兰州重离子加速器冷却储存环

 兰州重离子加速器(HIRFL)由用作注入器的扇聚焦回旋加速器(SFC)和分离扇回旋加速器(主加速器SSC)组成,是加速中、低能重离子束流的回旋加速器系统.     

?4模型真空态间的转换算符

本工作在正则量子化的基础上,对$\phi^4$模型的哈密顿量采取正规序来正规化真空零点能,然后微扰计算了至次领头阶的真空态修正。同时首次得到可以在$\phi^4$模型的两个真空态之间转换的算符,我们相信这个算符也是适当极限条件下产生$\phi^4$扭结(kink)的算符的形式。最后简要说明了真空能的应用。     

静息态功能磁共振成像评估健康老年人认知行为的多尺度熵模型研究

当前,静息态功能磁共振成像(rfMRI)为脑功能检测提供了高效、快捷的先进技术.熵可以捕捉神经信号动态特征,可作为量化评估参数,但尚存在固定尺度计算缺陷且对认知行为的生物学标记少有研究,影响检测精准性.为此,本文将多尺度熵模型与机器学习方法联合,寻求BOLD信号复杂度表征健康老年人认知分数的功能影像学标记.由扫描前认知量表测试分数将98名健康老年人分为优、差两组,78名纳入训练,20名纳入测试.首先,构建多尺度熵模型,计算两组扫描数据熵,统计和对比以优化模型参数;然后,在优化参数下由统计显著性高的脑区熵值构建特征向量;最后,用极限学习机对两组分类并统计检验.发现:rfMRI多尺度熵在评估老年人认知分数时,在额、颞叶脑区存在较大显著性差异,以此为标记区分认知分数可达80%准确率.结论:额、颞叶等脑区优化的多尺度熵可有效区分健康老年人认知行为优劣.该研究将为rfMRI替代主观繁琐的传统认知量表测试提供新的检测参数和新方法.     

A Space-Time Polynomial Collocation Method for Solving 3D Burgers Equations北大核心CSCD

Burgers方程是一类应用广泛的非线性偏微分方程,方程中的非线性项难以处理。该文提出一种新的时空多项式配点法——多项式特解法求解三维Burgers方程。求解过程分为两步:第一步,对三维Burgers方程中的线性导数项(包括时间导数项),求出相应的多项式特解。第二步,将求出的多项式特解作为基函数,对三维Burgers方程中剩余的非线性项进行迭代求解。与时空多项式函数作为基函数对三维Burgers方程进行直接求解相比,该算法简单易行,得到的近似解精度非常高,算法极其稳定,对于教学过程中提高学生的编程能力,加深对高维Burgers方程的理解能力以及Burgers方程的实际应用具有重要意义。     

Zr4Al2高压下热动力学性质的第一性原理研究

本文主要通过平面波赝势密度泛函理论的第一性原理计算方法,采用了广义梯度近似（GGA）交换相关函数,研究了六角结构的Zr4Al2的EOS态方程和热动力学性质。通过采用了声子效应的准谐近似德拜模型,我们成功得到了晶胞体积V随温度以及V/V0、德拜温度Θ、热熔CV 随压强P的变化关系。另外,我们还研究了热膨胀系数α及格林参数γ随温度和压强的变化关系,计算结果表明格林参数和热膨胀系数随温度的升高而增加,但是在较高的温度下,热膨胀系数几乎不受温度的影响。     

声子和温度对球型量子点中极化子性质的影响

采用求解能量本征方程、幺正变换及变分相结合的方法,研究声子和温度对球型量子点中极化子性质的影响。数值计算表明,声子效应导致极化子的基态能量低于电子能量,且极化子基态能量随电子—声子耦合强度的增大而降低。数值计算还表明,温度较低时,声子不会被激发,极化子的基态能量不随温度而变;温度较高时,声子会被激发,导致极化子能量随温度升高而增大。     

高电荷态Krq+与Al表面碰撞发射可见光的研究

利用低速(V≈0.01 V_Bohr)高电荷态Kr^q+ (q=8, 10, 13, 15, 17)离子轰击金属Al表面, 获得了碰撞过程产生的300–600 nm的光谱. 实验结果表明: 低能大流强(μA/cm²量级)离子束入射金属表面, 可产生溅射原子、离子和入射离子中性化后发射的可见光. 随着入射离子势能(电荷态)增加, 碰撞过程中发射谱线的强度增强. 与激发态3d能级相比, 较高的势能可以有效地激发Al原子的电子到较高4s能级. 关键词： 高电荷态离子 可见光发射 离子与表面作用     

图的邻点全和可区别全染色

设f:V(G)∪E(G)→{1,2,…,k}是图G的一个正常k-全染色。令■其中N(x)={y∈V(G)|xy∈E(G)}。对任意的边uv∈E(C),若有Φ(u)≠Φ(v)成立,则称f是图G的一个邻点全和可区别k-全染色。图G的邻点全和可区别全染色中最小的颜色数k叫做G的邻点全和可区别全色数,记为f tndi∑(G)。本文确定了路、圈、星、轮、完全二部图、完全图以及树的邻点全和可区别全色数,同时猜想:简单图G(≠K2)的邻点全和可区别全色数不超过△(G)+2。