黄土高原现代表土和南佐遗址蜗牛壳体稳定碳氧同位素值数据集我们从黄土高原及其周边区域的9个现代表土蜗牛样品中共获得了20对蜗牛壳体的碳(δ¹³Cₛₕₑₗₗ)、氧(δ¹⁸Oₛₕₑₗₗ)同位素数据。其中以V. tenera的数据量最多(8对),其次为P. aeoli(4对)和P. orphana(3对),其余5个属种C. fasciola、C. lubrica、G. armigerella、K. lamprocystis和S. evoluta各获得1对数据。从南佐考古遗址样品中共获得26对δ¹³Cₛₕₑₗₗ和δ¹⁸Oₛₕₑₗₗ数据,主要来自V. tenera(12对),其次为P. orphana和P. aeoli各4对,其余3个属种G. armigerella、K. lamprocystis和Vallonia cf. pulchella分别获得2对数据。
北京市五环内分异指数数据集(2016、2019、2023年)“北京市五环内2016、2019、2023年分异指数数据集”以北京市五环为研究边界,基于百米网格(100 m × 100 m)的人群属性数据,在2016、2019、2023 年三个时点计算并汇总社会空间分异指数。每个年份对应一组城市尺度的分异度量,涵盖:基尼系数、香农多样性指数、辛普森多样性指数、相对绝对差异、变异系数、绝对分异指数、相对分异指数、差异性指数、阿特金森指数、隔离指数、相对集中指数。所有指数为无量纲(部分指数理论域值在 [0,1]),用于刻画总体不均衡、多样性、集中/隔离与与参照分布的偏离程度。本数据仅用于科学研究,不作为任何非科研争议依据。
北京五环内100米分辨率绅士化空间类型区划分数据集(2023年)本研究的数据以北京市五环区域内的百米网格(100 m × 100 m)为基本空间单元,采用常住人口口径对网格内人群结构进行刻画,聚焦2023 年这一基准时点(如开展跨期比较,将在一致口径下补充历年数据)。每个网格包含 64 项社会空间指标,覆盖性别、年龄、收入、受教育程度、消费水平、资产状况、人生阶段、职业与行业等九大维度。各指标统一以占比,必要时配套提供分母规模与有效样本阈值信息以便质量控制。数据以矢量网格与属性表形式组织,坐标统一为 WGS-84-50N,空间范围为北京市五环内的12000余绅士化空间网格,便于后续的空间统计与可视化表达。
HTSC-2025HTSC-2025数据集是一个常压高温超导体基准数据集,包含了从2023年到2025年理论物理学家基于BCS超导理论预测的超导材料,包括著名的X2YH6系统、钙钛矿MXH3系统、M3XH8系统、从LaH10结构演变而来的笼状BCN掺杂金属原子系统以及从MgB2演变而来的二维蜂窝结构系统。该数据集旨在为AI驱动的超导转变温度预测提供标准化的基准,并已经开源供研究使用。
北京中心城区绅士化空间定量识别与类型特征关联数据绅士化是具有较高社会经济地位群体在一定空间内的聚集现象和社会空间高端化重构过程,国内既有研究更多关注于绅士化特征与过程描述,以及由此延展的机制与效应分析,较少以计量手段展开城市范围精细尺度的绅士化空间识别与类型划分研究。本文以北京五环路围合的中心城区为例,基于百度地图慧眼时空大数据(百度慧眼)提供的100 m网格居民社会经济属性数据库,选取收入水平、教育层次和职业特征等相关指标,采用半监督聚类和集成学习方法,量化识别具有典型绅士化特征的城市空间,并利用遗传增长算法开展绅士化类型分析并比较类型间差异。
北京绅士化空间类型区划分结果与居民社会属性比较数据集(2023年)“北京绅士化空间类型区划分结果与居民社会属性比较(2023年)”数据集以北京市五环内为空间范围、2023 年为时间截面,基于百米网格(100 m × 100 m)社会空间属性生成14 个绅士化类型区的最终划分结果,并提供各类型区在当年64 项社会空间指标(性别、年龄、教育、收入、消费、资产、人生阶段、职业与行业等)的区内平均值。全部指标为[0,1] 的占比,本数据仅用于科学研究,不作为任何非科研争议的依据。
北京五环内100米分辨率绅士化空间识别数据集(2023年)本研究以研究区域内的百米网格(100 m × 100 m)为基本空间单元,对2016 年与2023 年两个时点的人群结构属性开展统计与对比分析,以2023 年为现状、2016 年为基期。在统计口径上,各项人群属性均按常住人口口径计算占比(分母为网格内常住人口),并统一以 0–1 或百分比表示。具体变量包括:x1 为2023年中高收入人群占比,x2 为2023年白领职业人群占比,x3 为2023年本科学历人群占比;x4、x5、x6 分别表示上述三类人群占比在 2023 年相对 2016 年的增长值(用百分点衡量,以避免不同年份绝对量口径差异的干扰)。数据形态为网格级截面与两期增量结合的“准面板”,支持对空间格局与阶段性变化的联合刻画。
SlotPi数据集SlotPi数据集是一个包含物体交互、流体动力学和流体-物体交互的真实世界数据集。该数据集旨在验证SlotPi模型的能力,该模型是一个基于槽位的物理信息物体中心推理模型。模型结合了基于哈密顿原理的物理模块和时空预测模块,用于动态预测。实验结果表明,该模型在基准数据集、流体数据集和真实世界数据集上表现出色。
UserStudyUserStudy数据集是由中国人民大学GSAI研究机构收集的,包含31名参与者在实验室环境中完成10个搜索任务时产生的296个搜索会话。每个搜索会话记录了用户的查询、点击等行为数据,以及用户在执行每个操作前的思考过程。该数据集旨在研究用户搜索行为中的认知过程,并用于训练语言模型以模拟人类的思考和行为,推进信息检索领域中用户行为模型的研究。