可持续全球粮食安全的研究人员使用，是IOP出版社推出的开放获取环境研究系列（Environmental Research series）最新期刊之一。该系列以Environmental Research Letters (ERL)的良好声誉为基础，拥有卓越的作者服务水平、包容的编辑政策和严格的质量保证，并坚持以开放科学原则为核心。 在2025年以前，所有向ERFS期刊投稿的文章都将免除文章发表费用。本着透明和可再现性原则，我们鼓励发表论文的研究人员在适当时候共享数据和代码，以造福学界。同时，作者也可以选择将论文以双重匿名和透明的方式进行同行评审。 第一期文章 Letters Optimization of national grain imports to balance risk and return: a portfolio theory approach Deniz Berfin Karakoc and Megan Konar   An improved crop calendar model for winter wheat incorporating vernalization and winter survival to project changes in phenology Keach Murakami, Toshichika Iizumi and Seiji Shimoda  ...

本篇研究来自北京大学陈基课题组和字节跳动研究部量子化学团队。本文开创性地提出了在神经网络变分蒙特卡洛计算中采用方差外推法。此方法利用训练过程中波函数能量和方差的数据作线性外推，在不增加额外计算成本的前提下加快了能量收敛速度，并突破了波函数拟设的表达力限制，显著提高了绝对能量以及相对能量结果的准确性，对于解决物理学和化学领域的各种问题具有重大意义。 文章介绍 Variance extrapolation method for neural-network variational Monte CarloWeizhong Fu（付伟中）, Weiluo Ren（任维络） and Ji Chen（陈基） 通讯作者： 陈基，北京大学 任维络，字节跳动研究部   研究背景： 在量子力学领域，精确求解多体薛定谔方程以确定电子结构是一项重大挑战。尽管量子蒙特卡洛方法以其高精度成为解决该问题的有力工具，但其计算成本高昂，且面临诸如费米子体系符号问题等难题。近年来，基于神经网络波函数拟设的变分蒙特卡洛方法因其极高的能量计算精度而引起广泛关注。然而，使用该方法计算相对能量时，采用统一的网络架构和训练步数往往无法有效抵消误差，导致这种简单策略在相对能量计算上精度较低。本研究通过采用方差外推法来解决此问题，对不同体系的计算结果应用方差外推，以零方差对应的能量数据计算相对能量。这种方法不仅加快了能量的收敛过程，更重要的是显著提高了相对能量结果的准确性，从而大幅提升了神经网络变分蒙特卡洛方法的效率和实用性。   研究内容： 神经网络变分蒙特卡洛方法利用高表达力的神经网络来模拟多电子波函数，并通过蒙特卡洛方法优化波函数以求解定态薛定谔方程的基态，如图1a所示。传统上，在缺乏有效评估策略时，采用简单的“训练匹配”方法来计算相对能量，但这种方法对不同体系的误差抵消效果并不理想。本文提出使用能量方差作为评估指标，引入“方差匹配”和基于训练阶段能量与方差高度线性相关性的“方差外推”方法，后者通过零方差对应的能量数据计算相对能量。 图 1  神经网络变分蒙特卡洛方法示意图，其中存在的问题以及本文提出的改进方法   氮气分子在不同的键长下展现出非常不同的组态关联效应，因此是一个极佳的测试体系。如图2所示，本文在氮气分子上的测试结果表明，“方差匹配”和“方差外推”方法均能够提升相对能量结果的准确性。其中，“方差外推”方法的提升效果尤为显著，不仅大大加速了相对能量结果的收敛过程，而且极大提升了其精度。除此之外，“方差外推”方法还很好地实现了能量结果的尺寸一致性。 图 2  氮气分子不同键长体系测试结果   在进一步的周期性体系测试中，“方差外推”方法同样极大地提高了相对能量精度。值得一提的是，经考察该方法不依赖于优化器的选择或具体的神经网络架构，且无需额外的计算开销。因此，我们期望它将成为未来神经网络变分蒙特卡洛方法使用各种强大的神经网络拟设计算相对能量时的一个重要而强力的工具。 作者介绍 陈基  研究员 北京大学 陈基，北京大学物理学院凝聚态物理与材料物理研究所研究员、助理教授、博士生导师。中国科学技术大学物理系本科，北京大学物理学院博士，英国伦敦大学学院博士后，德国马普所固体研究所洪堡博士后。入选国家海外高层次青年人才、北京市杰出青年人才。主要研究方向和兴趣是量子蒙特卡洛和机器学习计算方法的发展，以及应用先进计算方法研究水等轻元素凝聚态物质。 任维络 ByteDance Research 任维络，现任ByteDance Research算法研究员，从事AI for Science方向研究，博士毕业于斯坦福大学，本科毕业于中国科学技术大学。现在的研究重点是基于神经网络的量子蒙特卡洛及其在量子物理、量子化学中的应用。 期刊介绍 Machine Learning: Science and Technology 2023年影响因子：6.3  Citescore：9.1 Machine Learning:...