C60CH2结构和电子光谱的理论研究

用ＩＮＤＯ系列方法研究Ｃ６０ＣＨ２的两种结构，ＣＨ２加在两个六元环之间的键上为Ｃ２０构型，ＣＨ２加在一个五元环和一个六元环之间的键上为Ｃ５构型，计算表明，从总能量和ＬＵＭＯ－ＨＯＭＯ能级差看，Ｃ６０ＣＨ２的稳定结构应是Ｃ２０构型，该Ｃ２０异构体有类环丙结构（Ｃ１５－Ｃ３０桥键键长为０．１５５６ｎｍ，键序等于０．８６６３），其电子光谱计算结果与实验值符合较好。     

毛细管气相色谱法测定血中的丁卡因

本文报道应用毛细管色谱柱和氮磷检测器的气相色谱法,测定了全血中局部麻醉药丁卡因。选用SKF_(525A)为内标物,对前处理过程进行质量控制。全血碱化后,用乙醚提取。丁卡因在10～80ng/μl范围内呈线性关系,r=0.999。丁卡因回收率为74.7%,C.V6.09%;内标物SKF_(525A)回收率为70.3%,C.V3.32%。本文建立的方法可用于法庭毒物分析及临床分析。     

C2H5C60H的加成产物的结构和光谱性质的最子化学研究

用ＩＮＤＯ系列方法对Ｃ２Ｈ５Ｃ６０Ｈ的１，２－加成和１，４－加成两种产物异构体的结构进行了理论研究，结果表明，１，２－Ｃ２Ｈ５Ｃ６０Ｈ具有Ｃ５对称性，１，４－Ｃ２Ｈ５Ｃ６０Ｈ没有任何对称性，１，２－Ｃ２Ｈ５Ｃ６０Ｈ的总能量比１，４－Ｃ２Ｈ５Ｃ６０Ｈ的低，以此优化构型为基础，计算了两处产物异构体的电子吸收光谱，讨论了其光谱红炱的原因，同时对产物的ＮＭＲ谱进行了探讨。     

7—氮吲哚二体激发态双质子转移的量子化学研究

用AMl和INDO/CI方法研究了7-氮吲哚二体激发态双质子转移反应的位能面和机理,异构二体虽存在较强的分子内氢键,但基态时正常二体的能量仍比异构二体低,光照时正常二体可通过激发态质子转移变为异构二体,这是其荧光产生反常Stokes位移的原因。     

Diffusive Regularization Inverse PINN Solutions to Discontinuous Problems北大核心CSCD

双曲守恒律方程间断问题的求解是该类方程数值求解问题研究的重点之一.采用PINN (physics-informed neural networks)求解双曲守恒律方程正问题时需要添加扩散项,但扩散项的系数很难确定,需要通过试算方法来得到,造成很大的计算浪费.为了捕捉间断并节约计算成本,对方程进行了扩散正则化处理,将正则化方程纳入损失函数中,使用守恒律方程的精确解或参考解作为训练集,学习出扩散系数,进而预测出不同时刻的解.该算法与PINN求解正问题方法相比,间断解的分辨率得到了提高,且避免了多次试算系数的麻烦.最后,通过一维和二维数值试验验证了算法的可行性,数值结果表明新算法捕捉间断能力更强、无伪振荡和抹平现象的产生,且所学习出的扩散系数为传统数值求解格式构造提供了依据.     

求解双曲守恒律方程的高分辨率熵相容格式

为提高熵相容格式的精度,利用限制器机制构造高分辨率格式,将构造的通量限制器插入熵相容格式,得到一类高分辨率熵相容格式.构造Euler方程高分辨率熵相容格式时,对熵相容格式中的几个参数做简单调整,提高了接触间断处的分辨率.将所得格式的数值结果与熵相容格式的数值结果比较表明,构造的高分辨率熵相容格式具有稳健和基本无振荡等特性.     

浅水波方程的黏性正则化PINN算法

针对经典PINN(Physics-informed Neural Networks)在求解浅水波方程间断问题时的不足，提出一种黏性耗散机制的正则化PINN算法。该算法利用黏性正则化的浅水波方程作为网络构建中的物理约束，并在损失函数中作为惩罚项，训练网络用正则化方程的光滑解逼近原方程的间断解，采用网格加密熵稳定格式的数值解作为参考，学习得原方程在整个区域的解。对满足不同初始条件的一维、二维浅水问题进行数值模拟，并与经典PINN算法进行比较，数值结果表明新算法泛化能力强，可预测任意时刻的解，分辨率高，不会出现抹平和伪振荡现象。     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点，其中，双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发，构造了改进的PINN算法，近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入，将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值，通过网络优化，最小化损失函数，得到最优网络参数。最后用数值算例验证了算法的可行性，数值结果表明，本文算法能捕捉激波，分辨率高，且未产生伪振荡。