信息高铁的低熵高通量性质验证

针对“人机物”三元融合的万物智能互联时代需求，中国科学院计算技术研究所的学者提出了“信息高铁”高通量低熵算力网的设计构想，在基础设施层提供低熵有序的支持，从而显著提升性能与品质.但信息高铁构想尚缺乏实验数据支撑.本文量化定义了通量、良率、CPU熵，分别用于刻画系统的性能、品质、无序程度；构建了信息高铁原型系统；并与基于Kubernetes容器编排的云计算系统进行对比.通过北京-南京的广域实验，验证了信息高铁原型系统可数量级提升良率和通量，其正则化后的CPU熵降至K8s系统的50%以下.本文通过提供实验数据分析结果，初步验证了信息高铁的低熵高通量潜力.     

乳白玻璃生产中节能优化的探索

针对日用玻璃陶瓷生产过程的能耗环节进行探索,优化配方使其更适合于电熔炉的生产工艺,通过对配方中各氧化物引入的原料进行优化,降低原料整体熔点,增加出料量,最终达到降低能耗、减少成本的目的 ,提高企业在行业中的竞争力.     

南水北调中线总干渠藻类的生态调度

南水北调中线总干渠无在线调蓄水库,对藻类生态调度过程中出现的问题开展生态调度实现策略和实施方式研究。主要实现策略包括:划定自身的调蓄区,隔离生态调度对下游的影响;采用高效的渠池运行方式,减少生态调度时蓄量的反复调整;综合考虑安全、快速、平稳等需求,设定生态调度实施进程和方式。具体实施方式包括:将总干渠划分为流速调控区、调蓄区和正常运行区,分别实施等体积、控制蓄量和闸前常水位方式运行;将生态调度过程划分为充水阶段和泄水阶段,基于流速调控目标值、持续时长和水位降幅约束条件,确定各阶段时长和各分区的闸门群调控方案等。基于2018年3月输水工况,采用明渠一维非恒定流模型,仿真总干渠上游15个渠池的藻类生态调度过程。结果表明,生态调度可在3.5 d内完成,各渠池的平均流速由0.48 m/s增至0.93 m/s,持续时间超过2 h。在整个生态调度过程中,水位变化平稳,水位变幅符合安全阈值要求,下游渠道的正常运行未受生态调度明显影响。     

浅谈石油工程注水工艺技术优化

随着我国经济的高速发展,社会公众对石油的需求越来越大。在石油工程中,如何通过改善石油开采技术来提高石油开采效率,和提高石油开采量,成为社会公众关注的焦点。对此,本文以石油工程中常见的低压低渗油层为出发点,对这些开采难度大、开采效率低的油田进行简要分析,并对如何在石油工程中优化注水工艺技术的简述如下。     

“半翻转”教学模式下评价指标体系研究与实践

研究基于“半翻转”教学模式的线上教学评价指标体系,包括课前活动开展、课中教学活动设计、课后任务以及基于此过程中的评价指标体系设计。最后通过层次分析法设计评价指标权重,设计评价算法得到动态评价结果。该评价指标体系应用在本专业“数据结构与算法”课程中,并得到良好的应用效果。     

个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

考虑井眼清洁条件下的小井眼钻井液性能优化研究北大核心

新疆油田玛湖部分区块采用长水平段(超2000 m)小井眼技术进行钻井和开发。在钻井过程中,井眼不清洁导致的卡钻,井筒压力过大导致的漏失问题严重制约了该区块的高效经济开发。钻井液性能的优化是解决上述问题的关键方法之一。为此,采用了CFD数值模拟的方法,建立了环空固液两相流模型,探究了不同钻进参数下钻井液不同流变参数(赫巴流变模型)对岩屑运移和环空压耗的影响。根据数值模拟结果可知:(1)提升钻井液密度有利于提高携岩能力;(2)不同钻进参数下,钻井液流变参数对岩屑运移作用效果不同;(3)钻井液流变参数并非越大越有利于岩屑运移;(4)结合玛湖区块特征,确立了最优钻井液流变参数范围,并将该范围成功的应用于现场。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

响应面优化絮凝法去除水中Cr（Ⅵ）

为了探究不同絮凝剂对水中Cr（Ⅵ）的去除效果，比较了聚合硫酸铁、聚合氯化铝、聚丙烯酰胺、Fe Cl3对Cr（Ⅵ）的去除效果，通过效能对比以及成本分析得出了最合适的絮凝剂。通过改变反应温度、体系的初始p H值、絮凝剂的初始浓度和反应时间来探究聚合硫酸铁去除Cr（Ⅵ）效果的影响后，再进行均匀设计和响应面优化试验。结果表明，反应温度30℃、絮凝剂浓度为150mg·L^-1、pH值为7、反应时间9min，此时Cr（Ⅵ）的去除效率最高为68.4%；絮凝剂浓度、初始p H值、反应时间对Cr（Ⅵ）去除效果影响显著性为絮凝剂浓度>反应时间>初始pH值。响应面模型预测在最佳反应条件下，Cr（Ⅵ）的去除效率可达70.5%，实验结果为69.8%，二者接近，表明模型有效。