神经网络全局势函数在多相催化中的应用

当今的多相催化研究需要新的技术和方法从原子尺度上表征活性中心结构和反应中间体。本文作者课题组近期开发了理论模拟新技术来探索催化剂活性位点结构，即基于神经网络势函数的大规模原子模拟（LASP）软件中实现的全局神经网络势函数计算方法。本文介绍了该方法可以显著降低催化体系的计算代价，而维持与密度泛函理论同一级别的计算精度，从而解决多相催化中的许多复杂问题。本文对神经网络势函数方法的实现细节和目前已实现的应用场景进行了详细介绍。神经网络势函数可以用来预测材料晶体结构，理解高压氢化条件下TiO₂表面的结构演化和确定三元氧化物ZnCrO晶相中合成气制甲醇活性位点。最后文章分析了神经网络势函数的局限性和今后可能的三个研究方向，即材料性质预测、多元素体系神经网络势函数构造和化学反应拟合。     

γ辐照加工用新型工作模体设计研究

本文研究设计了一种用于获取γ辐照装置辐射场和货物剂量场真实分布的新型工作模体。基于真实γ辐照装置参数构建了有效可用的模拟辐射场，提出了新型工作模体的结构和填料设计方法。采用蒙特卡罗方法和随机填充方法（RCS）模拟计算剂量计套管材料与壁厚、填料小球尺寸、空心填料小球尺寸与壁厚、小球填充方式等影响模体剂量学性能的主要因素的分布规律。在满足计算置信度的前提下，参数优化取值范围为：套管采用壁厚为3~5 mm的铝管，对辐射场干扰不超过4.372 23%；填料选择外径为1~4 cm、壁厚为1.1~11.5 mm、材料等效性好、货物密度模拟范围为0.1~0.5 g/cm³的聚丙烯小球，对辐射场干扰不超过9.998 44%；均匀填充和随机填充模式对辐射场干扰基本持平，且均不超过10%。结果表明，当前设计可行有效，投入低、兼顾参数多且量程更宽，适合推广应用。     

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

基于贪婪局部路径重连的随机并行社区检测

为提高社区检测的效率与精度,提出一种随机并行的局部搜索算法。用图模型结构表示复杂系统,将顶点划分成簇。构建贪婪随机自适应搜索过程与路径重连过程,以解决加权图的模块最大化问题。引入一种{0,1}矩阵类特征并定义聚类的距离函数,从而进行顶点的邻域搜索,实现社区的高精度检测识别。实验结果表明,该算法的F_1值与NMI指标值均较高。     

一种基于随机共振的GNSS干扰检测算法

针对低干噪比下全球导航卫星系统干扰检测问题,文中利用非线性随机共振系统对微弱信号的增强作用,提出一种基于随机共振的GNSS干扰检测算法,并详细阐述了算法的实现过程,以传统能量检测算法为对比算法,分析两种算法在相同条件下检测性能的差异。仿真表明:在高斯白噪声信道、低干噪比条件下,所提算法的检测性能明显优于传统能量检测算法。相同信道环境及检测概率下,所提算法需要的数据长度更短,检测耗费时长更少,且能保证更低的虚警概率。