“力学动态”文摘，第66卷，第6期
“力学动态”文摘，第66卷，第6期，2024年6月25日
编辑组：http://jsstam.org.cn/mechbrief/bwh.html
投稿信箱：mechbrief@hhu.edu.cn
过刊浏览与下载：http://jsstam.org.cn/mechbrief/
订阅或退订信箱：mechbrief@hhu.edu.cn
编者按：《力学动态》文摘由江苏省力学学会 、河海大学力学与材料学院主办。每月10日和25日发送，免费订阅、自由退订。欢迎发布信息、交流体会、共享经验。
本期目录：
◆ 新闻报道
关于发布高精度量子操控与探测重大研究计划 2024年度项目指南的通告
2024年度赴港参加学术研讨会NSFC-BHKAEC（京港学术交流中心）项目指南
◆ 学术会议
MIT Short Course: Machine Learning for Materials Informatics (Jul 29 - Aug 2, 2024)
PhD Position: Mechanics and Manufacturing of Architected Devices
PhD position: Machine Learning and Finite Element Modeling
部分期刊近期目录
◆ 网络精华
◆ 友情链接
=======================================================================================
新闻报道
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
关于发布高精度量子操控与探测重大研究计划 2024年度项目指南的通告
（摘自国家自然科学基金委员会网站）
国科金发计〔2024〕139号
高精度量子操控与探测重大研究计划面向发展量子科技的国家重大战略需求，针对量子信息科学及其与各领域交叉研究面临的关键科学问题和技术挑战，发展新原理、新方法，探索可持续发展的技术路线，加强我国量子科技基础研究和人才培养，推动我国抢占量子科技国际竞争制高点。
一、科学目标
聚焦高精度量子操控与探测技术及其应用，发展量子增强的新原理、新方法，推动精密测量技术进步；突破量子操控与探测技术在高精度、高复杂度和可扩展性等方面的技术挑战，为量子信息科学发展提供支持；充分发挥量子平台和工具的优越性，突破经典技术探测极限，推动量子信息科学与各个领域的交叉研究。进一步提升我国量子科技基础研究的原始创新能力，为实现我国量子科技自立自强提供支撑。
二、核心科学问题
本重大研究计划围绕以下三个核心科学问题开展研究：
（一）量子增强的新原理和新方法。
围绕当前发展较为成熟或极有潜力的精密测量技术，建立和发展有效提高测量精度和灵敏度等指标的量子操控与探测新原理新方法。
（二）量子信息科学进一步发展需要的高精度量子操控与探测技术。
突破量子操控与探测在精度、复杂度以及可扩展性等多方面技术挑战，发展量子模拟、量子计算、空间量子技术等量子信息科学领域所需的高精度量子操控与探测技术。
（三）超越经典技术的量子操控与探测技术的应用。
发展有望超越经典技术探测极限的量子精密测量技术，并在物理学、天文学、化学、生命科学、地球科学和材料科学等领域实现应用示范。
三、2024年度资助研究方向
（一）培育项目。
围绕上述科学问题，以总体科学目标为牵引，拟以培育项目的方式资助探索性强、选题新颖、前期研究基础较好的申请项目，优先支持以下研究方向：
1.量子增强的新原理和新方法。
在光子和原子等量子体系产生用于实现测量精度增强的量子态，发展超越标准量子极限的量子精密测量新原理、新方法、新系统，在测量精度上实现具有应用意义的量子增益。
2.量子信息技术中的高精度量子操控与探测。
聚焦光子、冷原子、冷分子、囚禁离子以及人造量子比特等量子体系，发展面向大规模、高复杂度的量子模拟和量子计算以及远距离、实用化量子通信等的量子操控与探测关键技术和新理论新方案。
3.超越经典技术的量子操控与探测技术。
发展超越经典技术探测极限且具有应用价值的量子精密测量关键技术和新方案，推动量子操控与探测技术在基础物理检验、超越标准模型的新物理、暗物质探测、天文观测、化学、生命科学、地球科学和材料科学等领域的应用研究。
（二）重点支持项目。
围绕核心科学问题，以总体科学目标为牵引，拟以重点支持项目的方式资助前期研究成果积累较好、在理论和关键技术研发上能发挥推动作用、具备交叉应用基础或前景的申请项目，优先支持以下研究方向：
1.光和原子体系非经典态的制备和操控。
制备高压缩度的非经典态，包括相位压缩态、偏振压缩态、正交分量压缩态、数压缩态、迪克态、自旋压缩态等，发展不同类型非经典态在相位、位移、偏振等各种物理量精密测量中的应用，演示超过10 dB的测量精度量子增益。
2.多参数联合量子测量技术与应用。
揭示量子噪声对多参数联合测量精度的影响以及抵御方法，研制基于多种物理体系的集成化量子增强测量装置，有效提高多参数联合测量灵敏度，应用于高灵敏度电磁场探测、高精度光频标等场景，突破标准量子极限，实现超过5 dB的多参数联合测量精度量子增益。
3.多场调控的单自旋态灵敏探测。
研究利用光场、电场、磁场等调控技术实现高空间分辨率量子测量，实现在10-30 GHz射频微波范围内通过磁场调控的单自旋态灵敏探测，空间分辨率优于2埃，自旋态间相互作用能量分辨率优于0.2 μeV。
4.基于超冷原子的新型光晶格调控技术。
基于超冷原子的新型光晶格调控技术。实现不同类型光晶格（比如三角、六角、笼目光晶格等）以及双层扭转光晶格，发展光晶格体系中周期性调制、无序、规范场等多个维度的调控和小于500纳米格点分辨的高分辨原位探测技术，超冷原子通过光晶格调控实现多个新奇量子物态（关联绝缘体、非常规超导、量子反常霍尔效应、强关联诱导的拓扑性等）以及原子数大于100的量子纠缠态。
5.量子纠错的新方法。
针对现有量子纠错操控技术要求高、资源消耗大等问题，探索资源效率型量子纠错码的构建技术，及其相应的可容错逻辑量子控制技术；发展纠错循环过程中的错误影响表征新技术，厘清量子纠错实验中的关键错误因素，并提出相应的错误缓解策略；发展精度与张量网络解码器相当、但速度有大幅提升的高效率解码算法，支撑量子纠错的快速精确解码；基于当前主流量子计算设备操控水平，不依赖后选择，提出在200比特内实现10-5级逻辑错误率的具体可行方案，并给出可扩展的性能提升方法，支撑未来量子纠错技术的持续发展。
6.高精度远距离量子干涉技术。
发展万公里级大空间尺度单光子、双光子传输和干涉技术，为广域量子网络的实现奠定基础，为探索引力诱导纠缠退相干、引力红移和时间膨胀效应影响下的量子干涉测量等引力场中的量子效应检验开辟新途径。发展基于量子干涉辅助的天文光干涉技术，光学干涉基线长度突破现有极限，达到千米量级，为获得高精度宇宙距离阶梯、探索解决“哈勃常数危机”、加深对宇宙加速膨胀历史和暗能量物理的理解等若干重大物理学和天文学基础问题检验提供新手段。
7.面向新物理探索的量子测量技术。
针对超越粒子物理标准模型的新物理探测需求，发展量子精密测量技术。实现原子固有电偶极矩（EDM）的高精度测量（精度达到10-28e cm量级）；对磁单极子和轴子等新粒子进行搜寻，发展新型探测模式，突破现有探测瓶颈，超越现有指标（如轴子-自旋相互作用探测界限优于10-11GeV-1，相互作用力程达到1 μm量级，突破超新星天文学观测极限）；对自旋相关第五力进行测量，发展能量分辨率达到10-24eVHz-1/2量级的超高精度赝磁信号测量技术，实现国际领先测量指标。
8.量子测量在惯性、引力测量和引力波天文观测等方面的应用。
发展基于原子干涉、原子自旋等的量子精密测量方法和技术，支持量子引力、时空特性、极端物质状态等前沿科学问题研究需求。开展10-10g量级水平重力加速度和惯性精密测量，提高地球定向参数和地球引力势等的自主测量能力；开展10-7 os-1Hz-1/2量级灵敏度的惯性角速度测量，验证原子自旋惯性导航精度潜力，实现自旋-引力相互作用检验国际领先指标，开展量子惯性导航系统及应用研究，提高无人系统、智能控制等自主定位导航能力。
9.冷分子碰撞与反应动力学的探测。
发展外场调控下超冷分子碰撞和反应、里德堡超冷分子长程相互作用反应、分子取向操控、高时间/能量分辨冷分子反应（<10 K）等实验技术以及冷分子碰撞散射动力学理论与计算方法，应用于量子三体问题、超冷分子动力学（<100 μK）、分子反应立体调控、基于单分子的量子器件等研究。
10.量子精密测量在遥感技术中的应用。
发展高精度光频梳、高效低噪声单光子探测器、超宽谱光电转换等技术，在单光子弱信号的高效和高增益探测，对大气的多种成分、层析风场和温度反演，地貌跨介质高精度单光子测绘，亚毫米精度海平面快速测量，高精度非视域单光子成像技术，高速运动星间高精度测距和时钟同步，超远距离星地链路的光频梳多要素遥感等方面，突破经典遥感技术在探测距离、精度和灵敏度方面的瓶颈。发展宽谱双光梳激光远程干涉技术，实现火焰中多组分和温度的实时遥感测量，助力航空发动机燃烧室研发。
11.量子精密测量在极弱磁场测量中的应用。
突破现有测量手段的灵敏度和精度瓶颈，面向弱磁计量测试、人体功能信息成像、磁异常探测、资源勘探、地磁场及生命科学研究等方面的应用，发展灵敏度达到aTHz-1/2量级的超高灵敏极弱磁场测量装置、灵敏度达到亚fTHz-1/2~ fTHz-1/2量级的微小型近零磁和地磁计量测试原子磁强计及芯片化原子磁强计；面向生物体系微观电磁通路特性解析，发展溶液条件下实现单个蛋白质分子分辨的多模态极弱电流-磁场调控与测量装置。
四、项目遴选的基本原则
（一）紧密围绕核心科学问题，鼓励原创性、基础性和交叉性的前沿探索。
（二）优先资助能够解决高精度量子操控与探测中的基础科学难题或在相关领域具有应用前景的研究项目。
（三）重点支持项目应具有良好的研究基础和前期积累，对总体科学目标有直接贡献与支撑。
五、2024年度资助计划
拟资助培育项目20-25项，直接费用资助强度约为80万元/项，资助期限为3年，培育项目申请书中研究期限应填写“2025年1月1日－2027年12月31日”；拟资助重点支持项目6-8项，直接费用资助强度约为300万元/项，资助期限为4年，重点支持项目申请书中研究期限应填写“2025年1月1日－2028年12月31日”。
六、申请要求及注意事项
（一）申请条件。
本重大研究计划项目申请人应当具备以下条件：
1. 具有承担基础研究课题的经历；
2. 具有高级专业技术职务（职称）。
在站博士后研究人员、正在攻读研究生学位以及无工作单位或者所在单位不是依托单位的人员不得作为申请人进行申请。
（二）限项申请规定。
执行《2024年度国家自然科学基金项目指南》“申请规定”中限项申请规定的相关要求。
（三）申请注意事项。
申请人和依托单位应当认真阅读并执行本项目指南、《2024年度国家自然科学基金项目指南》和《关于2024年度国家自然科学基金项目申请与结题等有关事项的通告》中相关要求。
1. 本重大研究计划项目实行无纸化申请。申请书提交日期为2024年7月18日－2024年7月25日16时。
（1）申请人应当按照科学基金网络信息系统中重大研究计划项目的填报说明与撰写提纲要求在线填写和提交电子申请书及附件材料。
（2）本重大研究计划旨在紧密围绕核心科学问题，对多学科相关研究进行战略性的方向引导和优势整合，成为一个项目集群。申请人应根据本重大研究计划拟解决的核心科学问题和项目指南公布的拟资助研究方向，自行拟定项目名称、科学目标、研究内容、技术路线和相应的研究经费等。
（3）申请书中的资助类别选择“重大研究计划”，亚类说明选择“培育项目”或“重点支持项目”，附注说明选择“高精度量子操控与探测”，受理代码选择T01，根据申请的具体研究内容选择不超过5个申请代码。培育项目和重点支持项目的合作研究单位不得超过2个。
（4）申请人在申请书起始部分应明确说明申请符合本项目指南中的资助研究方向，以及对解决本重大研究计划核心科学问题、实现本重大研究计划科学目标的贡献。
如果申请人已经承担与本重大研究计划相关的其他科技计划项目，应当在申请书正文的“研究基础与工作条件”部分论述申请项目与其他相关项目的区别与联系。
2. 依托单位应当按照要求完成依托单位承诺、组织申请以及审核申请材料等工作。在2024年7月25日16时前通过信息系统逐项确认提交本单位电子申请书及附件材料，并于7月26日16时前在线提交本单位项目申请清单。
3. 其他注意事项。
（1）为实现重大研究计划总体科学目标和多学科集成，获得资助的项目负责人应当承诺遵守相关数据和资料管理与共享的规定，项目执行过程中应关注与本重大研究计划其他项目之间的相互支撑关系。
（2）为加强项目的学术交流，促进项目群的形成和多学科交叉与集成，本重大研究计划将每年举办1次资助项目的年度学术交流会，并将不定期地组织相关领域的学术研讨会。获资助项目负责人有义务参加本重大研究计划指导专家组和管理工作组所组织的上述学术交流活动。
（四）咨询方式。
交叉科学部交叉科学一处
联系电话：010-62328382
2024年度赴港参加学术研讨会NSFC-BHKAEC（京港学术交流中心）项目指南
（摘自国家自然科学基金委员会网站）
根据国家自然科学基金委员会（以下简称NSFC）和京港学术交流中心（以下简称BHKAEC）的双边合作协议和《2024年度国家自然科学基金项目指南》，NSFC将资助内地学者赴香港参加学术研讨会，每年共资助3-4个不同学科领域方向的研讨会。本出境会议项目旨在组织对会议内容感兴趣的科研人员围绕该领域国际合作重点进行交流研讨，并建立双边跨学科合作关系，为后续与香港学者开展相关研究奠定基础。
一、学术研讨会简介
（一）“能源转换和存储电化学表界面”学术研讨会。
香港科技大学主办的“能源转换和存储电化学表界面”学术研讨会将于2024年11月8-11日在香港召开。此次研讨会将涵盖先进理论和表征技术、器件工况下的电化学表界面等多个领域，旨在探讨能源转换和存储电化学表界面的最新研究成果和创新理念，并就相关科学、技术和应用领域的前沿问题进行深入讨论。此次研讨会将提供一个广泛的学术平台，促进内地和香港两地科研人员之间的合作交流，加强学术界与产业界的合作，为能源转换和存储电化学表界面领域的研究提供新的思路和合作机会，共同推动该领域的科学进展，为国家的能源发展和技术创新做出贡献。
（二）“土木工程智能化”学术研讨会。
香港理工大学主办的“土木工程智能化”学术研讨会将于2024年12月1-3日在香港召开。此次研讨会将涵盖智能感知、智能设计、智能计算、智能防灾减灾、智能建造、智慧运维、数字孪生等多个领域。旨在围绕土木工程人工智能前沿热点问题，探讨相关研究现状及发展趋势。此次研讨会将为两地科研人员提供研讨和交流平台，共谋在前沿问题研究上开展深入合作，服务于国家建设重大需求，促进我国韧性城市与智慧城市领域的高质量发展。
（三）“肿瘤基础与转化研究进展”学术研讨会。
香港中文大学主办的“肿瘤基础与转化研究进展”学术研讨会将于2024年12月3-4日在香港召开。此次研讨会将涵盖肿瘤发生与演进的分子生物学机制、肠道微生态与肿瘤、肿瘤分子诊断、肿瘤精准诊疗新策略等多个领域，旨在把握肿瘤基础与转化研究现状及发展趋势，共谋在前沿问题的研究上获得重大突破，服务于国家建设的重大需求。研讨会的成果将为相关部门提供借鉴，为肿瘤研究领域未来五至十年优先资助领域立项提供战略参考。
二、项目说明
（一）项目类型。
本项目类型为出国（境）参加双（多）边学术会议（出国会议）。
（二）资助领域和申请代码。
3个学术研讨会须分别按照对应领域和代码申请。
1. “能源转换和存储电化学表界面”学术研讨会
资助领域为化学科学领域及其相关交叉学科领域。
申请代码1须选择B或T下属代码。
2. “土木工程智能化”学术研讨会
资助领域为工程材料及其相关交叉学科领域。
申请代码1须选择E或T下属代码。
3. “肿瘤基础与转化研究进展”学术研讨会
资助领域为医学科学领域及其相关交叉学科领域。
申请代码1须选择H或T下属代码。
（三）资助强度。
资助强度为不超过2万元/人，包括出境参会所需的往来港澳通行证及签注办理费用、赴港旅费（经济舱）、会议注册费、食宿和当地交通费用等。为加大对内地学者赴港参加学术交流活动的支持力度，本项目除申请人外，还可增加不超过2名青年学者同行参会（仅限在研基金项目课题组成员），资助标准同上。
（四）资助规模。
对每个研讨会拟资助的项目数量约20项。
（五）其他。
会议主办方将为获资助者出具会议邀请信。
三、申请人条件
根据《国家自然科学基金国际（地区）合作交流项目管理办法》，申请本项目须符合以下条件：
（一）申请人须是三年期（含）以上国家自然科学基金在研项目的主持人或主要参与者（主要参与者需经在研项目负责人同意）。
（二）更多申请人条件的详细说明请见《2024年度国家自然科学基金项目指南》。
四、限项申请规定
（一）本项目属于国际（地区）合作交流项目，不受“申请和承担项目总数限为2项”规定的限制。
（二）不受“申请人同年只能申请1项同类型项目”规定的限制。
（三）作为申请人申请和作为项目负责人正在承担的NSFC-BHKAEC合作交流项目，合计限1项。
（四）《2024年度国家自然科学基金项目指南》中关于申请数量的其他限制。
五、申报说明
（一）申请人注意事项。
1. 申请人在填报申请书前，应认真阅读本项目指南和《2024年度国家自然科学基金项目指南》中的相关内容。
2. 申请人须登录科学基金网络信息系统（https://grants.nsfc.gov.cn/），在线填报《国家自然科学基金国际（地区）合作交流项目申请书》。具体步骤是：
（1）选择“项目负责人”用户组登录系统，进入后点击“在线申请”进入申请界面，点击“新增项目申请”按钮进入项目类别选择界面。
（2）点击“国际（地区）合作与交流项目”左侧+号或者右侧“展开”按钮，展开下拉菜单。
（3）点击“出国(境)参加双(多)边会议”右侧的“填写申请”，进入选择“合作协议”界面，在下拉菜单中选择“NSFC-BHKAEC（京港学术交流中心）”，然后按系统要求输入要依托的基金项目批准号后即进入具体申请书填写界面。
3. 申请书填写说明
（1）申请书项目名称为“赴港参加XXX学术研讨会”。XXX为对应研讨会名称。
（2）申请人应在项目申请书中阐明其研究基础和方向与本次学术会议的联系，并提供报告题目和摘要。
（3）学术会议将于2024年底在香港召开。申请书中的合作起止日期请填写2024年11月1日至2024年12月31日。
（4）申请书中仅包含拟参会人员，无需填写港方合作者。
4. 预算编报要求。申请人应当认真阅读《2024年度国家自然科学基金项目指南》申请须知中预算编报要求的内容，严格按照《国家自然科学基金资助项目资金管理办法（财教〔2021〕177号）》和《国家自然科学基金项目资金预算表编制说明》的要求，认真如实编报《国家自然科学基金项目资金预算表》。
5. 申请材料要求。申请人完成申请书撰写后，在线提交电子版申请书及附件材料，无需报送纸质申请书。
（二）依托单位注意事项。
依托单位应对本单位申请人所提交申请材料的真实性、完整性和合规性，申报预算的目标相关性、政策相符性和经济合理性进行审核。本项目纳入无纸化申请范围，依托单位应在规定的项目申请截止日期前提交本单位电子版申请书及附件材料。请通过科学基金网络信息系统上传本单位项目申请清单，无需提供纸质版。
关于单位科研诚信承诺书提交等事宜，请参照《关于2024年度国家自然科学基金项目申请与结题等有关事项的通告》执行。
项目获批准后，需将申请书的纸质签字盖章页装订在《资助项目计划书》最后，一并提交。签字盖章的信息应与电子版申请书严格保持一致。
（三）项目申请接收。
信息系统在线申报接收期为2024年6月17日至2024年7月19日下午16时。
注：请申请人严格遵照本项目指南的各项要求填报申请，不符合上述要求的申请将不予受理，如有疑问，请致电项目联系人询问。
六、联系方式
电 话：010-6232 8256，6232 6943
传 真：010-6232 7004
邮 箱：hmt@nsfc.gov.cn
信息系统技术支持（信息中心）：010-6231 7474
国家自然科学基金委员会
港澳台事务办公室
2024年6月14日
（摘自中国力学学会网站）
2024年5月31日至6月2日，“首届全国数据驱动动力学与控制学术研讨会”在上海成功举办。本次研讨会由中国力学学会动力学与控制专业委员会、国家自然科学基金委员会数学物理科学部主办，同济大学航空航天与力学学院、上海飞行器力学与控制研究院承办。会议由中国力学学会监事长、北京理工大学胡海岩院士，同济大学徐鉴教授，中国力学学会动力学与控制专业委员会主任委员、上海交通大学孟光教授担任共同主席。中国力学学会副理事长、中国科学院力学研究所何国威院士，中国力学学会副理事长、大连理工大学郭旭院士，中国力学学会副理事长、石家庄铁道大学杨绍普教授，上海市力学学会副理事长、同济大学航空航天与力学学院院长、上海飞行器力学与控制研究院院长李岩教授，中国力学学会动力学与控制专业委员会主任委员、上海交通大学孟光教授，中国力学学会常务副秘书长汤亚南女士，以及来自高校、科研机构和企业的专家学者及研究生近200人参加了本次会议。
大会开幕式由会议共同主席徐鉴教授主持。作为大会主席，胡海岩院士首先致会议开幕辞。胡海岩院士回顾了数据驱动方法发展的历史，结合时代背景指出人类正处于数据向知识加速转化的重要历史阶段，鼓励大家在这一领域持续深入探索；杨绍普教授代表中国力学学会向与会嘉宾和代表表示欢迎，对承办单位表示感谢，并肯定了此次会议对于动力学与控制学科发展的重要意义；李岩教授代表承办单位介绍了同济大学航空航天与力学学院近年来的发展及上海飞行器力学与控制研究院在服务国家战略需求方面的贡献，同时代表承办单位对各位专家学者的到来表示热烈欢迎；孟光教授代表动力学与控制专业委员会介绍了举办本次会议的初衷和目的，展望了数据驱动动力学与控制领域的发展前景，结合自身的工作经历阐述了动力学与控制学科同数据驱动方法融合的必要性，并向会议组委会、志愿者和赞助单位表达了衷心的感谢。
会议正值六一儿童节，在孙秀婷教授的带领下，同济大学复杂系统动力学与控制团队研究生用AI技术制作了《童年回忆》视频短片向大会献礼，与参会的院士和专家学者共同回忆童年美好时光，与参会的青年学者共同表达了把论文写在祖国大地上的决心与豪情。
会议邀请了2个大会报告和6个特邀报告，就相关领域的原始创新、前沿突破、交叉融合、关键科学问题、核心技术瓶颈进行了交流和研讨。
中国科学院力学研究所何国威院士作了题为《知识和数据驱动的湍流研究》的大会报告，围绕数据驱动的湍流建模、数据驱动的量纲分析、湍流能谱的深度预解分析等问题，阐述了数据驱动方法在湍流研究中的前沿进展和应用前景。报告由上海交通大学孟光教授主持。
接着，大连理工大学郭旭院士作了题为《基于问题无关机器学习的计算固体力学新框架》的大会报告，针对当前基于机器学习的计算方法中存在的训练工作量巨大、泛化能力与可移植性差等问题进行了改进，并对该方法进行了展望。报告由石家庄铁道大学杨绍普教授主持。
浙江大学黄志龙教授作了题为《数据驱动的随机动力学系统响应、稳定性、可靠性识别研究》的特邀报告，介绍了已知系统的数据驱动随机稳定性分析和数据驱动可靠性分析方面的研究进展。报告由哈尔滨工业大学（深圳）陈立群教授主持。
天津大学丁千教授作了题为《数据驱动参数优化与声学黑洞超结构设计》的特邀报告，介绍了数据驱动/机器学习优化方面的前沿进展及其团队在将这类方法应用于声学黑洞超结构设计方面的工作。报告由陆军工程大学王在华教授主持。
北京航空航天大学/宁夏大学王青云教授作了题为《神经动力学赋能的运动控制新范式》的特邀报告，阐述了神经科学、动力学、运动控制交叉融合的趋势及其团队在相关领域的科研工作进展。报告由西北工业大学邓子辰教授主持。
北京航空航天大学龚胜平教授作了题为《数据驱动下飞行动力学在线增量学习及其应用》的特邀报告，介绍了在飞行动力学增量学习及其应用方面的融合创新工作。报告由清华大学李俊峰教授主持。
南京航空航天大学黄锐教授作了题为《嵌入力学知识的非线性数据驱动建模方法》的特邀报告，介绍了数据驱动方法在飞行器气动模型构建、降维及实验验证方面的研究成果。报告由西安交通大学江俊教授主持。
同济大学张舒教授作了题为《机械臂数据驱动运动调控与精度保障》的特邀报告，介绍了其所在团队今年来在机械臂模型-数据融合运动调控研究方面的研究进展。报告由燕山大学文桂林教授主持。
数据驱动范式的出现，对传统的模型范式提出了挑战，同时也带来了范式融合的契机。信息科学与力学、控制等学科的交叉融合，逐渐形成了基于重大工程需求的跨学科、跨领域交叉研究新模式，有望解决以往难以突破的复杂系统动力学解析、计算、预测、调控方面的一系列难题，形成新的动力学学科方向生长点。
本次研讨会拓展了动力学与控制领域的学者在数据驱动动力学与控制这一前沿领域的研究视野，加深了动力学与控制领域专家对人工智能和动力学前沿交叉理论知识和应用技术的理解，特别是通过研讨，明确了具有代表性的交叉科学问题，为动力学与控制学科发展提供了有力支撑。
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
========================================================================
学术会议
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
“第二十二届全国疲劳与断裂学术会议”将于2024年8月18-20日在四川省成都市召开。疲劳与断裂是材料、构件和机械服役最常见的失效形式。疲劳与断裂的研究涉及航天、航空、船舶、机械、材料、土木、能源、生物医学工程等重要行业和关键领域。
全国疲劳与断裂学术会议始于1977年召开的“中国金属学会断裂学科讨论会”和1982年召开的“全国疲劳学术大会”，在各自举办八届以后，1998年合并举办“第九届全国疲劳与断裂学术会议”。此后每两年举办一届，由中国力学学会、中国腐蚀与防护学会、中国机械工程学会、中国材料研究学会、中国航空学会、中国金属学会六家学会轮流主办。
全国疲劳与断裂学术会议为解决材料与结构的安全设计、评价和寿命预测问题，推动我国疲劳与断裂领域的基础理论研究、技术研发和工程应用提供了良好的学术交流平台，欢迎相关科技人员积极投稿并参会。现将第二轮相关事宜通知如下：
一、会议时间、地点
会议时间：2024年8月18-20日
重要时间：
摘要接收截止：2024年6月30日
提前注册时间：2024年7月31日
会议报到时间：2024年8月18日
大会报告时间：2024年8月19日
分会场报告时间：2024年8月20日
会议地点：四川大学国际学术交流中心（成都世外桃源酒店，四川省成都市武侯区科华北路69号）
会议网址：https://meeting.cstam.org.cn/sid=273&mid=69&v=100
二、组织机构
主办单位：中国力学学会、中国腐蚀与防护学会、中国机械工程学会、中国材料研究学会、中国航空学会、中国金属学会
承办单位：四川大学、成都大学
三、大会报告
高华健，美国科学院院士、美国工程院院士、中国科学院外籍院士，清华大学，报告题目：待定
闫楚良，中国科学院院士，北京飞机强度研究所，报告题目：我国飞机结构疲劳与断裂可靠性研究现状及展望
张福成，中国工程院院士，华北理工大学，报告题目：待定
张哲峰，教授，中国科学院金属研究所，报告题目：金属材料抗疲劳设计与制备
张显程，教授，华东理工大学，报告题目：高温工程损伤理论：内涵、发展与应用
刘新灵，研究员，中国航发北京航空材料研究院，报告题目：疲劳断口定量分析技术及其应用
张雷，教授，北京科技大学，报告题目：待定
冯雪，教授，清华大学，报告题目：柔性膜基结构异质界面断裂机理与失效评估
注：大会报告具体安排将在会议网站更新，并在最后一轮通知中确定。
四、分会场交流
本次会议将根据征稿情况在8月20日全天进行分会场交流，每个分会场设置特邀报告（注：分会场邀请报告具体安排将在会议网站更新，并在最后一轮通知中确定）。
征稿主题如下：
（1）疲劳与断裂力学
（2）疲劳损伤与断裂机制
（3）工程材料疲劳与结构破坏
（4）复杂环境下的材料损伤失效分析
（5）重大装备疲劳与断裂工程应用
（6）先进制造中的抗疲劳设计方法与技术
（7）材料与结构疲劳断裂的新技术、新方法
（8）新材料的疲劳与断裂问题
（9）航空航天工程中的疲劳断裂问题
会议将提供电子摘要集供与会者交流，不作公开发表。在线投稿网址：https://meeting.cstam.org.cn/sid=273&mid=69&v=100。
五、展览、展示与技术推广
会议期间将在会场楼层设置展位约30个，为参展单位提供交流与合作机会。
六、注册及费用
（一）会议注册
1、本次会议采用在线注册，推荐线上支付注册费。敬请参会代表提前登录会议网站完成参会注册、缴费。
2、已注册用户，可扫描以下 二维码 进行线上缴费。
3、如采用银行对公转账，请在附言中备注疲劳会及代表姓名。
户名：中国力学学会
账号：0200004509089137911
开户行：中国工商银行北京市海淀西区支行
开户行号：102100000458
（二）会议注册费用
1、2024年7月31日前注册并交费
正式代表1800元/人，学生1400元/人。
2、2024年7月31日后注册或交费
正式代表2000元/人，学生1600元/人。
注：参会学生代表办理报到手续时，请出示有效学生证件。
（三）关于发票
本次会议提供“会议注册费”数电发票（普票或专票），会后20个工作日统一开具并发送至代表预留邮箱。
七、会议住宿
为践行精简办会理念，方便参会代表灵活自主安排时间，会议不统一安排住宿、旅馆预订和接待服务，请与会人员提前自行预定酒店。会场及其附近酒店预订信息如下：
（1）成都世外桃源酒店
地址：武侯区科华北路69号，会议主办酒店。
酒店电话：总机028-85589999；预订电话：杨经理，15281009951。
目前参考房价：标间/大床：560元/间（含单早），620元/间（含双早）。
（2）科华苑宾馆（科华北路店）
地址：成都市武侯区科华北路141号
宾馆电话：028-85462555；预订电话：洪经理，13689050370。
目前参考房价：标间（含双早）360元，大床（含双早）280元/380元/428元/470元。
（3）亚朵酒店（成都川大科华北路店）
地址：成都市武侯区科华北路36号
酒店电话：028-67382888；预定电话：杨经理，18180020458。
目前参考房价：高级大床房、高级双床房：420元/间（含双早）；几木大床房、几木双床房：450元/间（含双早）。
（4）成都祥宇宾馆
地址：成都市武侯区新南路103号
宾馆电话：028-85551111-8122。
目前参考房价：行政标间420元/间（单早）、行政单间470元/间（单早）。
（5）全季酒店（成都四川大学林荫街店）
地址：成都市武侯区胜利村391号
酒店预订电话：028-63927766。
目前参考房价：标间410元/间（含双早），大床390元/间（含双早）。
八、联系方式
会议咨询：
周冬冬(中国力学学会)
电话：010-62559209 邮箱：zhoudd@cstam.org.cn
刘永杰（四川大学）
电话：13882271777 邮箱：liuyongjie@scu.edu.cn
陈渝（成都大学）
电话：13408638390 邮箱: chenyu01@cdu.edu.cn
投稿咨询：
何超（四川大学）
电话：13008169316 邮箱：hechao@scu.edu.cn
赞助咨询：
王宠（四川大学）
电话：13882230115 邮箱：wangchongscu@163.com
董江峰（四川大学）
电话：15882060064 邮箱：apiver@sohu.com
MIT Short Course: Machine Learning for Materials Informatics (Jul 29 - Aug 2, 2024)
Dera iMechanica Community,
Below is information about a short course I will be offering at MIT this summer, in Live Virtual format: Machine Learning for Materials Informatics (Jul 29 - Aug 2, 2024). This is an exciting opportunity that will cover fundamentals and applications in the emerging space of AI/ML for engineering, featuring hands-on interactive code development in Jupyter notebooks. We'll do a deep dive into all critical tools from autoencoders to graph neural nets to multimodal LLMs and multi-agent modeling. Please reach out to me if you have any questions.
We have a few special fellowships for postdocs and students that cover part of the course fee. Please reach out to me with a brief CV for consideration.
Markus Buehler McAfee Professor of Engineering, MIT
Machine Learning for Materials Informatics
Instructor: Prof. Markus J Buehler, mbuehler@MIT.EDU
Jul 29 - Aug 2, 2024 (3.5 days)
Learn more here: https://professional.mit.edu/course-catalog/machine-learning-materials-i...
With the emergence of physics-based generalizable deep learning tools, the materials community is at the verge of unprecedented breakthroughs, leveraging materials modeling, analysis, and design toward a more efficient, less costly, and more versatile response to material property demands, as well as research and economic opportunities. This course will teach you how to tap into your existing data and develop an actionable vision for incorporating material informatics into current research strategies for developing technologies, services and new investigation directions. Moreover, with data available from autonomous experimentation or large databases like the Materials Genome initiative, there exist many opportunities to accelerate your materiomic design platform.
In this course you will fully learn how to incorporate these new technologies and methods into your own material modeling, analysis and design processes in order to capitalize on recent AI breakthroughs, such as multimodal large language models or LLMs that have had significance impact over the past year (e.g. GPT-4, GPT-4o/ChatGPT, Gemini, etc.), open-source models like Llama-3, Phi-3 or Mistral, DNA and protein models (e.g., AlphaFold), diffusion models for molecular, protein and microstructure design, graph neural networks applied from molecular to macroscale structures, and a host of other methods adapted specifically for the analysis, design and modeling of materials. An exciting field we will cover is multi-agent AI modeling that brings together multiple systems to solve complex science and engineering problems, autonomously. You will also learn how to develop, train and validate your own custom models - either derived from pretrained foundation models, or building them from scratch.
The course involves a mix of lectures, hands-on labs and clinics, custom data and generative analyses, for an immersive experience. Participants will learn fundamentals and hands-on techniques to deploy machine learning in materials development and gain first-hand understanding of state-of-the art tools for varied applications ranging from data mining to inverse design. We will cover scales from the molecular to the continuum and you will develop a deep understanding of machine learning especially in the context of engineering problems. The course includes various case studies, including a deep dive into the use of OpenAI and other APIs for engineering problems, fine-tuning custom vision LLMs, efficient large model serving using Rust, and working with a variety of open-source language models, the Hugging Face ecosystem, and more. You will specifically learn how to fine-tune large multi-modal foundation models to solve your own tasks in a variety of engineering settings.
Specific topics covered:
Modern machine learning tools, especially focused on deep learning (includes: convolutional neural nets, adversarial methods, graph neural nets, transformer and language models, diffusion models; neural molecular dynamics; Bayesian optimization; autonomous self-driving labs; fine-tuning of LLMs and related foundation models, multi-modal LLMs and multi-agent modeling for scientific problem solving and discovery)
Analysis of images, voxel data, dynamical data, and graphs, as well as language and symbolic methods and hybrid and multimodal approaches, including graph reasoning strategies
Visualization and data analysis methods, including statistical methods, graphic rendering, virtual reality, multi-modal data analysis and pattern detection
Data mining and dataset construction, especially focused on building datasets from complex multimodal sources (text, papers, patents, images, video, etc.) and extracting critical insights or training custom models for use in multi-agent AI systems
The instructor will masterfully break down this complex field into easy-to-digest concepts, to offer you direct access to leverage the new tools for your problem space, and to develop the skill to judge and assess the best tools for the job. Alongside peers from around the world, you will engage in interactive lectures and hands-on coding clinics and labs delivered in a live virtual format. These activities are designed to help you learn, design, and apply modern material informatics tools—specifically artificial intelligence and machine learning—including neural interatomic potentials, large-scale multiscale modeling to improve the speed, efficiency, and cost effectiveness of your discovery, prototyping, and development processes. You will learn how modern computational tools enable us achieve almost any desirable accuracy in multiscale material discovery, connecting quantum to the macro-world.
==========================================================================
招生招聘
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
PhD Position: Mechanics and Manufacturing of Architected Devices
Position details:
The Autonomy and Intelligence of Materials and Structures (AIMS) group in the Department of Mechanical Engineering (ME) at the University of Alabama has an opening for a PhD student starting from Spring 2025. The research theme for this position is Mechanics and Manufacturing of Architected Devices. Students with the following profile will be considered.
Qualifications:
1.BS and preferably MS in Mechanical, Civil, or Aerospace Engineering.
2.Proven expertise in continuum mechanics and excellent programing skills (MATLAB, Python).
3.Have keen interest to gain expertise for the Position 2 stated in the AIMS Group link (Opportunities).
4.Meet the requirements for Ph.D. admission stated in the ME Department admission link.
Application process:
Interested candidates are encouraged to check the Opportunities page for detailed description of Position 2. To be considered for the group, please email the PI at athaque@ua.edu with the subject line “PhD Position 2 – Student’s Name”. The email should include the following documents in a single pdf file.
1.Curriculum vitae
2.Contact information for 3 references
3.Undergraduate and/or graduate transcripts
4.Statement of purpose or cover letter (optional, but preferred)
Review and start date:
Review of application will begin immediately and continue until the positions are filled. Although the deadline for Spring 2025 semester is in September, we expect to complete the recruitment process soon.
Group details:
The vision of the AIMS group in the ME Department is to harness the intelligence of micro/nanocomposites and adaptive architectures to manufacture and control multifunctional devices. To provide autonomous and intelligent platforms for healthcare, robotics, infrastructures, and energy sectors, we establish the links between conductive/active materials, reconfigurable structures, and customizable manufacturing methods. For details of the group please visit the AIMS website . To learn more about the department, you can visit the ME Department website .
PhD position: Machine Learning and Finite Element Modeling
We are looking for an enthusiastic student with a MSc degree to conduct research in the area of Machine Learning and finite element modelling of materials. Students with a degree in mechanical or materials engineering or mathematics are encouraged to apply.
Prospective candidates will be assessed based on how well they meet the following criteria:
Excellent degree in their relevant discipline.
Excellent written and spoken communication skills.
The following skills are desirable:
Research background in the area of Machine Learning or Artificial Intelligence.
Ability to develop subroutines in Python, Fortran, and MATLAB.
Ability to work with commercial finite element packages.
Experience in materials modelling.
Application Procedure
Please email your CV and cover letter to Hamid Abdolvand. To apply formally, candidates should send the required documents to the graduate office. For more details, please check the following two links:
UWO- MME
And
https://www.eng.uwo.ca/msdl/
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
==========================================================================
学术期刊
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
袁全,袁驷
杨小猛,李亮,胡雄飞,周焕林
陈卫,汤智宏,彭林欣
刘溢凡,马小敏,王志勇,王志华
赵立菊,王善库,王晓琳,葛新广
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
========================================================================
网络精华
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
新型工业化：基于中国场景的理论刻画
作者：巫强（南京大学商学院教授）
当前，新一轮科技革命和产业变革正在孕育兴起，互联网、大数据、人工智能、数字经济、电子商务等新科技、新产业、新业态不断涌现。数字化、智能化、绿色化不仅成为我国经济发展的主要方向，也使各个产业的技术基础发生革命性变化。特别地，数字化浪潮已成为世界新一轮经济和科技发展的重要战略制高点。促进数字经济与实体经济深度融合（以下简称“数实融合”），以数字经济更好支撑实体经济发展，有助于我国在抢抓变革机遇中充分发挥自身优势，扎实推进新型工业化，进而为中国式现代化构筑强大物质技术基础。
新型工业化是一个具有中国特色、中国场景和中国语境的概念，既有别于西方的传统工业化，也不同于我国过去的工业化道路。早在2002年，党的十六大报告就提出要“坚持以信息化带动工业化，以工业化促进信息化，走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化路子”。党的二十大报告进一步将基本实现新型工业化作为2035年基本实现社会主义现代化的一项重要目标。2024年9月，习近平总书记在全国新型工业化推进大会上强调，要把高质量发展的要求贯穿新型工业化全过程，把建设制造强国同发展数字经济、产业信息化等有机结合。与党的十六大报告提出的新型工业化相比，新发展阶段的新型工业化具有新的时代内涵。一是工业化新动力。以数字化、智能化、绿色化为代表的新的生产技术不断成熟，尤其是以数字技术为代表的新一轮技术革命和产业变革，成为新发展阶段推进新型工业化的关键动力。二是工业化新目标。基础能力是一国整体工业赖以生存和发展的基础，产业基础能力薄弱是制约我国工业发展的关键问题，产业基础高级化、产业链现代化以及产业竞争力提升，成为新发展阶段推进新型工业化的中央目标。三是工业化新路径。工业化路径从主要依靠要素投入的规模扩张，转向主要依靠创新驱动、布局优化、结构优化促进发展。四是工业化新模式。随着人工智能等新一代数字技术的快速发展，智能制造正成为工业发展新趋势。立足新发展阶段推进新型工业化，需要加快人工智能和大数据技术应用，切实推进制造业数智化转型。
因此，我国在新发展阶段推进新型工业化离不开数实融合。数实融合既以大数据、物联网、人工智能等新一代数字技术为基石，又在二者融合过程中不断催生新的技术与产业，进而推动我国向创新驱动发展转变。数实融合推动新型工业化的重点，在于形成多层面的深度融合机制，包括促进新型工业化动力变革的数字创新机制、促进新型工业化效率变革的数智赋能机制、促进新型工业化质量变革的平台并联机制、促进新型工业化环境优化的链网融合机制，等等。这些机制有助于实现产业数字化和数字产业化的协同推进，通过实体经济的数字化变革，提升全社会的经济整体效能，进而在数实融合的基础上加快推进新型工业化，实现经济高质量发展。
近日，南京大学数字经济与管理学院任保平教授执笔的《数字经济与实体经济融合推动新型工业化》一书，由经济科学出版社出版。全书分十八章，共计30余万字。该书立足世界工业化发展历程和数字经济发展新趋势，对数实融合推动新型工业化问题进行了较为深入的探讨。文中涉及的中国式现代化、新型工业化、数字经济、数实融合等，都是当前我国经济发展中的重大理论和实践问题。该书特点包括三个方面。一是以新发展阶段为时代背景，总结归纳了我国新型工业化的新内涵与新特征。把新型工业化置于世界工业化新趋势、中国经济发展步入新阶段和数字经济快速发展的背景下展开研究。二是以高质量发展为目标，结合新发展理念的科学内涵，把高质量发展贯穿到新型工业化的全过程。重点关注基于新一代数字技术的智能化改造如何变革实体经济生产模式、提高经济综合效率、增强经济竞争力。三是以数实融合为路径，研究推进新型工业化的战略定位、战略目标、战略重点、战略任务以及制度设计。进一步探究从消费领域融合深化到生产领域融合、从生产层面融合深化到研发设计层面融合、从产业内部融合深化到产业生态融合的具体机制，突出强调以人工智能赋能新型工业化，以现代化产业体系支撑新型工业化，以全面深化体制改革推进新型工业化。
新型工业化是在现代科学技术推动下，以推动实体经济高质量发展为主题的工业化。该书着眼于以中国式现代化全面推进强国建设，将数实融合作为实现新型工业化的关键路径。需要指出的是，我国当前推进新型工业化的重要性，在于它是在新发展阶段加快形成和发展新质生产力的主战场，而数实融合通过打破传统产业边界，在促进数字经济与实体经济高度适配的同时，推动了整个产业体系的深刻变革和全面重构，无疑有助于实现新型工业化与新质生产力的双向互动。
专访慕尼黑工大前副校长孟立秋：高校如何培养创业型人才
“研究型大学如何培养面向未来的高水平创业型人才？”这是高等教育发展的核心话题之一。近日，科技日报记者走访了常年排名德国大学榜首的慕尼黑工业大学（简称慕尼黑工大），访问了德国国家科学院院士、曾任该校常务副校长多年的孟立秋教授，与她一起深入探究慕尼黑工大的人才培养之道。
应对危机激发创新思路
迄今为止，创建于1868年的慕尼黑工大已培养出18位诺贝尔奖得主。“大学是积累知识、传播知识和创造知识的地方。”孟立秋教授说：“它应该是一个多元化人才宜居的地方，不仅有实验室等软硬件设施，更要有自己的校园文化，师生之间有非常多的良性互动，保持开放和对知识与创新的渴望。”
近年来，慕尼黑工大的全球排名不断上升。孟立秋介绍说：“慕尼黑工大也曾面临经费不足，要裁撤600个工作岗位的危机。后来我们通过内部挖潜和调整学科布局渡过难关，并使得所有学科都能获得足够的资金。这使得我们走向了理、工、医等学科综合发展的道路，交叉学科的创新能力也在得到加强。现在，慕尼黑工大不断推进新的改革，将所有院系整合到7个学院之中，以促进交叉学科的交流和发展。”
慕尼黑工大是德国国际化最好的大学之一。“得益于硕士以上课程全英语教学，慕尼黑工大逐渐形成一个良好的生态，不懂德语的学生也可以来这里求学，国际上最顶尖的人才也愿意来这里任教。”孟立秋说，“对于国际学生而言，慕尼黑工业大学的回复特别快，不用等截止日期就会通知是否录取你。慕尼黑工大还有一个特别有吸引力的地方是它很‘阳光’。教授们心态很年轻，经常与学生交流，会让学生心里暖洋洋的。”
结合当地优势培育创业型人才
在参加精英大学评选时，慕尼黑工大提出了“创业者大学”的概念。它的使命是培养创业人才，而非就业人才。孟立秋说：“慕尼黑工大是创造就业机会的，这也是对研究型大学的要求之一。慕尼黑工大将其作为战略目标，包括在课程设置中，积极鼓励学生去选修如何创业的课程，并在学习阶段就给他们试错的机会。”
谈到慕尼黑工大面向在校学生的试点创业平台，孟立秋说：“这是20多年前在宝马公司赞助下建立的，每年投资大约500万欧元。它可以帮助学生成立初创企业，让学生提前了解创业会遇到些什么问题以及如何解决。让学生心理有准备，将来创业时就不会过于乐观。事实上，我们在培养学生创业的时候会跟学生说，不可能一步登天，先到企业中学习经营，积累人脉，有了一定的经验之后再创业可能会更顺利。很多德国初创公司的领导者都曾经在西门子、宝马这样的大企业中工作过。”
“后来，试点创业平台拓展出了所谓的‘学生工坊’。它为学生提供各种工具和基础设施，例如3D打印机等，从而让学生去实现创新的想法。我们重视的是激发学生的创新兴趣，而不是死读书。”孟立秋说，“学生们在工坊里很容易遇到不同专业的人，更容易组建跨学科团队。学生们感到对他们启发最多的是可以在不同项目里扮演不同角色，如管理者、工程师等。经过历练，学生的系统性思维就比较强。”
通过这些措施，慕尼黑工大已经孵化出不少初创企业，尤其是在AI方面。典型案例包括总部位于慕尼黑的飞行出租车公司Lilium。
注重培养学生三种能力
孟立秋说：“慕尼黑工大特别强调和注重培养学生的三种能力。一是系统思维能力。德国教育体制比较重视培养学生的合作技能，而不是竞争技能。这种系统思维会带来全局观，有利于找到全局最优解。二是批判性思维。简单地说就是对事物持质疑的态度。质疑是创新的基础。哪怕是公理，你也可以去质疑。任何的公理都会有局限性和时效性。三是和不确定性相处的能力。不再纠结于让学生找到一个确定的答案，而是强调怎么去面对不确定性，同时还可以作决策。”
“我们希望慕尼黑工大的学生能勇敢面对复杂的难题，如环保、气候、能源等。这是现代顶尖大学最关注的内容之一。”孟立秋说，“未来，大学会更加注重微学习的概念。即不再简单的以追求学位为目标，而是需要什么学什么。学生自主搭建自己的知识体系，以便更好地适应未来工作岗位的要求。此外，基于内驱力的学习也会变得更加重要。这样的学生学习积极性会更高，心理也会更健康，有利于把学生的好奇心与对社会的有用性结合起来。”
========================================================================
结 束
∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽∽
苏公网安备 32010602010395