基于机器学习的二氧化碳电化学还原制备甲酸盐研究

系统研究了不同双金属中心催化剂催化二氧化碳电化学还原制备甲酸盐。借助机器学习,确定了反应中心金属原子序数、电负性和电离能等特征对双金属中心催化剂表面二氧化碳还原具有主要的影响。基于这些特征,通过高通量机器学习快速预测了105种双金属中心催化剂二氧化碳电还原制甲酸盐及其主要竞争反应的Gibbs自由能变,筛选出29种双金属中心催化剂更倾向于二氧化碳还原得到甲酸盐,是潜在的转化二氧化碳为甲酸盐的高性能催化材料。运用类似的方法预测了105种双金属中心催化剂表面二氧化碳还原中间体的结构,发现中间体吸附能与其吸附构型具有显著的相关关系。     

产品碳足迹基础数据库建设与应用研究

随着双碳目标的推进和我国对环境保护重视程度的提高,对于更精准、实时、深入的碳足迹基础数据库的需求愈加迫切。本文对当前国内外碳足迹数据库的建设现状进行了调研,整理了当前碳足迹数据库建设的问题与不足,从数据库设计、数据收集等角度提出产品碳足迹基础数据库建设方法,并以真实产品为案例进行生命周期建模与碳足迹评估分析。     

车载社交网中基于传递概率的路由算法

在车载社交网(Vehicular Social Network,VSN)中,车辆移动速度快且行驶方向难以预测,导致网络拓扑结构不断变化,通信链路时常中断,因此在进行消息传输时丢失率和传输延迟都居高不下.为了解决上述问题,针对VSN提出了一种基于传递概率的路由算法(ProSim),利用节点间的机会式相遇来进行消息的传输,...     

基于高信背比的视频低速暗弱目标增强

为了解决图像处理领域缺少一个描述目标信号显著程度的物理量的问题,引用了光谱学中信背比的概念,类比于信噪比的计算方法,求出目标信号平均灰度值与背景平均灰度值之比,直观地表示出目标信号与背景的对比度。同时,为了解决视频中低速暗弱目标难以分辨与检测的问题,提出了一种视频低速暗弱目标增强方法,首先对视频首尾的连续多帧图像进行叠加差分运算,得到平滑的差分图像,然后进行灰度变换迭代,获得高信背比的图像。实验结果表明,信背比可以有效地描述了目标信号的显著程度,采用提出的视频低速暗弱目标增强方法后,目标信号的信噪比由1.84增加至9.18,信背比由0.33增加至19.44,提高了接近60倍,暗弱目标的显著程度大幅度提高,达到了视频低速暗弱目标增强的要求。     

基于负载均衡的VEC服务器联合计算任务卸载方案

在车载边缘计算(Vehicular Edge Computing,VEC)网络中,车辆计算资源受限导致无法处理海量的计算任务,需要将车载应用产生的计算任务卸载到VEC服务器上进行处理.但车辆的移动性和区域部署的差异性易导致VEC服务器负载不均衡,造成了计算卸载效率和资源利用率降低.为解决该问题,提出一种计算卸载和资源分...