为什么填方量计算比实际要大！路基实际填筑方量比设计值少得多

一、为什么数字万用表测什么都比实际大，是怎么回事，测市电电压几乎是峰值

市电220V峰值电压是310V    220V×根2=311.8V。
    你确定你用交流挡测市电是310V???  如果这样的话，那多数是表直流基准电压偏离，请先检查直流电压挡以及AD转换器的正常工作电压和基准电压。
。

二、公路工程，填方量往往较大，把挖方调运至填方时是否需要考虑天然方折算成压实方的系数？

公路工程，填方量往往较大，把挖方调运至填方时是否需要考虑天然方折算成压实方的系数需要查阅合同约定。
有约定的按约定进行，没有约定的按规范要求进行。
一般情况下都按照挖方量、运输距离、回填量分部计算（所算的方量均按照实方计算）。

三、CASS方格网土方计算，为什么5米宽和20米宽算出来相差很大，应该怎么选择宽度？

方格网法土方计算的基本原理就是先计算小方格对应的圆锥体积的大小，然后累积计算从而得到总的土方量。
5m的和20m的精细程度不一样，所以最后结果有差别。
方格网的宽度的选择是与野外采集点的分布有关的，如果野外采集点比较密集，则选用5m和20m计算都可以；
如果野外采集点是几十米间隔才有一点，最好就用20m的，这样的情况下，采用5m的方格网就不合适了，没有实际意义。

四、路基实际填筑方量比设计值少得多

设计的方量是压实后的，比如一个坑，1000立方，设计给的就是1000立方，实际填的要1000立方以上，因为要压实，你这种情况有两种原因：设计没有到过现场，设计依据与实际情况相差太大，另外一种情况是少计了 你们如果测量过填土之前的标高什么的，可以跟甲方协商一下，按照设计的方量来结算，但是按照实际填土方量结算估计是不可能了

五、为什么容器的体积减小一半，反应体系中物质的量增大

为什么容器的体积减小一半，反应体系中物质的量增大首先纠正楼上一点，在密闭容器内，该反应是可以视为平衡反应的！为什么?因为生成了氢气，氢气是会还原铁的氧化物的.

六、南方cass方格网计算土方比实际的大很多，数据没问题，这是什么原因？

方格网算土方本来就不太准确~如果想提高准确的话建议还是用两期三角网对比

七、请问填方路基是“填方量大于挖方量的路基”还是“只有填方，没有挖方的路基”？

这个问题首先要弄明白路基的分类：填方路基，挖方路基，石方路基是按施工方法定的。
而你纠结的“半填半挖”是按施工断面分类的：路堤，路堑，半填半挖。
只要你在进行填方施工，那这就属于填方路基。
同时进行挖方施工，他也叫挖方路基。
挖方和填方路基的施工方法和要求是不一样的。
如果你非要确定一个名称，那你就可称为：半填半挖路基或路堤。
和土方量没有关系。
只是和路基的横断面有关系，而跟纵断面没关系。
设计路面顶标高小于挖方段自然标高为：半填半挖；
如果设计路面顶标高大于挖方段自然标高则为：路堤。
-------希望我能表达明白。

八、我们为什么要发展类脑计算？

大家知道现在我们生活在一个数码宇宙，万事万物随时随地联系起来，构成一个万物互联的数码宇宙。
这个宇宙成长非常快，信息每两年翻一番，整个宇宙迅速地膨胀，而且从来不退步。
这样一个宇宙是基于我们现在的计算机架构，而计算机架构又基于冯诺依曼架构。


冯诺依曼架构是我个人认为人类发展史上最简洁、漂亮、对我们影响最大的一个架构。
它的特点是计算和存储分离，计算和存储都通过总线来回调度。
大家可以设想一下，来回调度耗费了很多能量，耽误时间速度慢，造成了堵塞，所以有了带宽的瓶颈。
因此，计算机领域最高的图灵奖2022年的两个得主Hennessy和Patterson最近写了一个长文，结论是未来的10年是计算架构发展的黄金十年。
因为我们过去是用计算机做计算，现在我们是用它处理信息，而我们的数码宇宙每两年翻一番，就是能耗也受不了。


当然还有其它原因，就是我们现在生活在一个人工智能时代，人工智能取得了非常大的成绩。
不过我们发现，尽管可以用AlphaGo战胜世界冠军，但是仍然有很多瓶颈。
简单来说我们必须满足5个条件，那就是充足的数据、确定性的问题、完备的知识、静态的环境和单一的系统。


举个例子，如果我们让一个智能机器人从这里出去，如果不事先编程，它是做不到的。
因为我们人用了几年的时间建立起“我”这个概念。
在哪里？怎么出去？走门儿，还是走窗户？所有的这些都与我们的通用智能有关。
所以我们的结论是，我们要发展一个人工通用智能，我们想象的人工通用智能。
只是我们没有充足的数据，现在数据很少甚至很多假数据，很多问题也不能明确。


我们碰到过一个动态的，而且有很多系统交互在一起，但是我们的系统仍然能够处理。
这就是我们希望的人工通用智能。
要发展人工通用智能，我们必须向脑学习，因为整个宇宙是目前唯一的一个通用智能体。
我们把脑和电脑做一个比较，会发现电脑强的，人不强；
电脑不强的，人强。
我们看过《最强大脑》，那些我们叹为观止的、非常让我们羡慕的选手的能力，其实对于计算机来讲是小儿科。
我们发现人脑和电脑两个系统虽然原理不同，但是实际上是互补的，所以借鉴脑科学的基本原理改造现在的计算机系统、发展类脑计算是发展人工通用智能的一个非常重要的部分，因为前者是后者的计算基石。


发展人工通用智能不是一个新的想法。
如果我们看一下过去图灵、冯诺依曼这些大科学家早期的文章，会发现这是我们一直以来的梦想。
现在为什么是发展人工通用智能最好的时机呢？因为随着精密仪器的发展，我们对脑知道的越来越多，我们似乎到了一个理解脑的关口。
超级计算机的发展可以使我们进行很好的模拟仿真，省钱、省力、省时间。
大数据、云计算给我们提供了一个像脑一样复杂的系统，和脑交相呼应，我们可以共同研究、互相促进。
另外，纳米器件已经可以使我们去发展像人脑能耗水平一样的神经元和突触这样的电子器件。


所以，现在是发展人工通用智能最好的一个时机。



——摘自2022年腾讯科学WE大会演讲
附：演讲全文*s：//mp.weixin.qq*/s/lcsefeakSfTsvG3Lz28Nqg

参考文档