表面活性剂在石油烃污染土壤修复中的应用研究进展

表面活性剂可促进石油烃从非水相液体或固相向水相迁移和溶解,已被广泛用于石油烃污染土壤的增效修复.阐述了表面活性剂的作用机理,综述了非离子、阴离子、生物和混合表面活性剂等的特点及其在石油烃污染土壤修复中的应用研究进展,分析了表面活性剂性能的影响因素以及表面活性剂的环境风险.     

DDGrid:一种大规模药物虚拟筛选网格

化合物活性筛选是创新药物研究的起点和具有决定意义的步骤,利用网格计算技术进行药物虚拟筛选能够极大提高药物筛选的有效性,同时可以大量减少新药研制的成本和时间。新药研发网格DDGrid是中国国家网格CNGrid的重要支持项目,通过实施主从模式架构并在网格资源监控中使用适配器模式,DDGrid可以对超过10万规模的化合物分子数据库进行虚拟筛选。     

STS:跨域安全令牌交换机制的研究和实现

由于分布式环境下的网格应用程序往往要跨域访问资源,如何构建统一的跨域安全令牌交换机制就成了网格应用中需解决的一个重要的问题.针对此问题,提出了一个可以进行跨域安全令牌交换的框架,此框架由认证中心和个体安全域组成,单个安全域的用户可以通过认证中心来获取不同安全域的安全令牌,从而为跨域安全令牌的交换提出了一种解决方法,最后框架在欧中网格合作项目(Bridge项目)中进行验证.     

PMTree:一种高效的事件流模式匹配方法

复杂事件处理技术从多个持续事件流中分析并提取满足特定模式的事件序列.高吞吐率场景下,如何快速准确地识别事件序列是复杂事件处理技术中一个非常重要的问题.现在事件流的模式匹配方法——NFA、Petri网、有向图等——存在语义描述能力不足、部分算子实现代价高等缺陷.针对这一现状,设计并实现了一种基于树的模式匹配方法——PMTree.PMTree定义了事件模型及相应事件算子,将事件序列映射为树节点,同时将时间窗口约束及谓词约束等放置在相应节点,这些树节点连接成一棵PMTree来支持实时的事件筛选与过滤.进一步研究了PMTree构建过程中的优化策略,并提出了开销模型以及优化构建算法,以尽可能减少模式匹配开销.实验结果表明,相同测试条件下基于PMTree实现的复杂事件处理引擎Cesar吞吐率是基于NFA实现的开源引擎Esper的3～6倍,并且在不同事件量或事件序列复杂度下性能表现稳定.     

基于知信图卷积神经网络的开放域知识图谱自动构建模型

解决多源知识对齐和知识冗余问题是在开放数据域自动构建知识图谱的关键。建立一种融合知信学习与深度学习的知识图谱自动构建模型。分析图卷积神经网络（GCN）模型与知信学习之间的理论联系,以先验知识与深度学习相结合的方式构建实体语义联合空间,将先验知识对模型的干预形式化,并利用自动编码器实现一个细粒度的实体对齐和关系抽取模型。同时,采用GCN与多头注意力相结合的方式,缓解因结构数据中多跳推理造成实体依赖信息丢失的影响。在开源数据集SemEval、FB15k和收集整理的MD数据集上的实验结果表明,该模型针对关系抽取、实体对齐和三元组抽取任务的F1值分别达到89.5%、86.6%和84.2%,较BERT-Softmax模型分别提升了0.3、2.4和0.3个百分点,具有更好的信息学习能力。     

2D\2D g-C3N4-rGO的构筑及其界面效应研究

以三聚氰胺和氧化石墨为原料，于N2气氛下构筑了一系列2D/2D g C3N4 rGO (CN RGO)界面复合材料，对其进行SEM、TEM、UV Vis、XRD和FT IR等表征，考察界面效应对催化剂性能的影响。UV Vis结果表明，相比纯 g C3N4（CN），CN RGO的可见光吸收范围明显提升。同时，CN RGO 2界面复合材料的光催化性能明显高于纯CN，对罗丹明B降解率达到了858%，这可能由于CN上产生的电子（e-）通过界面效应转移到rGO上，促进空穴（h+）和e-迅速分离。淬灭实验结果表明，h+和O-2·在RhB光降解过程中的作用比·OH与H2O2更重要。该研究为其它2D/2D界面复合材料的设计和应用提供了重要基础。     

基于网格的联邦数字图书馆

介绍了一种联邦数字图书馆结构,它通过对网络中数字图书馆资源进行一定的服务封装形成数字图书馆资源仓储节点,在此基础上运用网格思想对仓储节点进行整合,形成数字图书馆资源联邦,使用户能够通过联邦门户透明地访问联邦中所有数据仓储节点中的图书馆数据资源。为了满足专业化、个性化数字图书馆建立的需求,联邦提供了以检索为基础的个性化数字图书馆实例的动态定制服务。     

Nova-BFT:一种支持多种故障模型的副本状态机协议

云计算在简化用户访问资源方式的同时导致了支撑系统开发部署的复杂,软件错误、部署管理失误导致的拜占庭故障已经成为影响系统可靠性的重要原因.对于在大部分运行周期都满足良性故障模型的系统,拜占庭容错协议在通信复杂度、安全等方面的开销以及其在攻击场景下性能鲁棒性方面的缺陷都限制了其在实际系统中的使用.如何满足实际系统对多种故障模型的需求,已经成为系统设计的一个重要问题.针对这一现状,设计了Nova-BFT,一种有效支持多种故障模型的副本状态机协议,通过牺牲部分峰值吞吐率的方式满足拜占庭容错协议对性能鲁棒性的要求,采用配置参数方式自适应满足良性故障的性能需求.实验表明,Nova-BFT在拜占庭故障模型下吞吐率为4～5 kop/s,同时其对良性故障模型的支持可以有效满足大多数实际应用的需求.     

基于STEP标准的应用系统接口的开发

STEP标准是一套关于产品的整个生命周期内的产品数据的表达与交换的国际标准。本文首先介绍了国外最新的STEP标准的应用动态和STEP软件工具Caselib，然后从STEP标准的中性机制谈到如何利用STEP工具开发STEP标准应用系统。     

源代码变量名的自动语义标注

大规模开源代码社区为开发者提供了丰富的软件资产,但要理解和利用这些代码却十分耗时耗力。为寻求代码理解、分析和挖掘的语义支撑,本文针对源代码变量名进行了研究,提出了一种基于字段相似度与语义关联度的自动语义标注方法,并实现了相应的工具。该方法首先建立英文、中文、拼音语料库,并构建字段相似度模型生成多种候选标注方案,然后利用马尔科夫转移矩阵和语义网WordNet构建概率模型评选出最优的标注方案,从而实现源代码变量名的自动语义识别。该方法通过积累用户的标注采纳反馈,能够不断提高标注准确度。本文使用GitHub开源项目代码进行标注准确度实验,结果表明初次标注准确度达到68.1%,随着用户反馈增加逐步提升到73.3%。