机器学习辅助高性能化学信息数据库促进金属有机框架材料基气体吸附材料筛选

基于数据库化学结构搜索和机器学习快速筛选特定功能材料是近年的研究热点. 本文建立了基于MYSQL的高性能化学结构数据库,即MYDB. 数据库利用新的检索算法收集和存储了超过16万个金属有机框架材料,可以实现了高效检索和推荐. 测试结果显示MYDB能够在百万数量级的材料中实现快速高效的关键词搜索,并对相似结构提供实时推荐. 结合机器学习方法和材料数据库,训练了气体吸附模型,以确定一定热力学条件下金属有机框架材料对氩气和氢气的吸附能力. 结合MYDB数据库和机器学习算法训练出的模型能够支持大规模、低成本且方便快捷的结构筛选,从而推进计算材料研究领域中特定功能材料的发现.     

基于共焦LIBS技术结合机器学习的矿石分类识别方法

矿物分类与识别是地质研究领域的重要内容,对地质勘探和环境演化的研究具有重要意义。然而,传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定,主观性强,准确率低,激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、灵敏度高以及快速在线检测的特点,非常适合用于地质研究领域。利用共焦激光诱导击穿光谱技术与机器学习结合,提高了矿石分类识别的精准度,利用共焦LIBS系统获得8种天然矿石样品(金矿、铜矿、银辉矿、赤铁矿、铝矿、方铅石、磷灰石以及闪锌矿)的光谱数据,采用主成分分析方法(PCA)对数据进行降维处理,并对降维后的数据采用线性判别分析(LDA)、最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。首先,采用标准铜片作为样品,对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响,结果表明与非共焦LIBS系统相比,共焦LIBS系统的稳定性提升了63.75%,主成分累计贡献率提高了17.81%;然后,采用共焦LIBS系统获取上述8种矿石样品的光谱信息,并进行去噪等预处理,采用PCA对矿石特征数据进行提取,并保留累...     

面向高超声速飞行器的激波智能预测方法

高超声速飞行器激波位置的准确预测能够有效提升数值模拟的精度和效率。一方面, 对高超声速飞行器激波附近网格进行正交和加密处理, 可有效提升数值计算精度; 另一方面, 使用高超声速飞行器激波位置对计算网格进行修正, 能够加速CFD计算收敛过程。提出了一种基于机器学习的高超声速飞行器激波智能预测方法, 对典型高超声速飞行器外形进行激波位置的高效准确预测。首先, 针对典型高超声速飞行器外形和典型飞行状态, 使用数值模拟方法获得收敛的流场, 并采用基于Mach数等值线的激波提取方法, 从流场中判别激波面并提取构成激波面的关键点位置, 形成训练数据; 然后采用有监督学习算法, 学习关键点位置, 并利用二次曲线沿流向拟合关键点形成初步的激波线族; 最后, 基于剖面压力云图, 构造基于投影压力图像的智能预测神经网络, 对初步形成的激波线族进行修正, 并获得三维激波面。大量的实验结果表明, 激波预测模型能够对高超声速飞行器激波位置做出准确预测, 预测的激波面与CFD数值计算结果中提取的激波面误差在10-4量级。      

机器学习在储存环轨道校正中的应用研究

X射线同步辐射光源,是现代科学研究中最强大的工具之一。位于中国上海的上海光源,是一台能量为3.5 GeV的先进的第三代中能同步辐射光源。第三代同步辐射光源要提供高亮度、高稳定性的同步辐射来满足实验条件要求苛刻的前沿研究,因此对束流的轨道稳定性有很高的要求。为此,采用机器学习算法进行电子束轨道的控制和反馈。这种基于神经网络的轨道校正方法不依赖于具体的响应矩阵,建立非线性映射关系,并且还可以进行连续的在线再训练,对上海光源的轨道校正和提高束流轨道稳定性有重要意义。     

基于机器学习的竖直管内超临界压力CO2湍流换热替代模型研究

超临界压力流体在热力发电、航空航天热防护等工业领域具有广泛应用和广阔的应用前景。然而,由于超临界压力流体在准临界温度附近物性变化剧烈,对流换热性能异于常规流体,为系统热设计带来了很大挑战。本文以受浮升力与热加速耦合影响的超临界压力CO_2管内湍流换热问题为例,利用机器学习的高斯过程回归算法和协同克里金法建立两种计算模型,研究多精度数据融合方法在复杂传热问题中的可行性及其特点,以期建立快速、高精度的超临界压力流体湍流换热替代模型。结果表明,在本文数据下上述两种机器学习模型在测试集上预测努谢尔特数的误差不超过5%,优于现有准则关联式预测精度,训练及预测时长最多为分钟量级。高斯过程回归结合协同克里金法的模型只需要48个高精度数据结合1200个低精度数据点即可达到采用96个高精度数据点的高斯过程回归算法预测精度。此外,本文基于机器学习建立的替代模型方法也可以应用于其他换热性能预测问题与热系统设计。     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

机器学习原子间相互作用建模

原子间相互作用建模是分子动力学模拟的核心问题之一.基于第一性原理的建模准而不快,经验势模型快而不准,因此人们长期面临精度和效率只得其一的两难困境.基于机器学习的原子间相互作用建模在达到第一性原理精度的同时,计算开销大大降低,因而有希望解决这一两难困境.本文将介绍构造基于机器学习的原子间相互作用模型的一般框架,归纳近年来的主要建模工作,并探讨这些工作的优势和劣势.     

基于机器学习的黏钢构件黏接层缺陷识别方法研究

对黏钢加固结构黏接层缺陷对超声检测信号的影响进行了深入研究,并提出了一种基于机器学习的黏接层缺陷识别的新型方法.首先,该文基于直接接触式的脉冲回波反射法对黏钢构件进行有限元模拟,并阐述了超声波在黏钢构件中的传播规律;其次,通过分析局部段超声回波信号及相关信号特征,讨论了不同缺陷变量对超声回波信号的影响规律;最后,建立了黏钢构件超声时程响应数据集,并对比了不同机器学习模型对缺陷大小、位置的分类识别性能,形成了黏钢构件黏接层缺陷识别方法.结果表明,局部段超声回波信号及其特征随着缺陷大小、位置的改变呈规律性变化,能够对缺陷信息进行初步区分.同时,该文提出的基于RF模型的黏钢构件黏接层缺陷识别方法能够有效识别黏钢构件黏接层缺陷,具有较广阔的工程应用前景.     

支持向量机方法与模糊系统

概括介绍了近年来倍受瞩目的一种新的计算机学习方法——支持向量机(Support Vector Machines,简称SVM)方法,这一方法具有坚实的理论基础和出色的应用效果;并分析了SVM方法与模糊系统的关系,对这两种方法的交互促进和发展提出了看法。     

采用极限学习机的流场积分吸光度快速测量方法

发动机是飞行器动力系统的核心组件,发动机流场的动态监测可以掌握发动机内部流场的燃烧情况,对于飞行器状态监测和性能评估具有重要意义.拥有先进的诊断技术是发展发动机技术的基础,也是研制新型航空航天飞行器的必要条件之一.激光吸收光谱技术可以实现燃烧场气体参数的测量,在发动机严苛的流场环境中,吸收光谱波长调制技术(WMS)可以...