面向掩模精化的表面微加工MEMS器件几何建模

MEMS器件设计流程中,为优化MEMS器件,常常需要对MEMS掩模进行精化设计.为了在MEMS精化设计中同步更新MEMS掩模与几何模型,提出一种面向掩模精化的表面微加工MEMS器件几何建模方法.该方法主要通过建立MEMS器件几何模型和工艺模型之间的依赖关系图,通过变动依赖关系,求出掩模精化所影响的几何元素,而后在几何模型中仅仅更新所影响的几何元素;对于所对应的几何模型存在拓扑突变等情况,该方法采用参数限定或局部几何模拟进行更新.实例分析表明,提出的几何建模方法能快速有效地响应掩模精化,从而有效地促进MEMS器件设计.     

中国煤矿区低碳型土地复垦现状与展望※

煤炭是中国的重要能源,减排已成为矿区复垦的重要目标,也是建设绿色矿山的重要保障。本文在对中国多个煤矿区调查的基础上,从“减排”和“增汇”两个方面,剖析当前中国土地复垦政策对矿区低碳土地利用的要求,以及土地复垦施工工艺、土地复垦管护等不同土地复垦环节中碳源、碳汇的相互关系,进而挖掘煤矿区低碳土地利用模式,提出《联合国气候变化框架公约》约束下,适用于中国煤炭生产方式的低碳型土地复垦工艺,为促进中国低碳型煤矿区建设提供依据,保障中国减排目标的实现。     

M序Walsh变换的快速算法设计

讨论了Walsh函数系的一种序一逆Walsh序（M序），利用矩阵分解法设计了4种M序的快速Walsh变换算法。     

HDFS中海量小文件合并与预取优化方法的研究

HDFS在存储海量文件时具有明显的优势, 但在存储小文件占绝大多数的海量文件时,HDFS单个NameNode的存储架构会导致其性能严重降低。为此,提出一种基于合并思想的方案,即将小文件合并为大文件,同时建立小文件到合并文件的映射关系,并将其存于HBase中。为了提高读取速度,建立了基于LRU的预取机制。实验表明,该方法能明显提高HDFS在处理海量文件时的整体性能。     

基于KNN与矩阵变换的图节点嵌入归纳式学习算法

图节点的低维嵌入在各种预测任务中是非常有用的,如蛋白质功能预测、内容推荐等。然而,多数方法不能自然推广到不可见节点。图采样聚合算法(Graph Sample and Aggregate,Graphsage)虽然可以提高不可见节点生成嵌入的速度,但容易引入噪声数据,且生成的节点嵌入的表示能力不高。为此,文中提出了一种基于KNN与矩阵变换的图节点嵌入归纳式学习算法。首先,通过KNN选取K个邻节点;然后,根据聚合函数生成聚合信息;最后,利用矩阵变换与全连接层对聚合信息和节点信息进行计算,得到新的节点嵌入。为了有效权衡计算时间与性能,文中提出一种新的聚合函数,对邻节点特征运用最大池化作为聚合信息输出,以更多地保留邻节点信息,降低计算代价。在reddit和PPI两个数据集上的实验表明,所提算法在micro-f1和macro-f1两个评价指标上分别获得了4.995%与10.515%的提升。因此,该算法可以大幅减少噪声数据,提高节点嵌入的表示能力,快速有效地为不可见节点及不可见图生成节点嵌入。     

并行与分布计算课程建设探索

本文根据我系近年教学改革与课程建设经验,探讨了面向计算机科学与技术专业本科生的并行与分布计算课程的课程规划和建设,并总结了一些经验。     

基于多级语义信息融合编码的序列标注方法

序列标注是自然语言处理领域的基本任务。目前大多数序列标注方法采用循环神经网络及其变体直接提取序列中的上下文语义信息,尽管有效地捕捉到了词之间的连续依赖关系并取得了不错的性能,但捕获序列中离散依赖关系的能力不足,同时也忽略了词与标签之间的联系。因此,提出了一种多级语义信息融合编码方式,首先,通过双向长短期记忆网络提取序列上下文语义信息;然后,利用注意力机制将标签语义信息添加到上下文语义信息中,得到融合标签语义信息的上下文语义信息;接着,引入自注意力机制捕捉序列中的离散依赖关系,得到含有离散依赖关系的上下文语义信息;最后,使用融合机制将3种语义信息融合,得到一种全新的语义信息。实验结果表明,相比于采用循环神经网络或其变体对序列直接编码的方式,多级语义信息融合编码方式能明显提升模型性能。     

不需激活复合型常温吸气剂技术

本文介绍几种用于常温、102～10-2Pa真空度条件下以及气体纯化领域的吸气剂。这些吸气剂具有不需要激活,在空气中有一定稳定性,在中低真空环境中吸气容量大等特点。这些吸气剂技术有别于常用的传统蒸散型钡吸气剂和非蒸散型吸气剂（需要一定的激活条件）。在某些特殊的无激活条件的真空领域,利用多种吸气剂技术组合,有效吸收多种或定向吸收某种气体,从而达到维持真空或纯化气体的作用。其显著特点就是无激活过程,并可以短时间内暴露在于燥空气中,在真空绝热板、气体纯化、大型工业杜瓦等领域具有广泛的应用。