排序方式: 共有8条查询结果,搜索用时 31 毫秒
1
1.
2.
3.
Various flow phenomena of black particles (b-particles) and grey particles (g-particles) produced in magnesium-emulsion (Mg-Em) collisions at 4.5 A GeV/c are reported. These flows are directed and elliptic transverse flows (v1 and v2) related by the azimu 相似文献
4.
5.
6.
以香蕉果实为试验材料,在(20±1)℃试验冷库中贮藏21d,贮藏期间用-100kV/m和-200kV/m的高压静电场连续处理并测定果实的呼吸强度、乙烯释放量、硬度、果皮颜色变化以及果肉淀粉和可溶性糖含量的变化。结果表明:连续高压静电场处理可以使香蕉果实的呼吸跃变和乙烯释放高峰提前,淀粉转化为糖的速度快而且比对照早,果皮叶绿素含量明显低于对照,同时处理后的果肉硬度下降,低于对照;并且-200kV/m处理组的效果要优于-100kV/m处理组。说明高压静电场连续处理促进了香蕉果实的成熟,尤以-200kV/m处理组比对照提前成熟4d。 相似文献
7.
在描述重离子熔合反应中,入射道炮弹和靶核之间的相互作用势扮演了一个非常重要的角色。量子分子动力学模型(QMD)[1]是一个半经典的微观动力学输运模型,它能提供反应过程中各种重要的动力学信息,揭示微观机制。基于这种改进的QMD模型,我们系统研究了弹靶熔合的入射道相互作用势 相似文献
8.
在重离子碰撞实验和输运模型模拟中均可逐事件获取观测量数据,然而,利用重离子碰撞研究核物质性质时通常只使用观测量对所有事件的平均值。机器学习拥有强大的数据分析和处理能力,可有效利用逐事件观测量数据中包含的丰富信息。本文通过极端相对论量子分子动力学(UrQMD)模型和机器学习算法的结合,为相关问题的研究提供新途径。研究结果显示,机器学习方法可从逐事件的观测量数据中提取关键物理参数的信息。此外,利用机器学习中特征量重要性归因方法,还可找出对提取相关参数最重要的特征量,从而对研究这些问题提供有价值的参考。 相似文献
1