图:一名病人被装上 UH-60A 黑鹰医疗后送飞机。通过减少执行医疗后送任务所需的飞行员和机组人员数量,以及通过执行管理功能和在途中监控病人,人工智能将在提高病人运送的准确性和效率方面发挥不可或缺的作用。(照片由美国陆军 David Preczewski 少校提供)

人工智能(AI)、机器学习(ML)和机器人技术通过开发智能软件和机器,相互促进人类的表现和军事准备。人工智能和相关技术的不断发展将继续影响大众文化、科学、机器人技术、金融、市场营销、供应链和医疗保健。

人工智能通过重复模式识别来模仿人类智力和处理功能,如语言、学习和解决问题。ML 和神经网络流程可获取大量数据集,从而 "训练 "算法并开发自适应 "智能"。定量研究和应用研究证明了人工智能、ML 和人机融合的功效,在军事环境中,人机融合通过射程、续航时间、有效载荷、生存能力和适应性提高了杀伤力,极大地改变了作战策略。

2022 年,OpenAI 发布了 ChatGPT,人工智能彻底改变了现代文化和社会动态。生成式人工智能平台将这一曾经遥远的科幻概念推向了公共领域,只要有网络连接,任何人都可以广泛使用。在如此快速的发展之后,未来的应用将提供无限的潜力,特别是,据评估,这项技术将通过增强军事领导人的决策、改善态势感知和优化资源补充来支持人类的认知,从而在当前和未来的战场上作战并取得胜利。人工智能可为军事决策者提供有价值的见解和分析,这些见解和分析基于处理大量高速、高容量数据的算法,可识别出超越人类认知的趋势和模式,尤其是在大规模和梯队中。

人工智能可为大规模作战行动(LSCO)期间提供医疗服务的极端挑战提供解决方案,具有重大影响。陆军未来司令部描述了陆军医疗系统(AHS)在未来作战环境中所面临的挑战,包括高伤亡率、延迟撤离和补充以及多域和新型复杂地形环境的致命性。为了减轻这些挑战,AHS 将为所有作战领域的作战部队提供支持。敌人的反介入和空中拒止能力将限制美国的海陆空兵力投送。在网络领域,美国空中医疗服务系统的资产受到敌方获取部队结构和患者数据、武器化错误信息以及中断网络访问的网络攻击的威胁。在冲突期间,美国医疗服务系统将面临一场过度活跃、致命和动能的战斗,阻碍稳定和固定的医疗行动。未来作战环境所面临的这些挑战将使美国陆军医疗服务局完成保存战斗力这一持久任务的能力捉襟见肘。

最近的实验表明,自二战以来从未出现过的压倒性伤亡率:在未来的LSCO中,陆军可能在七天内损失两万一千名士兵,相当于一个军团规模的部队。这些实验证明,在未来战场上,陆军医疗服务系统需要增加后送和治疗的容纳量,同时尽可能迅速地将高比例的伤病军人送回前线,以保持部队的杀伤力。

为了应对未来作战环境的挑战,空中医疗服务系统有三项行动要务,其中每一项都可以通过应用人工智能来支持。首先,AHS 必须清除战场上的伤亡人员,以此来解放作战部队,使其能够移动和作战;在未来的战斗中,机动性是最重要的。清理战场后,为了保存战斗力,AHS 必须尽可能地向前推进,最大限度地重返岗位,这首先要在驻军中执行 AHS 部队健康保护(FHP)任务。驻地医疗为降低军人因疾病、感染和受伤引起并发症的风险做好了医疗准备,从而确保军人在部署前就能有效履行职责。在前方环境中,AHS 通过由作战医疗组织执行的医疗服务支持(HSS)任务来治疗生病或受伤的人员,从而将维持能力纳入其中。最后,AHS 必须克服后勤保障方面的预期威胁。军事医疗补给不会超过机动部队的补给需求,因此 AHS 系统在管理医疗后勤方面必须保持敏捷和灵活,尤其是在减轻预期的大规模伤亡事件方面。只有解决了这三个相互交织的当务之急,AHS 才能发挥其保存战斗力的作用,而人工智能将成为 AHS 解决 LSCO 的信息、风险和决策难题的革命性工具。

指挥与控制

正如技术发展在过去几十年中迅速加速一样,陆军也越来越依赖数据为决策提供依据并获得信息优势。从指挥与控制(C2)的角度来看,有机会利用人工智能来快速处理数据。今天,我们可以通过深度学习、模式识别、重复决策以及人工智能区分图像独特属性和元素的能力来看到这一点。深度学习的后续应用可实现自动化,整合无人系统,并通过卸载和加速整个战场的信息来减少人为错误。人工智能通过加快计算机运算速度、改进算法、获取大量高精度和成熟的数据,加快了向作战人员提供数据的速度,从而推动了 ML 和深度学习的发展。

美军重新获得并保持信息和决策优势的能力依赖于联合全域指挥与控制(CJADC2)概念。CJADC2 提供了一种协调一致的方法,用于塑造联合部队的指挥控制,并产生作战能力,以便在战争的各个层次和阶段、跨所有领域、与合作伙伴和盟友一起感知、理解和行动,从而以相关的速度提供信息优势,同时在对手的决策周期内采取行动。

感知是发现、收集、关联、汇总、处理和利用来自所有领域和来源的友好、敌对和中立数据的能力,然后共享信息以支持决策。感知是指分析数据,以便更好地了解和预测作战环境、对手的行动和意图以及我方友军的行动。感知数据转化为信息,再转化为知识,从而增强联合部队和合作伙伴的决策能力。当人类评估与感知和理解的技术手段相结合时,领导者就能更好地对对手采取行动。

人工智能与 AHS 的交叉有可能彻底改变军事医疗专业人员在战场上的工作方式。随着人工智能技术的进步,医疗保健系统有可能变得更高效、更准确、反应更迅速,从而挽救生命并改善受伤士兵的整体治疗效果。人工智能通过改善监控、快速治疗病人、更有效地转移伤员以及实现准确的再补给,支持美国医疗服务系统应对未来的挑战。

最大限度地恢复人员

早期、精确的干预能最大限度地恢复战士的工作能力,并提高战场内外的生存能力。医疗保健技术不断发展:系统比人类更精确、更便宜、更快速、更小巧,而且能达到更远的距离。医疗保健利用数据为急性、常规和紧急临床决策提供支持;人工智能的融入将带来无限价值。与大多数医疗系统一样,美国医疗服务系统也是训练有素的专业人员,他们的任务要求在巨大的压力下快速汇总数据,以治疗和拯救人类和动物--我们的军事战士。这些重要功能需要依靠人来捕捉、整合、解释、分析和利用数据,为医疗保健提供信息。军事医疗保健的基石仍然是人,这是军事组织中最复杂、最昂贵的资产,然而,考虑到有限的资源和未来战斗中可行的数据饱和度,人工智能将以机器的力量增强人力。整个 AHS 系统的人工智能将发挥医疗保健倍增器的作用,提高成本效益,弥补人员短缺,扩大有限的医疗能力,减少错误,优化工作流程,改进数据处理和分析,促进精准医疗。人工智能在临床和运营方面具有潜力,可以改变美国医疗服务体系在监控和交付领域的医疗服务。在国内,人工智能将提高整个联邦卫生局的生产力和医疗效率,在国外,在战斗中,人工智能将通过卫生和社会服务系统提高医疗效率。

图:支持 2030/2040 年陆军的医疗能力发展集成局构想

部队健康保护:监测

人工智能将通过回顾性和前瞻性健康监测和疾病预防计划加强部队健康保护。通过分析数据,人工智能可为医疗规划提供信息,并确定人群和个人的潜在健康风险。

人工智能的应用范围很广,从预测分析到数据整合,再到预测高危人群的疾病进展和预防措施建议。这些预测将使临床和非临床领导者能够及早干预,并有可能减少进展或完全防止不良后果的发生。

人工智能还可以通过生物识别数据的汇总,为疾病进程、用药反应以及早期干预或诊断的需要提供信息。可穿戴生物识别传感器技术(如单独佩戴的手腕或戒指监测器)是增加数据以提供治疗的一个要素。这种实时数据源将为医疗服务提供者提供实时和累积的信息,并教育患者如何以最佳方式进行健康和康复,并在战斗中为治疗提供信息。更强大的是,在军队中输入的这种可穿戴数据源将为物理和职业治疗师、营养师、行为健康专家、初级保健提供者和急诊提供者提供信息,以改进他们的治疗计划,帮助指导最佳干预和治疗,同时自动填充病人的纵向健康记录。

实时医疗监控和趋势分析将按梯队为领导者提供可操作的建议。生命体征异常集群可能是人为或自然环境暴露的信号,将提醒相关领导,并提出原因和相关建议。这些记录参考了所有国家和所有来源(包括国家卫生部、世界卫生组织和非政府组织)的汇总数据,可以为战场提供更全面的健康情报准备。

图:作战卫生信息技术概览

来自医疗传感器的临床数据将使整个作战空间的医疗领导者能够访问临床数据并评估各自组织的绩效。人工智能将实现临床数据解读,识别与结果相关的模式,开发预测性分析,并向临床和非临床领导人提出解决方案。

在军事医疗方面,要想将医院以外的能力(如兽医和牙医能力)纳入其中,就必须对 AHS 提供者进行初步培训,这是一项密集、人力密集的任务,但人工智能可以帮助减轻这一负担。非医疗技术人员在人工智能的协助下进行筛查,而不是由 AHS 提供者进行月度检查等个人公共卫生和预防性筛查,可以提供具有成本效益的健康风险评估。筛查是一种公共卫生活动,它不能为患者个人提供干预诊断,但能提供风险评估,说明患者患某种疾病的可能性有多大。人口层面的口腔疾病监测系统可以加强筛查过程,每年为数以万计的士兵免去人工筛查决策。利用人工智能为这一系统和其他类似系统提供信息,可以在整个美国保健服务系统中扩大单个训练有素的牙医或服务提供者的服务范围。此外,人工智能将利用患者数据来识别士兵在整个职业生涯中的风险因素,并在计算中加入其他健康因素。当士兵准备部署时,人工智能增强型风险评估将再次有助于识别那些疾病风险最高的人,并将他们转介到治疗机构进行诊断和治疗。仅在行为健康领域,人工智能就有可能及早、经常地识别高危人群。

人工智能通过回顾性和前瞻性的健康监测和疾病预防计划来加强部队健康保护。部队健康保护中的人工智能为医疗规划提供信息。

医疗服务支持:治疗

与非军事医疗保健和人工智能在医疗领域的应用进展一样,美国医疗保健服务也可以利用人工智能改善治疗和医院管理。人工智能、深度学习、自然语言处理和 ML 功能已通过提高诊断准确性、治疗计划、风险因素评估、健康沟通和医疗管理,证明了在非手术医疗环境中的功效。人工智能算法可快速识别趋势、模式和洞察力,适用于受伤点、床旁和 C2 监督,为生存能力和未来 AHS 的改进提供信息。将这些分析工具量身定制为作战医学任务集,可使 AHS 和军事医学受益匪浅。

在医疗保健领域全面扩展和整合现有的人工智能基础设施将直接应用于战争中的治疗和护理。目前的综合努力包括使用 ML 算法进行医疗诊断、预测建模,以及消化电子健康记录输入的个性化治疗计划。采用这些工具和其他工具将有助于扩大临床决策支持系统,更广泛地纳入循证医疗,并迅速缩小鉴别诊断范围,同时大规模提供精确的治疗计划。未来战争环境的挑战要求在资源有限的环境中提供长期护理,并纳入不断变化的客观大规模伤亡计划。人工智能作为一种工具,将使任何护理级别的 AHS 提供者都能根据疾病诊断和患者管理情况迅速调整护理,并在分诊过程中立即提出建议。对于从作战军医到神经外科医生的提供者来说,人工智能有可能使护理计划同步化和标准化,并利用有限的资源系统地告知最重要的生存潜力。

如今,人工智能在军事医学中的应用还很缓慢,但将人工智能纳入 AHS 将最大限度地提高返岗率并挽救生命,同时还能为未来的临床实践提供建议。人工智能使各级医疗团队能够在其工作范围内发挥最大作用,通过减轻未来战场的紧张程度来挽救生命。

清理战场

机动部队的解编在很大程度上有赖于清理战场和调节整个 AHS 病人流的能力。人工智能将在提高处理病人流动请求(PMR)的准确性和效率方面发挥不可或缺的作用。人工智能可以极大地改变空中医疗服务系统病人的流动,从启动途中病人护理到提供最终护理。

图:2022 年 2 月 5 日,一架西科斯基 UH-60A 黑鹰直升机在肯塔基州坎贝尔堡上空进行首次无人驾驶飞行,这是美国国防部高级研究计划局 "机组人员实验室座舱内自动化系统 "计划的一部分。(图片由 DARPA 提供)

启动 PMR 或 "9 线 "时,生物识别可穿戴设备等数据输入技术将把数据传输到陆军数据结构中。这种 PMR 的早期通知可让医疗团队更好地为病人需求做好准备,数据可通过近场通信设备或低轨道卫星(如无人机和气球)进行近实时共享,以确保为决策提供共同的操作画面。当医护人员接到可能有伤员的警报时,人工智能会自动完成分流并填充 PMR,使医护人员能够专注于病人护理,而不是处理或调度管理数据。人工智能算法会整合和总结受伤模式、生存能力分流、转运时间、医疗用品可及性和可用医院床位,从而为最佳撤离行动决策提供信息。这些信息将帮助医护人员确定在受伤地点提供的适当护理,以及运送病人的最佳包装。人工智能还能智能地将运输平台任务分配给 PMR,并提醒所有护理角色。

将人工智能集成到疏散平台中可以采取多种形式。完全自主的车辆可以在不需要人工监督的情况下运行。半自动平台可以通过减少机组人员的工作量来减少平台所需的驾驶员或飞行员数量。人机协作将减轻医疗部队的体力负担。

对抗性后勤

无论在什么环境下,高质量的医疗保健都需要医疗用品(第 VIII 类)。有争议的后勤问题包括供应链受阻与无法在战场上的一个或多个领域取得主导权的对立。就医疗后勤而言,需要快速运送血液和 VIII 级物资,但由于空域存在争议,设备很可能无法空运,从而增加了补给之间的运送时间。在多域行动中,由于天气、路况和渡水等原因,医疗服务的提供变得更加复杂,从而增加了滞后时间。在这种无情的战场环境中,将人工智能融入第八类医疗服务的提供成为创新和提高效率的关键驱动力。当务之急是探索人工智能和 ML 如何彻底改变艰苦环境下的供应链管理,并重塑必须在这种条件下复制的传统流程。

为了克服后勤方面的竞争,AHS 将需要一个强大的综合医疗 C2 系统,利用生物识别可穿戴传感器、电子健康记录系统和维持系统的数据输入,在与 ML 和 AI 相结合的情况下,将被动后勤转变为预测后勤。

几十年来,人工智能重新定义了民用部门的预测和需求计划。与医疗保健领域一样,人工智能多年来也加强了非战争环境下的供应链管理。人工智能算法通过研究外部因素、市场趋势和历史数据,大大提高了需求预测的精确度。ML 模型(如集装箱货运站使用的模型)可以不断学习和调整,以改进预测性物流。融入人工智能和 ML 将有助于减少多余库存,同时提高供应链的整体产出。

人工智能有助于为各梯队的维持人员提供精确有效的库存管理。通过实时数据分析和预测分析,人工智能可实现 C2 和精确维持,以优化库存水平、减少处理时间和成本、改善及时配送并挽救生命。规划人员将拥有检测模式和差异的工具,为指挥官提供及时的信息,帮助他们做出积极主动的决策。当人工智能整合数据并更容易地推送预期需求时,地面单元将限制补给时的拉动需求。

人工智能的一个分支--ML,由于能够实时分析海量数据,可用于重新定义预测和需求规划。这将带来超乎寻常的准确性,使维持组织能够在各个层面快速适应。

在供应链日益复杂的竞争环境中,ML 对自主决策至关重要。算法将对错综复杂的数据集进行筛选,并提供可指导战略决策、改善风险管理和灵活性的运行状况。领导者将拥有识别潜在风险和实施先发制人措施的工具,从而加强供应链,抵御不可预见的威胁。

利用人工智能、AHS 和军队优化后勤挑战,可以最大限度地提高返岗率、提高生存能力,并最终在战场上挽救战士的生命。

人工智能在陆军卫生系统中的障碍

尽管人工智能在支持 LSCO 中的 AHS 方面的潜在优势显而易见,但仍存在一些挑战。预计通信将被拒绝、降级、断断续续且带宽有限;机动部队数据通常比健康数据传输保留带宽优先权。作战医疗会产生大量数据,但目前的人工智能系统可能仍需具备足够的能力,才能优先处理大量、高速的此类健康数据。同样,人工智能和相关应用主要依靠大量 "训练数据 "来辨别模式和关系。目前,LSCO 和 MDO 中基于伤亡流、伤害模式和卫生资源的现代医疗保健数据尚不存在,无法为这种模式学习提供信息。作为一种现代技术,人工智能工具和系统尚未在所有军事医学培训或临床环境中常规使用。医疗保健和教育对人工智能理解的需求是显而易见的。然而,军事医疗团队还需要切实可行的培训、更新的指导计划以及深思熟虑的持续接触,以便为在所有作战医疗功能领域采用人工智能流程和系统做好准备。

电子医疗数据还需要额外的安全和安保协议来确保数据安全,正如《HIPAA 安全规则》所描述的那样,目前限制了在可互操作的作战管理指挥和控制信息系统中公开传输医疗数据。作战环境中生成的医疗数据将编入军人的纵向健康记录。虽然人工智能支持改进作战医疗实践、后送、后勤和返岗的工具,但人工智能并不能满足对健康数据安全、私密、无偏见、真实和准确的需求,同时还需要提供高质量、可靠的数据。保护作战健康数据比在驻军中更为重要,因为作战数据可能会泄露部队位置、战斗力,甚至秘密或高价值人员的身份,从而带来风险。

在 AHS 中实施人工智能的其他障碍与在民用部门使用人工智能所面临的挑战如出一辙。人工智能依赖于可访问、安全且极其昂贵的大容量数据存储系统。除了需要进行数据管理和治理外,美国医疗服务系统中的人工智能还必须遵守额外的军方特定法规,同时保持其价值和与业务需求的相关性。此外,人工智能工具和流程的开发还必须很好地融入陆军行动以及冲突期间的艰苦医疗环境。陆军软件工厂毕业生等团队和专业人员以及军团级首席数据官的发展促进了陆军以数据为中心的文化。虽然人们已经认识到对技术专家的需求,但这在 AHS 内部仍处于初级阶段,没有强大的专门技术团队来迭代开发、部署和维护此类动态工具。虽然人工智能在提供医疗服务方面的优势显而易见,但要广泛使用此类系统来支持军事医学,还需要在更大的军事医学数据战略中进行大量投资。

使用人工智能的伦理规范

国防工业基础体系内的防务公司往往会与美国政府客户的法律和政策合规专家进行协调,以帮助确保人工智能系统合规。国防工业的人工智能系统符合有效利用可追溯的可靠系统的要求,并在整个任务期内持续产生公平、无偏见的结果。

人工智能系统在收集到的数据集上进行训练,这些数据集包含偏差,在产生算法偏差时可能会表现出这些偏差。众所周知,人类语言是有偏见的;根据人类语言训练的机器极有可能带有个人色彩,从而导致偏见。利用不包含歧视性语言的政策和数据集,偏见和成见是可以避免的。尽管在开发人工智能系统的过程中存在不确定性和未知因素,但美国政府正在制定相关政策,以确定人工智能模型是否足够安全、可靠和符合国防部的道德规范。

信任数据可以让作战人员在执行任务时行使其知情决策空间,采取行动并击败对手。然而,人工智能/ML 算法无法完全弥补物理理解方面的差距。虽然人工智能有诸多好处,但也有一些道德方面的考虑需要解决。在医疗保健领域使用人工智能的道德影响,以及对同理心和同情心等人类要素的潜在影响,都是问题所在。人工智能是一种增强而非取代富有同情心和专注的军事行动医疗服务的方式。

考虑在提供医疗保健和医疗保健决策中使用人工智能,需要在联合部队内部更新政策。陆军未来医疗概念》阐明了将自动化融入医疗保健的必要性,以确保我们为最多的患者带来最大的益处。关于人工智能和人类在决策中的 "参与 "程度,道德上的争论依然存在。一方面,我们有道德义务利用新兴技术为我们的士兵提供最高水平的医疗服务。假设新兴的人工智能技术利大于弊,而即时性原则将算法护理分流和自主撤离视为 LSCO 中的合理手段。在这种情况下,我们可以说,只要人类仍处于环路中,这就是合乎道德的。

结论

人工智能、机器学习和人机融合可在战场上提供信息优势,使作战人员在投射力量的同时,以相关速度做出明智决策。人工智能有助于在战场上形成共同的作战图景;人工智能和人工智能是融合数据的关键催化剂。人工智能/人工智能大大改善了决策和杀伤链时间轴。人机协同可让人类和机器共同训练,确保作战人员对机器的信任。人工智能和人机协同降低了作战人员的认知负荷,直接优化了知情决策过程,同时实现了联合部队的超配。

人工智能与自动医疗系统的交叉可彻底改变战场上的军事医疗支持。人工智能在加强军事行动和确保每个士兵的福祉方面拥有巨大的潜力。算法护理、医疗监控、后送和预测分析等人工智能技术可以改变为前线提供医疗支持的方式。通过部署人工智能系统,AHS 可以大大提高诊断、治疗和决策过程的速度和准确性。人工智能算法可快速分析海量医疗数据,扩大护理和后送范围,减少人为错误,降低与高压力作战环境相关的风险,使医护人员能够改善伤员的治疗效果并挽救生命。

人工智能可以提高 AHS 的物流和供应链效率。通过利用预测分析,人工智能算法可以预测医疗供应需求,优化库存管理,并简化整个战场关键资源的交付。这种积极主动的方法可确保医务人员获得必要的设备和药品,使他们能够为伤兵提供充分、及时的护理。

人工智能仍在不断发展,因此解决在战场上使用人工智能所涉及的伦理问题和潜在风险至关重要。必须实施保障措施和专业技术监督,以确保负责任地开发和使用人工智能系统。透明度、问责制和稳健的治理框架对于维护人工智能人工智能系统的道德完整性至关重要。通过利用人工智能技术的巨大威力,人工智能医疗系统有可能彻底改变军事医疗支持,从而挽救无数生命,并在未来冲突的胜利中发挥关键作用。

成为VIP会员查看完整内容
16

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《空中无人机拦截: 追踪与捕获策略》
专知会员服务
27+阅读 · 5月29日
《美国陆军小型无人机系统》中文版
专知会员服务
37+阅读 · 5月21日
《用于伤员后送的无人机系统》
专知会员服务
26+阅读 · 5月12日
《无人机蜂群即将到来:未来空中战争的趋势》
专知会员服务
92+阅读 · 2023年9月11日
《2040年未来武器技术》
专知会员服务
78+阅读 · 2023年8月20日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
124+阅读 · 2023年4月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
VIP会员
相关VIP内容
《空中无人机拦截: 追踪与捕获策略》
专知会员服务
27+阅读 · 5月29日
《美国陆军小型无人机系统》中文版
专知会员服务
37+阅读 · 5月21日
《用于伤员后送的无人机系统》
专知会员服务
26+阅读 · 5月12日
《无人机蜂群即将到来:未来空中战争的趋势》
专知会员服务
92+阅读 · 2023年9月11日
《2040年未来武器技术》
专知会员服务
78+阅读 · 2023年8月20日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
124+阅读 · 2023年4月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员