新浪微博
来源： 发布时间：2017-11-03
刘维民（中国科学院院士、固体润滑国家重点实验室主任）
中国工程院咨询报告《摩擦学科学及工程应用现状与发展战略研究》指出：我国工业领域应用摩擦学知识，可节约潜力估计为GDP的1.55%。加强摩擦学的研究和开发，将为装备制造、航天航空、船舶、矿山冶金、生命与健康等相关产业以及能源清洁生产和高效使用、减少温室气体排放等领域提供可靠的润滑解决方案，有效促进经济和社会发展。
为此，我们建议应强化以下研究和应用开发：一是从原子、分子层次上认识摩擦的本质及润滑的作用机制，通过物理化学等技术手段实现对摩擦的有效调控，提出降低摩擦和磨损的更有效方法；二是需要深刻认识苛刻环境条件下润滑抗磨材料的组分、结构与性能在使役过程中的演变规律，发展极端环境工况下润滑抗磨的新原理及摩擦磨损控制方法，以满足高技术装备的性能和长寿命高可靠运行的需求；三是利用层状材料如碳薄膜、石墨烯以及软物质材料如生物大分子、水凝胶等探索获得超低摩擦的原理和方法，发展适合工程化的材料技术；四是发展绿色润滑材料，发展节能明显、环境友好的生物基润滑油脂及其添加剂、离子液体等材料技术，形成独立自主的润滑材料分析检测技术；五是重视对润滑及摩擦学知识的传播及相关研究技术人才的培养；六是加大研发投入，重视对核心润滑抗磨技术及高端产品的开发，尽快实现高端润滑油脂及先进固体润滑材料的规模化生产应用。
张钹（中国科学院院士、计算机学学术委员会主任、智能技术与系统国家重点实验室主任）
近年来，深度学习的提出，在人工智能领域中是一个重大突破。正是因为有了深度学习，目前机器人在语音、图像识别、下围棋等很多以往都被认为是人类最擅长的领域，全面超过人类。
为什么机器下围棋能够超过人类？为什么人工智能在图像识别的某些方面会超过人类？我认为有三大法宝：第一是数据，第二是计算资源，第三则是算法。这就是深度学习成功的三大法宝。日常生活中，人们常常感慨大数据的力量，计算资源的力量，但是没有看到背后算法的重要性。比如AlphaGo能够在两三周的时间内，学到几千万个棋局，能够自己和自己下围棋，靠的正是强化学习算法。
但是，人工智能的发展，依然受到多个条件的限制，即大量的数据、完全的信息、确定性的信息和单领域（单任务）。只有这4个限定条件达成后，机器才有可能达到或者超过人类的水平。但是，现实生活中，大量的工作并不符合以上四个条件，这样现在的人工智能技术发展就有困难。
应该说，人工智能现在还做不到具备像人类那样举一反三的能力。推广能力差、鲁棒性差等局限使得人工智能要超过人类只是特定意义上的可能，其实它在很多方面还不如人类。人工智能现在学习的是举一百反一。它需要经过几千万甚至上亿的样本的训练，学过的才能够识别。因此，这里面有大量的研究工作要做。
沈昌祥（中国科学院院士、中国工程院院士、海军司令部研究所总工程师）
习近平总书记曾指出，没有网络安全就没有国家安全，没有信息化就没有现代化。当前，大部分网络安全系统主要是由防火墙、入侵监测和病毒防范等组成，称为“老三样”。通常，信息安全问题是由设计缺陷而引起的，消极被动的封堵查杀无法满足需求。因此，可信计算值得重视。
可信计算是网络空间战略最核心技术之一，应当坚持“五可”“一有”的技术路线。“五可”包括以下几个方面：一是可知，即对开源系统完全掌握其细节，不能有1%的代码未知；二是可编，要基于对开源代码的理解，完全自主编写代码；三是可重构，面向具体的应用场景和安全需求，对基于开源技术的代码进行重构，形成定制化的新体系结构；四是可信，通过可信计算技术增强自主操作系统免疫性，防范自主系统中的漏洞影响系统安全性；五是可用，做好应用程序与操作系统的适配工作，确保自主操作系统能够替代国外产品。
“一有”是要有自主知识产权，对最终的自主操作系统拥有自主知识产权，并处理好所使用的开源技术的知识产权问题。开源技术要受到GPL协议的约束，我国现有基于开源的操作系统尚未遇到知识产权方面的明显纠纷，但仅仅是因为这些系统尚无规模应用，一旦我国自主操作系统形成气候，必然会面临这方面的挑战。
总之，面临日益严峻的国际网络空间形势，我们要立足国情，创新驱动，军民协调发展，解决受制于人的问题。坚持纵深防御，构建牢固的网络安全保障体系。
贺克斌（中国工程院院士、清华大学长江学者特聘教授、环境学院院长）
排放清单是大气污染模式的起始输入数据，是研究空气污染物在大气中物理和化学过程的先决条件，也是国际上区域空气质量管理的3大核心支撑技术之一。如何有效编制排放清单，让其在政策制定和科学研究中起到重要作用？在空气污染的城市尺度上，我们可利用环保部门提供的数据，通过多元数据同化技术，形成支撑研究和决策的数据产品；在区域及全球尺度上，则运用多尺度清单耦合技术、多元统计回归分析方法、基于消费视角核算方法。
举例而言，要制作机动车排放清单，需要把机动车排放数据、交通流数据以及气象数据集成起来。具体到京津冀地区的机动车排放清单，则需要统计出一天24小时北京、天津、石家庄、保定等城市之间大大小小的路网每小时的排放变化数据。另外，还要对一种机动车排放进行跟踪测试，如对同样的车型、同样的油品分别在北京、重庆、青海等地测试其排放情况，得出海拔、季节、温度、湿度等因素对油品燃烧及排放的影响，从而建立覆盖全国所有区县的排放因子环境气象修正系数矩阵，提升机动车排放因子的时空精度。
此外，这项工作还需通过时空分配技术和化学物种分配技术，实现排放清单与模式的无缝对接，建立满足三维大气化学模式模拟所需的高分辨率清单技术方法；通过耦合经济、能源、气候和排放等各个领域模式分量，研发人口经济—能源—土地利用—排放源模型的排放预测技术。科
中国工程院咨询报告《摩擦学科学及工程应用现状与发展战略研究》指出：我国工业领域应用摩擦学知识，可节约潜力估计为GDP的1.55%。加强摩擦学的研究和开发，将为装备制造、航天航空、船舶、矿山冶金、生命与健康等相关产业以及能源清洁生产和高效使用、减少温室气体排放等领域提供可靠的润滑解决方案，有效促进经济和社会发展。
为此，我们建议应强化以下研究和应用开发：一是从原子、分子层次上认识摩擦的本质及润滑的作用机制，通过物理化学等技术手段实现对摩擦的有效调控，提出降低摩擦和磨损的更有效方法；二是需要深刻认识苛刻环境条件下润滑抗磨材料的组分、结构与性能在使役过程中的演变规律，发展极端环境工况下润滑抗磨的新原理及摩擦磨损控制方法，以满足高技术装备的性能和长寿命高可靠运行的需求；三是利用层状材料如碳薄膜、石墨烯以及软物质材料如生物大分子、水凝胶等探索获得超低摩擦的原理和方法，发展适合工程化的材料技术；四是发展绿色润滑材料，发展节能明显、环境友好的生物基润滑油脂及其添加剂、离子液体等材料技术，形成独立自主的润滑材料分析检测技术；五是重视对润滑及摩擦学知识的传播及相关研究技术人才的培养；六是加大研发投入，重视对核心润滑抗磨技术及高端产品的开发，尽快实现高端润滑油脂及先进固体润滑材料的规模化生产应用。
张钹（中国科学院院士、计算机学学术委员会主任、智能技术与系统国家重点实验室主任）
近年来，深度学习的提出，在人工智能领域中是一个重大突破。正是因为有了深度学习，目前机器人在语音、图像识别、下围棋等很多以往都被认为是人类最擅长的领域，全面超过人类。
为什么机器下围棋能够超过人类？为什么人工智能在图像识别的某些方面会超过人类？我认为有三大法宝：第一是数据，第二是计算资源，第三则是算法。这就是深度学习成功的三大法宝。日常生活中，人们常常感慨大数据的力量，计算资源的力量，但是没有看到背后算法的重要性。比如AlphaGo能够在两三周的时间内，学到几千万个棋局，能够自己和自己下围棋，靠的正是强化学习算法。
但是，人工智能的发展，依然受到多个条件的限制，即大量的数据、完全的信息、确定性的信息和单领域（单任务）。只有这4个限定条件达成后，机器才有可能达到或者超过人类的水平。但是，现实生活中，大量的工作并不符合以上四个条件，这样现在的人工智能技术发展就有困难。
应该说，人工智能现在还做不到具备像人类那样举一反三的能力。推广能力差、鲁棒性差等局限使得人工智能要超过人类只是特定意义上的可能，其实它在很多方面还不如人类。人工智能现在学习的是举一百反一。它需要经过几千万甚至上亿的样本的训练，学过的才能够识别。因此，这里面有大量的研究工作要做。
沈昌祥（中国科学院院士、中国工程院院士、海军司令部研究所总工程师）
习近平总书记曾指出，没有网络安全就没有国家安全，没有信息化就没有现代化。当前，大部分网络安全系统主要是由防火墙、入侵监测和病毒防范等组成，称为“老三样”。通常，信息安全问题是由设计缺陷而引起的，消极被动的封堵查杀无法满足需求。因此，可信计算值得重视。
可信计算是网络空间战略最核心技术之一，应当坚持“五可”“一有”的技术路线。“五可”包括以下几个方面：一是可知，即对开源系统完全掌握其细节，不能有1%的代码未知；二是可编，要基于对开源代码的理解，完全自主编写代码；三是可重构，面向具体的应用场景和安全需求，对基于开源技术的代码进行重构，形成定制化的新体系结构；四是可信，通过可信计算技术增强自主操作系统免疫性，防范自主系统中的漏洞影响系统安全性；五是可用，做好应用程序与操作系统的适配工作，确保自主操作系统能够替代国外产品。
“一有”是要有自主知识产权，对最终的自主操作系统拥有自主知识产权，并处理好所使用的开源技术的知识产权问题。开源技术要受到GPL协议的约束，我国现有基于开源的操作系统尚未遇到知识产权方面的明显纠纷，但仅仅是因为这些系统尚无规模应用，一旦我国自主操作系统形成气候，必然会面临这方面的挑战。
总之，面临日益严峻的国际网络空间形势，我们要立足国情，创新驱动，军民协调发展，解决受制于人的问题。坚持纵深防御，构建牢固的网络安全保障体系。
贺克斌（中国工程院院士、清华大学长江学者特聘教授、环境学院院长）
排放清单是大气污染模式的起始输入数据，是研究空气污染物在大气中物理和化学过程的先决条件，也是国际上区域空气质量管理的3大核心支撑技术之一。如何有效编制排放清单，让其在政策制定和科学研究中起到重要作用？在空气污染的城市尺度上，我们可利用环保部门提供的数据，通过多元数据同化技术，形成支撑研究和决策的数据产品；在区域及全球尺度上，则运用多尺度清单耦合技术、多元统计回归分析方法、基于消费视角核算方法。
举例而言，要制作机动车排放清单，需要把机动车排放数据、交通流数据以及气象数据集成起来。具体到京津冀地区的机动车排放清单，则需要统计出一天24小时北京、天津、石家庄、保定等城市之间大大小小的路网每小时的排放变化数据。另外，还要对一种机动车排放进行跟踪测试，如对同样的车型、同样的油品分别在北京、重庆、青海等地测试其排放情况，得出海拔、季节、温度、湿度等因素对油品燃烧及排放的影响，从而建立覆盖全国所有区县的排放因子环境气象修正系数矩阵，提升机动车排放因子的时空精度。
此外，这项工作还需通过时空分配技术和化学物种分配技术，实现排放清单与模式的无缝对接，建立满足三维大气化学模式模拟所需的高分辨率清单技术方法；通过耦合经济、能源、气候和排放等各个领域模式分量，研发人口经济—能源—土地利用—排放源模型的排放预测技术。科
分享到：
