本文研究了如何利用 DDDAS 反馈循环来支持 trilemma 的优化组件，利用强化学习代理和模拟组件来提高学习模型的质量，同时减少决策所需的计算开销。

Dec, 2023

这篇研究提出了一种基于区块链和知识图技术的分散和自适应软件框架，以透明和可靠的方式支持物联网环境之间的知识交换和互操作性。

Apr, 2022

该论文介绍了利用数字孪生技术来帮助区块链系统的动态管理和重组，通过动态选择共识协议等方式维护区块链系统的性能平衡，模拟结果表明该数字孪生架构能够有效支持区块链的动态适应和管理。

Apr, 2022

近年来，神经科学和人工智能的进展为理解大脑的复杂性以及计算系统对其的模拟提供了前所未有的机会。本文中，我们提出数字孪生大脑（DTB）作为一个桥梁，将生物学和人工智能连接起来。DTB 由大脑结构、底层模型和广泛应用构成。关键是，脑图谱为 DTB 内的大脑网络组织提供了重要约束。此外，我们强调了跨学科领域的联合努力所带来的开放问题，并强调了 DTB 的深远影响。DTB 能够提供对智能和神经系统疾病形成的前所未有的洞察力，这对于推进我们对生物学和人工智能的理解，进一步推动人工通用智能的发展，以及促进精确的精神卫生保健具有重大的潜力。

Aug, 2023

该研究提出了一种基于区块链技术的工业物联网 (DTs) 框架，以解决数据管理和安全性等问题，并讨论了 DTs 和区块链技术集成的关键挑战和未来研究方向。

Oct, 2020

本研究提出了一种基于区块链的框架，通过智能合约共同构建数据集并持续更新模型，使其在公共场所免费使用，并采用金融和非金融激励机制以保证数据的准确性。

Jul, 2019

本文试图寻求用区块链作为信任引擎的设计原则，通过定性和定量研究的混合方法，讨论了区块链的过去、现在和未来发展方向，并得出了区块链设计原则的三个发现：第一，区块链作为分布式数据库的原始设计原则是否得以实现存在争议；第二，区块链社区的现有分类包括隐私和安全、可扩展性、去中心化、适用性、治理和监管、系统设计及跨链互操作性等方面。在这些分类中，隐私和安全的研究和应用更为突出，其他方面仍有较大的发展机会。最终，我们认为必须通过跨学科综合解决方案来弥合当前区块链设计与真正智能世界信任引擎设计原则之间的差距。

Jan, 2023

本文提出了一种将增量学习矢量量化算法（XuILVQ）与以太坊区块链技术结合，以促进分布式环境中的安全高效数据共享、模型训练和原型存储的新型物联网解决方案。通过一系列实验评估我们的系统性能，展示了其在物联网环境中提高机器学习任务准确性和效率的潜力。

Nov, 2023

过渡到 “认知互联网” 时，我们在如何与技术和智能互动方面发生了重大转变。本文介绍了 “认知互联网” 的基础要素、特点、益处和产业影响，并强调了适应性人工智能基础设施和混合边缘云平台在支持这种转变方面的重要性。通过案例研究、展望性观点和实际应用支持，提供了对这一新兴范式的全面洞察。

Jan, 2024

提出一种通过区块链和智能合约实现的数据中心联邦学习架构，其中包含一个虚拟的公共市场，提供高质量的数据以供训练，通过激励机制提高数据质量和完整性，该架构有助于提高训练数据集的增长速度和模型准确性。

Jun, 2022