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.     

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。     

一种“KooN”结构的马尔可夫简并建模和简化计算的方法

IEC61508等标准提出了几种计算安全仪表系统需求时平均失效概率的方法,但是,对于具有冗余配置的复杂系统,随着组件数量的增加,系统的中间状态数量快速增长,用户难以构建马尔可夫模型,即便借助计算机来建模运算也较为耗时。提出了一种同型“K oo N”简并状态的马尔可夫建模的通用方法,首先是根据降级状态进行判断,将符合条件的状态进行简并,然后对标记为危险失效状态的概率进行计算。通过严格的理论推导,该简并状态方法可以在不损失精度的前提下简化马尔可夫建模。     

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。     

隐私计算面临的挑战与发展趋势浅析

隐私计算是指在保证数据提供方不泄露原始数据的前提下,对数据进行分析计算的一系列信息技术,能够保障数据在流通与融合过程中的"可用不可见"。近两年来,在政策驱动和市场需求共同作用下,隐私计算技术、产业、应用迅速发展。一方面,数据流通需求不断加强,机构间数据流通成为促使数据要素市场化配置、充分释放数据要素价值的重要环节;另一方面,不断实施的法律法规使得数据的安全与保护,特别是数据流通过程中的合规性,成为持续稳定的市场需求,而不再是短暂的监管应对行为。     

移动边缘计算中资源分配和定价方法综述

移动边缘计算（mobile edge computing,MEC）通过将计算任务卸载至边缘服务器，降低网络负荷，减少传输时延，提升用户服务体验。因此，MEC受到了广泛关注，并成为5G的关键技术。资源分配作为MEC的主要问题，在提升能量效率、缩短任务时延和节约成本方面具有非常重大的研究意义。首先，介绍了MEC的基本概念、参考架构和技术优势；然后，从技术层面和经济层面归纳总结了MEC中最新的资源分配和定价策略；最后，讨论了MEC资源分配和定价策略中可能存在的问题与挑战，并提出了一些可行的解决方案，为后续研究发展提供参考。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起，网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中，存在服务功能链映射效率低与部署资源开销大等问题，联合考虑节点激活成本、实例化开销，以最小化平均部署网络成本为优化目标建立了整数线性规划模型，提出基于改进灰狼优化算法的服务功能链映射（improved grey wolf optimization based service function chain mapping，IMGWO-SFCM）算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径（K shortest path，KSP）问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略，较好地平衡了其全局搜索及局部搜索能力，实现服务功能链映射方案的快速确定。仿真结果显示，该算法在保证更高的服务功能链请求接受率下，相较于对比算法降低了11.86%的平均部署网络成本。