文章推广

特刊详情 客座编辑 鲁统部  教授 天津理工大学 鲁统部，天津理工大学教授，博士生导师。主要从事双原子催化剂与人工光合作用方面的研究。先后主持国家重点研发计划课题、国家科技重大专项、国家杰出青年基金项目、国家基金重点项目等。发表论文430余篇，获授权中国发明专利41项。发表论文被他引21000余次，H指数80，连续四年入选爱思唯尔中国高被引学者。出版《人工光合作用催化剂》专著。2006年获国家杰出青年基金，2014年入选英国皇家化学会会士, 2023年入选中国化学会会士，2021年获全国五一劳动奖章。现任中国化学会二氧化碳化学专业委员会主任，天津市化学会副理事长，中国化学会无机化学、晶体化学、绿色化学和分子筛专业委员会委员，“新能源材料”创新学科引智基地负责人，“材料微结构”教育部国际合作联合实验室主任，国内外8个杂志副主编和编委。   孙振宇  教授 北京化工大学 孙振宇，北京化工大学化工学院教授，博士生导师。2006年博士毕业于中国科学院化学所。2006至2015年先后在爱尔兰圣三一学院、德国波鸿鲁尔大学以及英国牛津大学从事博士后研究。入选德国洪堡学者。主要从事CO2、N2还原反应研究，以第一/通讯作者，在Nat. Commun.、Chem、Angew. Chem.、The Innovation、Adv. Mater.等期刊发表论文146篇，英文书籍6章节，申请发明专利28项。所有论文被Science等引用25100余次，H-因子68。连续入选Elsevier 2021–2024年度中国高被引学者。担任RSC Sustainability副主编；Journal of Physics Energy、Chinese Journal of Catalysis、《物理化学学报》、ChemElectroChem、EcoEnergy、Carbon and Hydrogen等期刊编委。   Javier Garcia Martinez  教授 西班牙阿利坎特大学 Javier Garcia Martinez，西班牙阿利坎特大学无机化学教授、分子纳米技术实验室主任。致力于开发新型纳米材料，以提升能源生产效率和化学工艺可持续性。通过引入可控的晶内介孔结构，成功释放了多相催化剂在转化大分子物质方面的潜力。该技术现已被全球学术实验室和化工企业广泛应用，在生物质转化至催化裂化等关键工业流程中，通过减少废弃物和积碳生成（原本需焚烧处理产生温室气体），实现每年减排二氧化碳数十万吨。他在麻省理工学院访学期间创立了莱弗科技公司，专注开发降低碳排放的纳米结构催化剂。2019年该公司被跨国企业格雷斯收购，其技术正推向全球市场。获得美国化学会“凯瑟琳·哈赫创业成就奖”，荣膺英国皇家化学会荣誉会士，并于2023年获西班牙国王授予国家研究奖。同时担任中国化学会荣誉会士、清华大学客座教授及北京化工大学名誉教授，2022–2023年间出任国际纯粹与应用化学联合会（IUPAC）主席。   Marc Robert  教授 法国索邦大学 Marc Robert，法国索邦大学教授，并担任法国大学研究院（IUF）高级成员（创新主席）。他的研究致力于电子转移过程的电化学与光化学方法探索，以及小分子（CO2、N2）的催化活化研究，以应对当今能源领域的重大挑战。罗伯特教授于2016年荣获法国液化空气集团颁发的首届国际关键分子挑战奖，2021年获得法国国家创新奖，2022年获得法国化学会物理化学分会资深科学家奖，2023年入选化学领域全球高被引学者榜单，2024年3月获得日本配位化学学会国际奖。   主题范围 This focus issue of JPhys Energy will highlight recent advances in carbon dioxide...

本研究来自美国马萨诸塞大学刑留冬课题组。在可靠性工程领域，任务中止策略（Mission Abort Policy, MAP）通过制定清晰、明确的准则，精准界定系统在出现退化状态时，终止主要任务（Primary Mission, PM）并启动救援程序（Rescue Procedure, RP）的条件，保障执行任务的关键系统的生存。设计最优MAP，在任务成功概率（Mission Success Probability, MSP）与系统生存概率（System Survivability, SS）之间实现平衡，对于有效管理系统损失风险、确保关键系统达到预期MSP水平至关重要。本文对可靠性工程中MAP的研究进行了全面回顾，梳理并剖析了针对单次尝试和多次尝试任务系统中各类MAP的数学建模、分析及优化的研究成果，前瞻性地探讨了推动MAP前沿研究和实践应用发展的潜在方向。 文章介绍 Mission abort policies in reliability engineering: a review Liudong Xing（刑留冬），Gregory Levitin 通讯作者： 刑留冬，美国马萨诸塞大学   研究背景： 任务中止策略（Mission Abort Policy, MAP）作为可靠性工程的核心工具，旨在通过量化系统退化阈值，定义触发任务中止和启动RP以拯救系统的特定恶化条件，以平衡任务成功概率与系统生存性，为管理关键系统的系统损失和任务失败风险提供见解。当前挑战集中于： 复杂系统建模：需融合随机冲击（如HPP、NHPP）、多阶段退化（Gamma过程、马尔可夫链）等动态失效机制； 多目标优化：需协同优化MSP、SS及预期损失成本（ECL），并应对决策参数动态性与环境不确定性； 工程实践需求：需开发实时自适应策略以应对物联网（IoT）设备级联故障、多任务并发等新兴场景。 本文围绕MAP的发展进行综述，涵盖定义MAP的决策参数的演变、优化模型和技术、目标函数（即性能指标）的数学建模与评估方法、复杂任务和系统行为的分析，以及MAP在不同领域的应用情况。   研究内容： 本文概述了MAP的发展，涵盖了定义MAP的决策参数的演变、优化模型和技术、目标函数（性能指标）的数学建模和评估方法、复杂任务和系统行为以及MAP的应用领域。同时对代表性 MAP 研究进行全面概述与分类，旨在为管理关键系统的系统损失和任务失败风险提供理论依据和实践指导。随着现代技术的飞速发展，集成物联网（Internet of Things, IoT）和人工智能（Artificial Intelligence, AI）技术的系统日益复杂，规模不断扩大，由此带来了一系列新的挑战。本文期望借此激发更多研究人员和实践者投身于MAP研究，共同应对这些挑战。此外，文章还前瞻性地指出了MAP未来的研究方向，包括： 开发实时自适应MAP，使其能够根据系统状态实时调整中止策略；探索基于MAP的灾害过程中级联故障缓解策略，有效应对复杂系统中的连锁故障问题； 在MAP模型中融入不确定性因素，提高模型对现实场景的适应性； 开发可访问的自主MAP嵌入式软件，促进MAP从理论研究向实际应用的转化，切实缩小理论与实践之间的差距。   图1 MAP研究的主要应用领域 作者介绍 刑留冬...

特刊详情 客座编辑 Liew Pay Jun 马六甲马来西亚技术大学 Liew Pay Jun, Associate Professor, serves at the Faculty of Industrial and Manufacturing Technology and Engineering, Universiti Teknikal Malaysia Melaka (UTeM). She is a Chartered Engineer (CEng) registered in the United Kingdom and obtained her Ph.D. from Tohoku University, Japan, under the supervision of Professor Jiwang Yan. From 2017...

我们诚邀您将最新研究成果发表在Biomedical Physics & Engineering Express期刊，与全球领域内的学术领军者共同推动生物医学物理研究的知识进步与创新发展。通过在本刊发表文章，您将提升研究的国际可见度，并增加在全球学术界的引用潜力。 期刊优势 在来自全球的专家审稿人和编委会支持下，期刊始终保持高标准的同行评审，并不断取得发展： 影响因子：1.6 CiteScore：2.5 期刊投稿后收到第一个决策的平均时长：9天   庆祝Biomedical Physics & Engineering Express创刊十周年 感谢过去十年来所有作者、审稿人、读者和编委的支持与贡献，帮助我们持续传播生物医学物理研究中最前沿、最具影响力的成果！ 亮点文章 A few-shot U-Net deep learning model for lung cancer lesion segmentation via PET/CT imaging Nicholas E Protonotarios, Iason Katsamenis, Stavros Sykiotis, Nikolaos Dikaios, George A Kastis, Sofia N Chatziioannou, Marinos Metaxas, Nikolaos Doulamis and Anastasios Doulamis  ...

本研究来自浙江大学王爱丽课题组。本研究通过NeuBridge框架的提出，为高效、低延迟的脉冲神经网络应用奠定了理论基础和实用方法论，并有望显著推动神经形态计算和边缘计算的发展。 文章介绍 NeuBridge: Bridging Quantized Activations andSpiking Neurons for ANN-SNN Conversion Yuchen Yang（杨玉琛）, Jingcheng Liu（刘京诚）, Chengting Yu（俞承廷）, Chengyi Yang（杨城熠）, Gaoang Wang（王高昂） and Aili Wang（王爱丽）   通讯作者： 王爱丽，浙江大学   研究背景： 随着人工智能规模不断扩张，传统人工神经网络（ANN）面临高功耗与计算资源瓶颈，推动低能耗的类脑脉冲神经网络（SNN）兴起。SNN凭借异步事件驱动的脉冲机制，在理论上具备出色的能耗与计算资源效率。然而，当前的SNN性能尚难以匹敌成熟的ANN模型，主要瓶颈在于现有ANN-SNN转换方法中的量化误差与脉冲时序不均匀误差。这些方法往往基于脉冲频率编码，需要大量时间步保证精度，实际应用中效率低下且性能受限。因此，亟需一种高效精准的ANN-SNN转换框架，以提升SNN的实际应用性能和效率。   研究内容： 该研究提出了一种创新性的ANN-SNN转换框架——NeuBridge（如图所示），旨在解决传统转换方法中的性能和延迟问题。   NeuBridge框架包括三大核心创新点： 自适应时间编码机制：首次引入具有自适应能力的时间编码参数，在ANN量化感知训练阶段自动优化，有效地将空间域中的量化激活值转化为时间域的高效脉冲序列，显著减少转换时间步。 解码-编码神经元：提出双阶段脉冲神经元模型，解码阶段积累膜电位并优化脉冲接收，编码阶段以动态膜电位调整脉冲发放，彻底消除了传统转换过程中的不均匀误差。 量化神经网络与脉冲神经网络的无损映射：建立了QNN与SNN间的严格等价映射关系，优化了量化激活和脉冲序列之间的精准对应，最大限度地降低了量化误差。   研究团队在CIFAR-10与ImageNet数据集上进行了广泛实验，结果表明NeuBridge在极少的时间步内（2-3个时间步）实现了与当前最先进方法相当甚至更高的精度。例如，在AlexNet与ResNet网络上，NeuBridge的性能在2个时间步内即可达到甚至超过以往需要7个甚至更多时间步的现有方法。此外，NeuBridge在能耗方面具有极大优势，仅为传统ANN模型的约1.3%，显著优于量化神经网络（QNN）。   综上所述，本研究通过NeuBridge框架的提出，为高效、低延迟的脉冲神经网络应用奠定了理论基础和实用方法论，并有望显著推动神经形态计算和边缘计算的发展。 作者介绍 王爱丽  研究员 浙江大学 王爱丽，浙江大学国际联合学院ZJU-UIUC联合学院研究员，助理教授，博士生导师。于2019年获华盛顿大学电子与计算机工程专业博士学位。主要研究方向脑启发计算算法与硬件协同设计、低功耗模拟混合信号集成电路设计。研究成果发表于IEEE TAI，Frontiers in Neuroscience, IEEE TCAS-I, IEEE Sensors Journal,...

特刊详情 客座编辑 Felix Creutzig，德国波茨坦气候影响研究所 蔡闻佳，清华大学 Radhika Khosla，英国牛津大学 Debra Roberts，南非夸祖鲁·纳塔尔大学 Chandni Singh，印度人类住区研究所 William Solecki，美国纽约市立大学   主题范围 Cities are on the frontline of climate change, simultaneously confronting severe risks and shouldering significant responsibilities for rapid mitigation and adaptive transformations. Urban areas face escalating threats from extreme weather events, heatwaves, flooding, and water scarcity, all intensifying under changing...

本研究来自西北工业大学动力与能源学院魏鹏飞课题组。在可靠性工程中，如何利用实验数据校准计算模型以实现高精度预测，是当前亟待解决的关键问题。贝叶斯模型更新（BMU）作为新兴方法框架，在计算效率与精度间存在权衡难题，本研究提出一种基于主动学习的近似贝叶斯积分方法，通过高斯过程模型对似然函数平方根进行解析近似，创新性地设计后验方差贡献（GPVC）采集函数，综合利用后验均值与协方差信息实现参数空间的智能探索，研究结果为高维复杂系统的可靠性模型校准提供了兼具高效性与鲁棒性的解决方案。 文章介绍 Probabilistic Calibration of Model Parameterswith Approximate Bayesian Quadrature and Active Machine Learning Pengfei Wei（魏鹏飞），Masaru Kitahara, Matthias G R Faes and Michael Beer 通讯作者： 魏鹏飞，西北工业大学动力与能源学院   研究背景： 当前，基于物理失效模型的可靠性评估与设计优化技术面临双重挑战：一方面，复杂服役环境与多物理场耦合效应导致数学模型难以精确表征所有失效机制；另一方面，数值求解过程中的离散化误差与假设简化会引入额外的预测不确定性。这种模型预测与真实物理响应的偏差，使得模型校准成为提升可靠性评估精度的关键环节。当前主流的模型校准方法可分为确定性框架与不确定性框架两大类，其中非确定性方法通过概率模型或证据理论量化认知不确定性，近年来成为研究热点。在概率参数校准领域，贝叶斯模型更新（BMU）方法取得显著进展，但如何在保证全贝叶斯精度的前提下突破计算效率瓶颈，仍是多模态BMU问题亟待解决的难题。本研究聚焦概率框架下的参数校准问题，将模型参数视为确定性未知量，其认知不确定性通过主观概率模型进行表征，提出基于改进贝叶斯积分框架的新型校准范式，为复杂系统的可靠性模型校准提供了新方案。   研究内容： 本文针对BMU方法在计算效率与精度间的权衡难题，提出一种基于主动学习的近似贝叶斯积分方法，创新性体现在三方面： 1）高效近似贝叶斯积分框架：提出基于高斯过程代理模型的贝叶斯积分方法，通过对似然函数平方根进行解析近似，结合主动学习的自适应采样策略，在降低计算成本的同时，达到与全贝叶斯方法相当的校准精度，突破了传统高精度方法计算复杂度高的瓶颈； 2）智能采集函数设计突破：创新性构建后验方差贡献（GPVC）通用采集函数，通过融合概率回归模型的预测均值与协方差信息，动态量化参数空间的信息熵分布，实现全局探索与局部开发能力的协同优化。实验表明，GPVC函数在多模态问题中的收敛速度较传统方法有显著提升； 3）多模态后验估计的高效性：针对复杂系统可靠性分析中的多模态后验密度估计难题，所提方法通过贝叶斯积分与GPVC函数的协同作用，能够高效求解多模态后验密度函数。 通过数值与工程案例验证，本文所提方法在多模态后验密度估计中展现出显著优势，同时保持与全贝叶斯方法相当的校准精度。   Fig.1 Comparison of results for posterior density of the first example, where PVC and VUS are used under...

本期内容来自 Environmental Research Letters (ERL)、Environmental Research: Climate (ERC)、Environmental Research: Water (ERW) 与 Environmental Research: Infrastructure and Sustainability (ERIS) 期刊，涵盖甲烷超级排放事件的健康风险、天然气行业NMVOC排放估算、农业甲烷与气候政策的公平性问题、跨界水资源治理中的利益相关方参与，以及澳大利亚锂供应链的绿色转型等热点话题。 >>点击此处链接，订阅环境领域最新资讯。 精选文章 Not just a climate problem: the safety and health risks of methane super-emitter events Sofia Bisogno, Chowdhury G Moniruzzaman, Nick Heath, Christos Efstathiou, Jeremy K Domen, Lee Ann L Hill, Jasmine Lee, Drew R Michanowicz, Quintin Munoz, Yanelli...

本研究来自浙江大学潘纲、林芃、陈鹏课题组。本文提出了一个簇编码神经元电路设计及其在忆阻器系统中的应用；首次考虑了大规模电路下制备工艺波动对时序学习稳定性的影响；首次发现了复杂神经元动力学可以提高脉冲神经网络硬件实现鲁棒性。 文章介绍 Variation-resilient spike-timing-dependent plasticity in memristors using bursting neuron circuit Yize Liu（刘毅泽）, Jiayi Zhao（赵家艺）, Yu Xiao（肖宇）, Peng Chen（陈鹏）, Haisong Chen（陈海松）, Enhui He（何恩慧）, Peng Lin（林芃） and Gang Pan（潘纲） 通讯作者： 潘纲，浙江大学 林芃，浙江大学 陈鹏，浙江大学   研究背景： 尖峰时间依赖性可塑性（STDP）作为生物突触的经典学习机制，被认为参与了生物大脑中广泛的学习和记忆过程。STDP功能也被认为是神经拟态计算中可被借鉴的网络无监督训练方法。相较于纯软件实现，神经形态器件及电路可以更高效的实现STDP训练。然而，STDP机制的有效性高度依赖于突触前后神经脉冲的精确时序匹配，模拟电路中固有的电路及器件差异会导致脉冲信号产生显著失真，进而严重影响学习性能，甚至让该功能在规模化集成电路中彻底失效。现有研究中，研究者们大多聚焦在如何通过不同材料与器件机制实现STDP功能，而忽略了在规模化集成过程中遇到的均一性对STDP性能的影响。本研究通过分析复杂编码神经元模型中脉冲行为来评估工艺波动下STDP训练的鲁棒性，这一研究对于构建规模化类脑计算硬件，推动类脑计算发展具有重要的现实意义。   研究内容： 在这项工作中，我们提出了一种基于Ta2O5忆阻器突触和CMOS神经元的STDP硬件实现方案。研究发现，当传统LIF神经元模型应用于大规模神经电路网络时，工艺波动引起的电路变异会导致神经元脉冲行为产生显著差异，进而造成STDP机制和脉冲神经网络的不稳定性，最终导致网络训练性能下降。 受大脑复杂动力学的启发，我们发现具有多样化动力学特征的神经元（如簇发放脉冲行为）能够有效抑制电路波动带来的负面影响。具体而言，这类复杂神经元通过双离子通道协同调控脉冲响应：在电路工艺波动时，双离子通道产生的变异方向相反，从而在宏观上维持了脉冲行为的相对稳定。动态分析表明，在快变环境下神经元通过增加簇发脉冲数量来补偿单个脉冲的短时性，而在慢变环境下则呈现相反特性。 实验结果表明，采用复杂动力学神经元的系统对电路变异表现出更强的鲁棒性。与LIF神经元相比，STDP的时间/数值波动显著降低，脉冲神经网络的分类精度和稳定性均获得明显提升。该方案不仅为神经形态硬件设计提供了稳定、统一的新思路，同时为理解大脑突触可塑性机制提供了硬件层面的新见解。 作者介绍 潘纲  教授 浙江大学 潘纲，浙江大学求是特聘教授、博导，脑机智能全国重点实验室主任，国家杰出青年基金获得者，入选国家“万人计划”科技创新领军人才，计算机系统结构与先进计算研究所所长，中国人工智能学会会士、常务理事、脑机融合与生物机器智能专委会主任委员，中国自动化学会机器人智能专业委员会副主任委员，中国神经科学学会类脑智能分会副主任委员、脑机接口与交互分会副主任委员等。主要研究方向为人工智能、脑机接口、类脑计算、计算机视觉、普适计算等。已发表学术论文200多篇，获授权发明专利60多项。获CCF-IEEE CS青年科学家奖(2016)、IEEE TCSC Award for Excellence (Middle Career Researcher, 2018)，入选2016年中国高等学校十大科技进展、2020年世界互联网领先科技成果等。获两次国际会议或期刊的时间考验论文奖（Test-of-Time Paper...

Fundamental research on two-dimensional (2D) magnetic systems based on van der Waals materials has been rapidly gaining traction since their recent discovery. With the increase of recent knowledge, it has become clear that such materials have also a strong potential for applications in devices that combine magnetism with electronics, optics, and nanomechanics. Nonetheless, many challenges...

本研究来自电子科技大学机械与电气工程学院黄洪钟课题组。本文系统探讨了可能性理论与证据理论在工程系统可靠性分析与设计优化中的核心作用。针对工程设计中的随机不确定性与认知不确定性，研究了传统概率方法在认知不确定性和混合不确定性方面的理论局限，提出了基于可能性理论与证据理论的可靠性分析和设计优化框架。通过全面梳理不确定性量化方法、分析理论特性与工程案例，不仅对比两种理论下可靠性分析与设计的方法范式，还揭示了其在航空航天、船舶工程等复杂系统中的应用潜力。最终提出了融合多源不确定性建模、智能算法集成等五大未来研究方向，为可靠性工程领域提供理论拓展与工具支撑。 文章介绍 Theory and application of possibility andevidence in reliability analysis and design optimization Hong-Zhong Huang(黄洪钟), He Li(李贺), Yan Shi(石岩), Tudi Huang(黄土地), Zaili Yang(杨再励), Liping He(何俐萍), Yu Liu(刘宇), Chao Jiang(姜潮), Yan-Feng Li(李彦锋), Michael Beer and Jin Wang(王津) 通讯作者： 黄洪钟，电子科技大学机械与电气工程学院   研究背景： 不确定性量化与传播是工程设计的核心问题之一。实际工程在空间尺度、时间尺度和设计阶段均面临多重不确定性，按照属性来源的不同，不确定性可分为随机不确定性（固有随机性）和认知不确定性（主观认识不足、知识与数据缺乏）。通常，前者可用概率分布或随机场表征，后者可用概率方法（如贝叶斯理论）或非概率方法（如可能性理论、证据理论、概率盒理论等）表征，如图1所示。 图1 典型不确定性量化理论 忽略工程设计中的不确定性会导致系统对输入变化敏感，导致性能下降或违反关键设计约束。为了实现设计优化，必须对不确定性属性和形式进行量化，如概率论用冲突（Conflicting）和互斥（Exclusive）信念度来量化不确定性，而机会理论用非一致性（Non-specificity）来描述。不确定性下的工程设计方法也存在不同的研究范式：（i）稳健设计旨在通过减少输入变化对系统性能的影响来提高结构可靠性；（ii）基于可靠性的优化设计旨在确保设计在一定可靠性要求水平。传统的基于概率的工程设计优化方法忽视了认知不确定性；而非概率方法具备强大的不确定性建模能力，在工程设计优化方面受到青睐。本文系统综述了认知不确定性的量化方法，重点探讨证据理论和可能性理论在可靠性分析与设计优化中的应用。   研究内容： 1）基于可能性理论的工程设计优化：可能性理论通过可能性分布与必要性度量量化认知不确定性，突破了传统概率方法对数据完备性的依赖，特别适用于输入数据有限或模糊的场景，例如结合专家知识构建弹性约束条件的方法已应用于航空航天等的多目标优化设计，通过模糊安全指数和性能测度方法显著提升了计算效率与保守性，为信息不完整条件下的复杂系统可靠性分析提供新范式。 2）基于证据理论的工程设计优化：证据理论通过置信函数与似然函数量化认知不确定性，该理论创新性地引入基本概率分配和Dempster组合规则，解决了传统贝叶斯方法难以处理部分已知概率分布的局限性，尤其在安全关键领域（如核工程与海洋平台结构）中，通过证据拓扑优化与多焦点元素搜索策略，显著降低了高维不确定性传播的计算成本，为混合不确定性问题提供了系统化解决方案。 3）认知不确定性下工程设计优化的未来趋势：本文提出需构建统一认知不确定性量化框架整合可能性、证据理论和其它理论。开发自适应算法以提升工程设计优化方法计算精度与稳定性，强调软计算策略（如模糊逻辑与机器学习的协同）及跨学科协作的重要性。研究指出，通过动态误差补偿机制与全局不确定性传播技术，可进一步突破小失效概率问题的瓶颈，推动多失效机制非线性系统的优化设计。 图2 基于可能性/证据理论的工程设计优化模型：(a)可能性理论；(b)证据理论。 作者介绍 黄洪钟  教授...

IOP出版社每月从年度重点期刊中精选两个主题的研究文章供大家阅读，本月的主题为Climate Finance, International Year of Quantum和Structural Health Monitoring。这些文章体现了IOP期刊的高质量和创新性，并呈现了一些受关注的研究工作。欢迎大家阅读下载！ 您可以扫描下方二维码，查看IOP出版社环境、量子和工程领域的最新资讯；还可以点击此处链接，订阅该领域的最新研究进展以及相关期刊的最新信息。 环境： 量子： 工程： 精选文章 Climate Finance Environmental Research Letters Who leads, who lags? Inter-urban inequities in European climate adaptation funding and financing Kayin Venner, Marta Olazabal, Melissa García-Lamarca, Aldo Treville, Luca Costantino Arbau and Paolo Bertoldi   Attributing global impacts of local extremes to climate change...