数字生态：概念源流与建构来源 | 《社会学研究》2025年第5期作者 | 邱泽奇、乔天宇、宋洁、张平文责任编辑 | 政光景借助生态视角理解数字化已成为诸多研究和实践的共识。然而，针对数字生态的理解各不相同且存在歧义，对生态概念的运用也多为隐喻式。在对相关概念和术语进行梳理辨析的基础上，本文结合生态概念的本质内涵，从关联要素、行动主体、互连互动互倚和发展演化四个方面对数字生态概念进行建构，指出数字生态是与自然生态、...
近日，北京大学大数据分析与应用技术国家工程实验室（以下简称“实验室”）研究团队的成果论文《专家知识数据化与文科智能》在《中国社会科学》2025年第7期发表。论文由北京大学博雅讲席教授、北京大学中国社会与发展研究中心主任、北京大学数字治理研究中心主任、社会学系教授、实验室核心成员邱泽奇教授和武汉大学校长、党委副书记，北京大学博雅讲席教授，实验室主任张平文院士合作共同完成，其他合作者包括对外经贸大学法学...
在人工智能大模型迅猛发展的当下，大模型参数和计算量呈指数级增长，大规模深度学习模型的训练离不开多硬件设备的分布式计算。北京大学大数据分析与应用技术国家工程实验室数据管理与分析中心崔斌教授团队创新研发了面向昇腾芯片的高效大模型分布式训练框架，大幅提升了大规模分布式训练的效率。针对模型训练任务的多样性和复杂性所带来的负载不均问题，研究团队创新设计出了细粒度模型切分与并行策略搜索算法。此方法对芯片强...
气候政策情景分析一直是制定全球减排战略、评估国家自主贡献（NDCs）目标以及推动长期低碳发展的核心工具。综合评估模型（IAMs）通过将经济、能源、资源与气候等子系统深度耦合，定量模拟不同社会经济路径下的温室气体排放情景，为国际谈判和政策制定提供了坚实的科学支撑。然而，随着政策评估对高频、多样且低成本情景数据需求的持续增长，IAMs 在运行成本、模型异质性和更新效率等方面的局限愈发突出，难以满足灵活多变的分析...
6月9日，北京大学博雅特聘教授、北京大学国家发展研究院院长、南南合作与发展学院院长、北京大学数字金融研究中心主任黄益平教授在《人民日报》（2025年06月09日 09 版）发表文章《大幅提高全要素生产率：重大意义与实践路径》，以下为全文内容。《 人民日报 》（ 2025年06月09日 09 版）深入学习贯彻习近平新时代中国特色社会主义思想·学习《习近平经济文选》第一卷专家谈全要素生产率是高质量发展的重要评价指标。党的十八大...
6月5日，北京大学大数据分析与应用技术国家工程实验室（以下简称“实验室”）副研究员王剑晓等人在《自然·能源》上发表绿电直连绿氢化工系统的电氢协同降碳技术成果。清华大学和哈佛大学博士后李佳蓉，清华大学林今，北京大学王剑晓为共同第一作者，通讯作者为林今、王剑晓和清华大学鲁玺，合作者包括北京大学工学院党委书记、实验室核心成员宋洁教授、澳门大学宋永华、哈佛大学Michael B. McElroy、Chris P. Nielsen等。该研究...
近日，北京大学数学科学学院、大数据分析与应用技术国家工程实验室、统计科学中心助理教授/研究员张瑞勋团队在AI+Finance基础理论方面的系列工作在国际运筹学顶级期刊Operations Research和人工智能领域顶尖会议AAAI Conference on Artificial Intelligence发表。论文“On Consistency of Signature Using Lasso”发表在Operations Research，该研究证明了基于Lasso回归的Signature方法的统计相合性及收敛速度，实验表明Signatu...
5月2日，北京大学工学院党委书记，大数据分析与应用技术国家工程实验室核心成员宋洁教授在《学习时报》（2025年5月2日 第02版）发表文章《人工智能大模型如何实现算力低耗能》，以下为全文内容。《学习时报》（2025年5月2日 第02版）筑牢算力底座是释放数据要素价值的关键。近期，随着人工智能大模型的爆发式涌现和快速迭代，算力需求已呈现指数级增长。国际数据公司（IDC）与浪潮信息联合发布的《2025年中国人工智能计算力发展...
题记：2025年3月29日，北大国发院与人民邮电出版社联合举办“人工智能时代法商年会”暨国发院“商学共创日”活动。本文根据北大国发院副院长、国发院BiMBA商学院院长、南南学院副院长、北京大学长沙计算与数字经济研究院副院长黄卓教授的演讲整理。中国经济的新挑战与特征中国经济长期的挑战包括经济增长模式的转型，即从以要素投入拉动的增长转变为创新驱动的增长。同时，我国人口老龄化问题较为严峻，目前全国60岁以上老年人...
北京大学宋洁教授团队在Cell Press交叉学科期刊Nexus发表题为“Bridging Prediction and Decision: Advances and Challenges in Data-Driven Optimization”的观点性综述文章，探讨了数据驱动优化方法在预测与决策领域的应用，系统研究了序贯优化（Sequential Optimization）、端到端学习（End-to-End Learning）和直接学习（Direct Learning）三种数据驱动优化方法的理论基础、优势及最新进展，并结合能源调度、运筹管理和智能...
版权所有©北京大学大数据分析与应用技术国家工程实验室 京ICP备05065075号-1 京公网安备 110402430047 号
