面向晶体结构预测的深度学习方法

晶体结构研究是研究固体材料物理化学性质的基础,而筛选晶体结构通常基于能量最低原理,采用密度泛函理论计算结构能量需要大量计算资源及服务时间.为此本文提出了面向材料结构预测的深度学习方法,加快材料晶体结构的预测.本文从数据集优化、模型训练策略、算法优化等方面进行了深入研究,确定了应用于材料结构预测中深度学习的网络参数和优化算法.将确定的深度学习框架用于寻找Si单晶、TiO2和CaTiO3化合物的基态稳定结构,实验结果表明,利用本研究提出的深度学习方法预测的晶体结构与实验室制备材料结构相吻合.     

基于高性能计算的SWAT参数敏感度分析并行框架

随着大规模水文模拟需求的不断提高,如何解决计算需求问题逐渐成为水文研究的一个热点.SWAT(soil and water assessment tool)模型在进行大规模水文模拟时有着良好的适应性与准确度,但其敏感度分析模块由于计算量过高,计算时长往往长达数月之久.为了加快SWAT敏感度分析的运行速度,针对SWAT敏感度分析模块的特点,基于MPI提出了一种高效的主—从式并行计算框架,并在此框架的基础上,通过将正演过程并行化,在敏感度分析的主—从并行框架中引入通信子空间的操作,将并行化的正演与主—从式的外层并行框架相结合,得到一种混合式的敏感度分析并行框架,大大提高了对参数集合的敏感度分析速度,将SWAT敏感度分析模块使用的处理器数量从原始的单核串行一跃提升到百核的数量级.最后通过天山北坡流域的模拟验证了此并行框架的可行性.     

基于克里金插值的SWAT参数率定大规模并行方法

SWAT（Soil and Water Assessment Tool）水文模型是近几年国内外使用最广泛的分布式水文模型,因其良好的精度、广泛的适应度得到了众多水文工作者的欢迎。但由于其参数率定部分过高的计算量,给水文工作者建模调参过程中造成了大量的不便。为了提高SWAT参数率定的运行效率,本文基于克里金插值理论,对于SWAT原有的优化算法进行改进,提出了一种基于随机过程的参数率定方法,通过一种“期望优化”的方式对拟合曲面进行寻优。并通过Intel MKL和一个对等式并行框架加以并行实现。大大提高了SWAT参数寻优的计算效率以及参数精度,并通过天山北坡流域的模拟验证了此并行模型的有效性,说明了克里金优化方法在水文模拟参数寻优的过程中能够达到良好的精度。     

一种清吹装置在密封式皮带给料机上的应用

<正>由于传统皮带给料机(即皮带秤)在输送物料过程中容易造成环境污染和浪费,因此出现了密封式皮带给料机,两者总体结构相同,重点区别是后者增加了密封罩壳。使用中,密封式皮带给料机最常见的故障是:压力传感器黏附物料或被"大块"物料卡死,造成计量失真。我公司用于煤粉制备计量的3N-CF型全密封耐压式称重给煤机就经常发生类似故障,处理十分麻烦。为此,我们增加了清吹装置。     

低温共烧陶瓷用硼硅酸盐玻璃的研究进展

概述了低温共烧玻璃陶瓷复合材料体系中所采用的硼硅酸盐玻璃的组成、工艺、应用技术参数。比较了锌、铅、钡硼硅酸盐玻璃组成、掺杂量对玻璃陶瓷的烧结特性的影响。指出了不同硼硅酸盐玻璃材料的优缺点和在低温共烧陶瓷技术中的适用范围。     

大量Li+存在的卤水体系中容量法测定Ca2+的分析方法研究

在Li 、Ca2 共存的相化学研究中,大量Li 的存在对配位滴定法测定Ca2 易产生较大干扰,致使卤水体系中钙的测定结果产生较大偏离。本文在进一步研究了用三乙醇胺作掩蔽剂消除Li 干扰的实验基础上,对高锂钙比(mLi∶mCa≥5)消除Li 的干扰,首次发现正丁醇-无水乙醇的混合液可有效掩蔽共存Li 的干扰。实验结果表明,该方法可使Ca2 分析结果相对误差不超过0.3%。样品加标回收率为99.90%~100.09%,相对标准偏差<0.2%。     

低氮燃烧器在5000t/d新型干法水泥生产线上的改造

随着GB4915-2013《水泥工业大气污染物排放标准》的实施,400mg/m3氮氧化合物的排放限值将更加苛刻。“保护环境,达标排放”将成为企业所必须承担的社会责任和义务！但环保的压力将直接导致制造成本增加。因此,加大技术创新,引进新技术,将会成为水泥行业环保和降本的唯一出路。下面,就低氮燃烧器在5000t/d新型干法水泥生产线上的应用经验和广大水泥同仁分享并商酌。     

浅议三峡工程金属结构制安质量管理

三峡工程金属结构制安量达到25．65万吨，主要分布在输水、泄水、进水、发电等建筑物内，工作条件复杂，施工难度大，其安装质量直接影响到整个水利枢纽的运行安全和效益。三峡工程金属结构制安质量管理采用“4＋1”体系模式，形成了一套完整的质量管理程序和控制措施。     

基于 MoS2/Bi2S3 复合纳米材料的正己烷催化发光传感器

采用水热法成功制备了 MoS2/Bi2S3 复合纳米材料,并将其用作催化发光（CTL）方法检测正己烷的敏感材料。研究结果表明 MoS2 修饰能有效增强 Bi2S3 催化发光特性,该敏感材料对正己烷具有较高的灵敏度、较好的选择性及较快的响应、恢复速度,响应时间为 3 秒,恢复时间为 16 秒。在 12~480 ppm 浓度范围内,催化发光信号强度与正己烷浓度呈良好的线性关系：y=909.18x+1 533（R2=0.986 5）,检出限为 1.81 ppm。此外,将其用于检测 10 种不同挥发性有机物,结果显示除了对甲苯、异戊醇、异丁醛、乙酸乙酯有很弱的敏感信号外,对正己烷有着明显的响应信号,而对其他挥发性有机物没有响应,由此表明该传感器对正己烷具有良好的选择性。传感器使用寿命研究结果发现其具有良好的稳定性及使用寿命。     

基于Hadoop YARN的TensorFlow GPU集群的调度扩展

本文研究并实现了大数据平台 Hadoop YARN 与深度学习框架 TensorFlow 的结合。通过对 DRF 算法的扩展,使得 Hadoop YARN 在原先支持 CPU 和内存的基础上,可以对 GPU 资源进行管理和调度。通过 YARN 的应用接口,把 TensorFlow 封装成了 YARN 的应用程序之一,把原来的分布式程序在多节点手动分发启动改为了在单节点自动分发启动,单机版不变。本文设计了多组实验对 YARN+TensorFlow 进行了多方位的测试,实验结果表明 YARN 和 TensorFlow 相结合相比原生 TensorFlow 程序具有相似的加速比,可以满足单系统多用户对 GPU 资源的使用,有效提高 GPU 资源的使用效率和编程人员的工作效率,增加系统的复用率。