高分子材料基因组——高分子研发的新方法

材料基因组旨在将计算工具、数据库和实验工具有机结合,缩短研发时间,提高材料研发效率.高分子材料因其结构独特性和复杂性阻碍了材料基因组在高分子材料领域的发展.目前,国内外学者在高通量筛选高分子化学结构策略和构建性能预测方法等方面开展了尝试,并取得了一些成果.本文总结和评述了当前利用代理量方法和机器学习预测模型实现高分子材料基因组的进展,利用可计算的量代理宏观性能的代理量法和利用机器学习模型预测材料性能的方法在一定程度上克服了高分子复杂性的影响.在此基础上,系统地介绍了数据挖掘或模型构建的方法以及运用这些模型筛选不同类型高分子的思路,着重探讨了方法构建和材料筛选背后的思想以及对各类问题的解决措施.最后,探讨了当前高分子材料基因组发展中所面临的主要挑战,并展望了高分子材料基因组的未来发展方向.     

VOCs分子的半导体型传感器识别检测研究进展

具有体积小、功耗低、灵敏度高、硅工艺兼容性好等优点的金属氧化物半导体(MOS)气体传感器现已广泛地应用于军事、科研和国民经济的各个领域。然而MOS传感器的低选择性阻碍了其在物联网(IoT)时代的应用前景。为此,本文综述了解决MOS传感器选择性的研究进展,主要介绍了敏感材料性能提升、电子鼻和热调制三种改善MOS传感器选择性的技术方法,阐述了三种方法目前所存在的问题及其未来的发展趋势。同时,本文还对比介绍了机器嗅觉领域主流的主成分分析(PCA)、线性判别分析(LDA)和神经网络(NN)模式识别/机器学习算法。最后,本综述展望了具有数据降维、特征提取和鲁棒性识别分类性能的卷积神经网络(CNN)深度学习算法在气体识别领域的应用前景。基于敏感材料性能的提升、多种调制手段与阵列技术的结合以及人工智能(AI)领域深度学习算法的最新进展,将会极大地增强非选择性MOS传感器的挥发性有机化合物(VOCs)分子识别能力。     

基于滤波器-光谱数据降维的指甲地区识别

该文从实际案件中收集了5个地区共计204份指甲样本,运用希尔伯特变换滤波器对原始谱图进行降噪处理,然后采用主成分分析进行数据降维,借助朴素贝叶斯、随机森林以及偏最小二乘判别分析模型开展指甲地区的识别工作,并根据模型的识别率和相关指标筛选出最佳预处理方法和最优识别模型。结果表明,经预处理后的原始谱图识别率得到显著提升,希尔伯特变换滤波器结合主成分分析是最佳预处理方法,随机森林模型的稳定性和识别率均高于朴素贝叶斯和偏最小二乘判别分析模型,对最佳预处理方法的训练集识别率为94.88%,测试集识别率为93.47%。该方法能有效降低谱图的噪声,减少数据的冗余,提高模型的识别效果,为法庭科学中指甲地区的快速鉴定提供了参考。     

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。      

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...     

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。     

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.     

基于机器学习方法的H1N1神经氨酸苷酶抑制剂的分类预测

流感是一种主要的呼吸道传染病, 在普通人群中有着较高的发病率, 而对于一些年老和高危病人还有较高的死亡率. 研究显示抑制神经氨酸苷酶(NA)可以阻断病毒RNA复制, 因此NA是有效治疗H1N1型流感病毒的重要药物靶标. 通过计算机方法进行虚拟筛选和预测NA抑制剂已经变得越来越重要. 针对酶活性位点进行基于结构的合理药物设计, 开发H1N1 病毒神经氨酸苷酶抑制剂, 已成为药物研究的热点之一. 本文通过多种机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5DT))对已知的神经氨酸苷酶抑制剂(NAIs)与非神经氨酸苷酶抑制剂(non-NAIs)建立分类预测模型. 其中227个结构多样性化合物(72个NAIs与155个non-NAIs)被用于测试分类预测系统, 并用递归变量消除法选择与神经氨酸苷酶抑制剂分类相关的性质描述符以提高预测精度. 本研究对独立验证集的总预测精度为75.9%-92.6%, NA 抑制剂的预测精度为64.3%-78.6%, 非H1N1抑制剂的预测精度为77.5%-97.5%. SVM法给出最好的总预测精度(92.6%). 本研究表明支持向量机等机器学习方法可以有效预测未知数据集中潜在的NA抑制剂, 并有助于发现与其相关的分子描述符.     

基于机器学习和可见光光谱的冬小麦叶片氮积累量估算

在拔节期分4次采集了6个施氮水平下的冬小麦冠层图像,同步进行取样并以凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量。利用随机森林算法分割冠层图像之后提取冠层覆盖度、可见光波段(R, G和B)三个分量及其衍生的5个色彩指数。以冠层覆盖度外加色彩指数、色彩分量的两种非线性回归,以及人工神经网络、支持向量回归、随机森林3种机器学习算法建立了冬小麦叶片氮积累量的估算模型。结果表明利用色彩指数的非线性回归模型的估算精度稍低于其他方法,而随机森林算法的拟合精度最高,但存在明显的过拟合现象。其他三种方法,即以冠层覆盖度及色彩分量为输入变量的非线性回归、支持向量回归和人工神经网络方法,均具有较高的拟合精度和泛化性能。