载铜粉煤灰催化氧化处理印染废水的研究

以粉煤灰为载体,采用共混法制备了以CuO为活性组分的固体催化剂,并对印染废水进行了催化氧化实验。结果表明:在pH为6~7、反应时间为40m in、外掺10%CuO的粉煤灰催化剂投加量12~16g/500mL时,催化氧化效果最佳。该催化剂经简单再生处理后能回复75%以上的催化活性。     

贝叶斯神经网络方法对原子核β衰变寿命的研究

β衰变寿命是原子核的基本物理性质之一，在原子核物理与核天体物理中都起着重要作用。本文利用贝叶斯神经网络（Bayesian Neural Network,BNN）方法预测原子核的β衰变寿命及其不确定性。研究发现，在神经网络输入层引入β衰变能以及与原子核对效应相关的物理量，并采用β衰变寿命的对数作为网络输出，可以显著提高学习精度。对于寿命小于1 s的原子核，其预言精度约为0.2个数量级，取得了与BNN方法学习β衰变寿命的实验值和理论值的对数之差相当的精度。当外推至未知核区，其预言的β衰变寿命在误差范围内与其他理论模型的结果符合较好，尤其是对于Z?50的原子核。     

基于深度学习的智能中医辅助诊疗系统

研究开发了基于深度学习的智能中医辅助诊疗系统。通过人工智能技术将名老中医的诊疗思想、辨证逻辑和处方经验结合，设计“三级证型优先级”算法，创新了传统的中医问诊模式。例如采用深度学习CenterNet和EfficientNetV2神经网络模型，有效抽取出患者舌体图像与病例的舌色、苔色等特征信息进行智能舌诊，实现中医诊断的客观化、智能化，帮助普通医师提升诊疗能力。