基于机器学习特性的数据中心能耗优化方法

随着互联网的发展,各种类型的数据呈爆炸式增长.通过机器学习的方法对大量数据进行实时或离线的分析,获取规律性信息,已成为各行业提升决策准确性的重要途径.因此,这些机器学习算法成为各个数据中心运行的主要应用.然而,随着数据规模的增大和数据中心面临的能耗问题的突出,如何实现这些算法的低功耗处理,已成为实现绿色数据中心亟待解决的关键问题之一.为了实现对这些机器算法的绿色计算,首先对运行在数据中心中的关键算法进行了深入的分析,并观察到在这些算法中存在大量的冗余计算.在此基础上,设计和实现了一种面向数据中心典型应用的低功耗调度策略.该算法通过对不同计算部分的输入数据进行匹配来判断计算过程中的冗余部分,并对算法进行调度.实验数据显示,对于数据中心的两种典型应用k-means和PageRank,该算法可以实现23%和17%的能耗节约.     

用离子交换法从碱法地浸液中回收铀的试验研究

本文研究的吸附、淋洗、负载树脂再吸附、沉淀法从碳酸盐地浸液中回收铀的流程是国内首创。此流程可大幅度提高淋洗合格液的铀浓度、降低沉淀剂的耗量、减少工艺废水，是提高铀矿地、堆浸经济效益和社会效益行之有效的方法。Ｄ－２６３树脂具有良好的吸附、淋洗性能和较高的工作容量，试验条件下，树脂的工作容量为４８ｍｇ／ｍＬ（湿树脂），穿透体积和饱和体积分别为６４０和７１０个床体积，是用于从地、堆浸液中回收铀最好的树脂之一。     

生产黄饼新工艺的研究——负载树脂再吸附—硝酸铵淋洗—二步沉淀

研究了负载树再吸附－酸性硝酸铵淋洗－二步沉淀生产重铀酸盐的新工艺。结果表明,该工艺生产的黄饼具有良好的沉降过滤和脱水性能,不经洗涤,黄饼各项指标均符合原核工业部颁一级品标准,w(U）＞70％,w（水）≈25％。     

用阴离子交换树脂从含氯离子较高的硫酸浸出液中回收铀(二)负载树脂氯化铵溶液转型-水淋洗工艺研究

研究了用氯化铵溶液将SLD-225b树脂吸附的硫酸铀酰,转为氯化铀酰、水淋洗、碳酸氢铵沉淀工艺。与常规的硝酸铵溶液淋洗工艺相比,此工艺省去贫树脂转型,得到铀浓度较高的淋洗合格液和脱水、过滤性能良好的铀产品。用4倍树脂床体积氯离子质量浓度为179.8 g/L的氯化铵溶液转型、用3倍树脂床体积的水淋洗,贫树脂含铀<1 mg/g,淋洗效率>99%,试验条件下合格液铀质量浓度>30 g/L。     

用SL—406阳离子交换树脂从氯化物含量较高的硫酸浸出液中提取铀

研究了用ＳＬ—４０６新型阳离子交换树脂从氯化物含量较高的硫酸浸出液中提取铀时各种因素对吸附的影响。结果表明，ＳＬ—４０６树脂有较好的选择性、稳定性及较高的工作容量．可有效地从含氯化物浸出液中提取分离铀。     

高铁离子和淋—停时间比对堆浸过程的影响

本文研究了坚硬、性脆、致密的火山岩型铀矿石堆浸过程中高铁离子和淋滤方式的影响。用统计数学方法处理数据,求得10g/L Fe~(3+)+5g/L H_2SO-4溶液和5g/L H_2SO_4溶液分别作淋浸剂的浸出速率比为。不同淋-停比时,浸出率与矿石粒度的关系为:。用高铁溶液作淋浸剂,并选择适当的淋-停比是缩短堆浸周期、提高经济效益的有效措施。     

用阴离子交换树脂从含氯离子较高的硫酸浸出液中回收铀(一)

采用SLD—225b新型阴离子交换树脂研究了从氯离子较高的硫酸浸出液中对铀的回收，并考察了各种因素对回收铀的影响。研究结果表明，SLD—225b树脂具较强的抗氯离子干扰性能及较高的工作容量，可有效地从含氯化物的酸性浸出液中分离、浓缩铀。     

实验数据的一元函数回归分析程序及实际应用

本文用统计数学的方法,以最小二乘法为基础,用True-BASIC语言编写了14种常用一元函数回归分析程序,用以处理化工或湿法冶金实验数据。使用时,输入实验数据,并回答了机器的提问后,将按既定的顺序用14种函数逐个对实验数据进行计算与拟合。一旦满足要求便输出相关关系式、相关系数和剩余标准离差。     

堆浸液中铁循环利用的研究

研究了用软锰矿氧化吸附尾液中Fe2+及把淋洗合格液的中和沉淀铁渣作为氧化剂返回浸出系统的可行性.研究结果表明,用粒度＞1.25～＜2 mm、w(MnO2)约为50%的软锰矿,在接触时间8 min时,氧化-还原电位可从370 mV提高至450 mV以上;在pH=3.0～3.5下中和所得铁渣沉降、过滤性能良好.     

机器学习方法赋能系统软件：挑战、实践与展望

机器学习方法为构建系统软件带来了新的机遇.为充分利用硬件资源支撑新型应用，系统软件的设计与实现需要不断改进与演化，以适应不同场景的需求.机器学习方法具有从数据中提取规律并自动优化系统性能的潜力.然而，使用机器学习方法赋能系统软件面临一些挑战，包括设计面向系统软件的定制化模型、获取足量且高质量的训练数据、降低模型开销对系统性能的影响，以及消除模型误差对系统正确性的影响等.介绍了上海交通大学并行与分布式系统研究所在索引结构、键值存储系统、并发控制协议等方面应用机器学习方法优化系统软件的实践，并从模型设计、系统集成和实践者自身知识储备等方面总结了经验与教训.此外，还回顾了国内外相关研究，并对此研究方向提出了展望与建议，希望为未来的研究提供参考与帮助.