Skip to content
BranchesTags

Repository files navigation

量子文献智能整理系统 (Quantum Literature Intelligence System)

项目概述

项目目标

构建一个结构化的量子计算文献智能整理网站，通过AI技术自动分析和组织学术论文，提供多维度的研究现状展示和研究空白分析。与传统的paper list不同，本系统专注于文献的结构化组织和智能分析。

核心特色

  • 多维坐标系统：基于量子硬件、架构层级、量子时代、量子线路模拟四个维度对文献进行精准定位
  • AI智能分析：自动提取论文关键信息，生成结构化数据
  • 研究空白识别：通过坐标系统分析，自动识别研究薄弱领域
  • 协作式修正：支持用户评论和编辑功能，持续优化AI分析结果
  • 多样化展示：支持列表、卡片、坐标图等多种展示方式
  • 双语支持：中英文无缝切换

技术架构

系统架构图

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   数据采集层     │    │   AI分析层      │    │   前端展示层     │
│                 │    │                 │    │                 │
│ • arXiv爬虫     │───▶│ • 文献解析      │───▶│ • 坐标系统      │
│ • 数据库导入    │    │ • 关键词提取    │    │ • 筛选器       │
│ • 定时更新      │    │ • 坐标分配      │    │ • 列表/卡片     │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         ▼                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   数据存储层     │    │   后端服务层     │    │   用户交互层     │
│                 │    │                 │    │                 │
│ • PostgreSQL    │    │ • FastAPI       │    │ • 评论系统      │
│ • Redis缓存     │    │ • GraphQL       │    │ • 编辑功能      │
│ • 向量数据库    │    │ • 用户管理      │    │ • 国际化       │
└─────────────────┘    └─────────────────┘    └─────────────────┘

技术栈

  • 前端: React + TypeScript + Ant Design
  • 后端: Python FastAPI + SQLAlchemy
  • 数据库: PostgreSQL + Redis + Weaviate(向量数据库)
  • AI: HuggingFace Transformers + scikit-learn
  • 部署: Docker + Kubernetes

坐标系统设计

四个主要维度

1. 量子硬件维度

  • 离散变量体系: 超导, 中性原子, 离子阱, 硅基量子点, 拓扑量子计算
  • 连续变量体系: 光子计算
  • 混合体系: 离散-连续变量混合, 分布式量子计算, 混合计算体系

2. 架构层级维度

  • 硬件层: 芯片设计, 物理实现
  • 控制层: 控制系统, 量子校准
  • 编译优化层: 逻辑线路编译, 量子编译器
  • 应用层: 变分算法, 量子算法

3. 量子时代维度

  • NISQ时代: 当前含噪中等规模量子设备
  • 早期容错: 初步错误纠正能力
  • 容错计算时代: 大规模容错量子计算
    • 量子容错编码
    • 量子错误解码
    • 量子资源估计

4. 量子线路模拟维度

  • 无噪模拟: 理想量子线路模拟
  • 含噪模拟: 考虑噪声的现实模拟
  • Clifford模拟: 经典可模拟的量子线路

5. 其他维度

  • 应用领域: 量子化学, 金融优化, 机器学习, 密码学
  • 理论基础: 量子信息论, 量子复杂性理论
  • 实验方法: 量子控制, 量子测量
  • 产业化: 量子云服务, 量子软件平台

数据结构设计

文献数据表结构

CREATE TABLE papers (
    id SERIAL PRIMARY KEY,
    title VARCHAR(500) NOT NULL,
    authors JSONB,
    corresponding_author VARCHAR(100),
    institutions JSONB,
    publication_date DATE,
    journal VARCHAR(200),
    arxiv_id VARCHAR(50),
    doi VARCHAR(100),
    abstract TEXT,
    keywords JSONB,
    
    -- 坐标系统
    hardware_tags JSONB,
    architecture_tags JSONB,
    era_tags JSONB,
    simulation_tags JSONB,
    other_tags JSONB,
    
    -- AI分析结果
    main_contribution TEXT,
    limitations TEXT,
    metrics JSONB,
    research_gaps JSONB,
    
    -- 元数据
    has_open_source BOOLEAN,
    github_url VARCHAR(200),
    citation_count INTEGER,
    
    -- 时间戳
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

用户交互数据表

CREATE TABLE user_comments (
    id SERIAL PRIMARY KEY,
    paper_id INTEGER REFERENCES papers(id),
    user_id INTEGER,
    comment_type VARCHAR(50), -- 'correction', 'addition', 'general'
    content TEXT,
    field_name VARCHAR(100), -- 修正的字段名
    suggested_value TEXT,
    status VARCHAR(20) DEFAULT 'pending', -- 'pending', 'approved', 'rejected'
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

功能模块

1. 数据采集模块

# 示例: arXiv爬虫
class ArxivCrawler:
    def __init__(self):
        self.base_url = "http://export.arxiv.org/api/query"
    
    def fetch_papers(self, query="cat:quant-ph", max_results=100):
        """获取量子物理论文"""
        params = {
            'search_query': query,
            'start': 0,
            'max_results': max_results
        }
        # 实现爬虫逻辑
        pass
    
    def schedule_update(self):
        """定时更新任务"""
        # 每日自动爬取新论文
        pass

2. AI分析模块

class PaperAnalyzer:
    def __init__(self):
        self.classifier = load_model('quantum_classifier')
        self.keyword_extractor = KeywordExtractor()
    
    def analyze_paper(self, paper_content):
        """分析论文内容"""
        result = {
            'coordinates': self.assign_coordinates(paper_content),
            'main_contribution': self.extract_contribution(paper_content),
            'limitations': self.identify_limitations(paper_content),
            'metrics': self.calculate_metrics(paper_content),
            'research_gaps': self.identify_gaps(paper_content)
        }
        return result
    
    def assign_coordinates(self, content):
        """分配坐标系统"""
        # 使用分类器确定四个维度的标签
        pass

3. 前端展示模块

// 坐标系统可视化组件
const CoordinateSystem = () => {
    return (
        <div className="coordinate-system">
            <div className="dimension-selector">
                <Select dimension="hardware" />
                <Select dimension="architecture" />
                <Select dimension="era" />
                <Select dimension="simulation" />
            </div>
            <div className="visualization">
                <PaperGrid papers={filteredPapers} />
            </div>
        </div>
    );
};

// 列表展示组件
const PaperList = ({ papers, viewMode }) => {
    return (
        <div className={`paper-${viewMode}`}>
            {papers.map(paper => (
                <PaperCard key={paper.id} paper={paper} />
            ))}
        </div>
    );
};

4. 用户交互模块

// 评论和编辑组件
const PaperEditor = ({ paper }) => {
    const [editMode, setEditMode] = useState(false);
    
    const handleSubmitCorrection = (field, newValue) => {
        // 提交修正建议
        api.submitCorrection(paper.id, field, newValue);
    };
    
    return (
        <div className="paper-editor">
            <EditableField 
                field="main_contribution" 
                value={paper.main_contribution}
                onSubmit={handleSubmitCorrection}
            />
            <CommentSection paperId={paper.id} />
        </div>
    );
};

列表结构设计

每篇文献的数据字段

  • 时间: 发表时间、最后更新时间
  • 研究领域: 按照四个主要维度+其他维度的标签分类
  • 文献名: 中英文标题
  • 第一作者: 姓名、机构信息
  • 通讯作者: 姓名、联系方式
  • 所属单位: 作者所在机构列表
  • 主要贡献: AI提取的核心贡献点
  • 指标: 引用数、影响因子、创新度评分等
  • 存在不足: AI识别的局限性
  • 个人总结思考: 用户可编辑的主观评价
  • 是否开源代码: GitHub链接、开源许可证

可编辑功能

  • 所有字段支持用户编辑和添加
  • 支持新增自定义列
  • 版本控制和修改历史追踪
  • 多用户协作编辑

展示方式

  • 列表视图: 适合桌面端，信息密度高
  • 卡片视图: 适合移动端，视觉友好
  • 表格视图: 支持排序、筛选、导出
  • 坐标图视图: 多维度可视化展示

开发计划

第一阶段：基础架构 (1-2个月)

  • 数据库设计和搭建
  • 基础爬虫开发
  • 后端API框架搭建
  • 前端基础页面开发

第二阶段：AI分析系统 (2-3个月)

  • 论文内容解析模块
  • 关键词提取算法
  • 坐标分配分类器训练
  • 批量处理管道开发

第三阶段：前端功能完善 (2个月)

  • 坐标系统可视化
  • 多维筛选器开发
  • 列表/卡片展示优化
  • 移动端适配

第四阶段：AI分析优化 (已完成) ✅

  • 改进AI分析准确性
  • 每个维度单标签约束
  • 支持多AI提供商（OpenAI、DeepSeek、Gemini）
  • 增强的提示词工程
  • 标签格式化和验证

第五阶段：用户交互功能 (1-2个月)

  • 用户注册登录系统
  • 评论和编辑功能
  • 管理员审核系统
  • 国际化支持

第六阶段：优化和部署 (1个月)

  • 性能优化
  • 安全性加固
  • 自动化部署
  • 监控和日志系统

部署方案

开发环境

# 后端启动
cd backend
pip install -r requirements.txt
uvicorn main:app --reload

# 前端启动
cd frontend
npm install
npm start

生产环境

# docker-compose.yml
version: '3.8'
services:
  backend:
    build: ./backend
    ports:
      - "8000:8000"
    environment:
      - DATABASE_URL=postgresql://user:pass@db:5432/quantum_db
    depends_on:
      - db
      - redis
  
  frontend:
    build: ./frontend
    ports:
      - "3000:3000"
    depends_on:
      - backend
  
  db:
    image: postgres:13
    environment:
      - POSTGRES_DB=quantum_db
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=pass
    volumes:
      - postgres_data:/var/lib/postgresql/data
  
  redis:
    image: redis:alpine
    ports:
      - "6379:6379"

数据流程

文献处理流程

  1. 数据采集: 爬虫获取论文元数据和全文
  2. AI分析: 自动提取关键信息并分配坐标
  3. 数据存储: 结构化数据写入数据库
  4. 用户审核: 用户可以修正AI分析结果
  5. 持续更新: 定期更新论文库和重新分析

用户交互流程

  1. 浏览发现: 通过坐标系统或筛选器发现论文
  2. 详细查看: 查看结构化的论文信息
  3. 评论编辑: 提交修正建议或添加评论
  4. 管理员审核: 管理员审核用户提交的修改
  5. 数据更新: 审核通过的修改更新到数据库

质量保证

AI分析质量控制

  • 多模型ensemble确保分类准确性
  • 人工标注样本用于模型训练和验证
  • 置信度阈值设置，低置信度结果需人工审核

用户贡献质量控制

  • 用户声誉系统
  • 多用户验证机制
  • 专家用户优先权重

最新更新 - AI分析系统优化

2024年AI分析系统重大改进

1. 多AI提供商支持

  • OpenAI: 支持GPT-3.5/4模型
  • DeepSeek: 国产AI模型支持
  • Gemini: Google AI模型支持
# 配置不同AI提供商
export AI_PROVIDER=openai          # 使用OpenAI
export AI_PROVIDER=deepseek        # 使用DeepSeek
export AI_PROVIDER=gemini          # 使用Gemini

# 设置对应API密钥
export OPENAI_API_KEY=your_key
export DEEPSEEK_API_KEY=your_key
export GEMINI_API_KEY=your_key

2. 精确的单标签分类

  • 改进前: 每个维度可能有多个标签，准确性不高
  • 改进后: 每个维度仅选择一个最相关标签，提高准确性
  • 无相关标签: 返回"无"而非随意猜测

3. 增强的提示词工程

  • 详细的维度定义和示例
  • 严格的格式要求和验证
  • 基于实际内容的准确判断

4. 改进的分析结果格式

{
    "hardware_tags": "超导",           // 单个标签
    "architecture_tags": "硬件层",     // 单个标签  
    "era_tags": "NISQ时代",           // 单个标签
    "simulation_tags": "无",          // 无相关内容
    "other_tags": ["量子化学"],       // 最多2个
    "main_contribution": "详细贡献描述",
    "limitations": "局限性分析",
    "research_gaps": ["研究空白1", "研究空白2"],
    "novelty_score": "高"
}

5. 系统测试和验证

  • 创建了专门的测试脚本 test_improved_system.py
  • 验证AI分析的格式和质量
  • 支持多AI提供商的配置测试

使用指南

  1. 运行测试脚本:
python test_improved_system.py
  1. 切换AI提供商:
export AI_PROVIDER=gemini
export GEMINI_API_KEY=your_gemini_key
python run.py
  1. 验证分析质量:
  • 前端"AI分析"页面查看当前配置
  • 每个维度显示单个最相关标签
  • 无相关标签显示"无"

总结

本项目旨在构建一个智能化的量子计算文献整理系统，通过AI技术和多维坐标系统，为研究人员提供结构化的文献导航和研究空白分析工具。项目采用现代化的技术栈，注重用户体验和数据质量。

当前状态: MVP已完成，AI分析系统已优化，支持多AI提供商，分析准确性显著提升。

Transaction Detail Page

This is a pixel-perfect HTML recreation of a mobile transaction detail screen with dimensions of 1080x2340 pixels.

Features

  • Status Bar: Displays time (11:21), system icons, and battery level (68%)
  • Header: Shows "明细" (Details) with a back navigation arrow
  • Transaction Information:
    • Payment amount: $695.00 USD
    • Transaction date: 2025/05/21
    • Credit card number: 5184 ****** 4177
    • Transaction description: CONFERENCE SERVICE INC.JPN
    • Posting date: 2025/05/22
  • Bottom Navigation: Four navigation icons

How to View

Option 1: Using the Python Server

python3 server.py

Then open http://localhost:8000/transaction_detail.html in your browser.

Option 2: Direct File Opening

Simply open transaction_detail.html directly in your web browser.

Viewing Tips

For the best viewing experience:

  1. Open your browser's developer tools (F12)
  2. Toggle device emulation mode
  3. Set custom dimensions to 1080x2340
  4. Or set zoom to fit your screen while maintaining aspect ratio

Technical Details

  • Fixed dimensions: 1080x2340 pixels
  • Responsive design disabled to maintain exact layout
  • Chinese language support with appropriate fonts
  • Clean, minimalist design following mobile UI patterns

About

Using Agent to analysis the related work

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages