激光高能X射线成像中探测器表征与电子影响研究

基于激光尾场加速电子的高能X射线源具有高光子能量与小源尺寸的特点,在高空间分辨无损检测方面发挥着十分重要的作用.在X光机上测量了CsI针状闪烁屏、锗酸铋(BGO)闪烁阵列与DRZ闪烁屏的本征空间分辨率,并模拟了三类探测器对高能X射线的能量沉积响应,其中CsI针状闪烁屏的空间分辨率高达8.7 lp/mm.采用Ta转换靶产生的高能X射线开展透视照相,能够分辨最高面密度33.0 g/cm~2的两层客体结构.开展了X射线照相、X射线与电子混合照相以及电子照相三种情况的比对实验,在X射线产额不足或探测效率不够情况下采用X射线与电子混合透视照相的方案,以牺牲对比度为代价,能较大程度地提高图像信号强度.     

大功率半导体激光器可靠性研究和失效分析

对自主研发的975 nm波长的COS封装的大功率半导体单管激光器进行了10,12,14 A的电流步进加速应力试验,应用逆幂律模型和指数分布的理论对试验结果进行了分析,计算出在8 A的电流下,器件的平均寿命为28 999 h。研究了器件的失效形式和老化前后的温升、偏振度的变化,结果表明:失效形式主要有体内退化、腔面退化、与焊接有关的退化;老化后的器件的结温上升增多,偏振度下降10%左右。     

结构材料辐照损伤的分子动力学程序GPU并行化及优化

基于NIVIDIA公司的CUDA架构对结构材料辐照损伤的分子动力学程序在单个GPU上进行并行化,并对影响程序运行效率的相关因素进行分析和测试.经过一系列优化,当粒子数为两百万时,对比单CPU的执行时间,优化后的GPU程序其双精度加速比可达112倍,单精度加速比达到了三百倍,为后续扩展多GPU结构材料辐照损伤的分子动力学程序奠定基础.     

三维中子输运分流再平衡加速及其并行算法

为加速基于离散纵标方法（SN）的中子输运计算,针对群内迭代进行研究并实现了分流再平衡（PCR）算法及基于区域分解的并行,并在加速方程求解时进一步耦合了算术多重网格算法。并行PCR算法已集成至JSNT软件,并针对临界和外源计算典型算例验证了算法的正确性和有效性。74亿自由度的国内某商业压水堆压力容器屏蔽计算中,JSNT迭代次数减少至原来的1/3以下,总体计算时间减少至原来的1/2以下,1024核并行效率达42.8%。     

ʵʱ����ƽ�ⷴ�ݳ�����EAST PCS�еļ���

为提高等离子体实时平衡反演过程的精度和效率,开发了基于图形处理器(GPU)的P-EFIT程序.简要概括EAST PCS软硬件架构后,描述了并行实时平衡反演程序P-EFIT在EAST PCS中的集成工作.为了验证集成系统的正确性与可用性,用历史实验数据作了性能测试,满足实时控制的要求.目前P-EFIT已集成在EAST中并用于等离子体控制,EAST实验证明控制性能良好.     

三维漏斗中颗粒物质堵塞问题的数值实验研究

对于工程和实验中使用漏斗颗粒流而言,连续稳定的流量是必要的.当漏斗口较小时,很容易发生堵塞行为.堵塞现象对于交通流、疏散问题等也具有重要的意义.前人主要使用扰动的方法破坏漏斗中已有的堵塞,以便引起下一次堵塞,加快实验进程.本文利用自主开发的基于GPU(graphics processing unit)的密集颗粒流模拟程序,主要研究当三维漏斗开口打开后的第一次堵塞行为,不再引入扰动.详细讨论了漏斗开口尺寸、漏斗锥角等几何参数对坍塌规模的影响.发现对于坍塌规模的概率分布符合前人的研究结果,可以分为两部分:峰的左边呈幂函数上升形式,峰的右边呈指数衰减趋势.对于漏斗开口尺寸和漏斗锥角而言,均存在一个临界值使得堵塞不再发生.     

基于带电粒子活化法开展的SGⅡ-U皮秒激光质子加速实验研究

基于带电粒子活化测谱方法在SGⅡ-U装置上开展了皮秒激光靶背鞘场机制质子加速实验研究,对靶参数进行了优化.利用带电粒子活化测谱方法测量了相同激光条件、不同Cu薄膜靶厚度情况下靶背鞘场加速质子的最高截止能量、角分布、总产额以及激光能量到质子的转化效率等关键参数.实验发现,SGⅡ-U皮秒激光靶背鞘场加速机制的最佳Cu薄膜靶厚度为10 μm,对应质子最高能量接近40 MeV,质子（>4 MeV）总产额约4×10¹²个,激光能量到质子的转化效率约2%.薄膜靶更厚或者更薄都会降低加速质子的最高截止能量;当靶厚减薄至1 μm时,皮秒激光的预脉冲开始对靶背鞘场产生显著影响,质子最高截止能量急剧下降,高能质子束斑呈现空心结构;而当靶厚增加至35 μm时,虽然质子束的能量有所降低,但是质子束斑的均匀性更好.     

基于GPU加速的几何纹理合成方法

提出了一种基于GPU加速的几何纹理合成方法,以解决几何纹理合成过程中高计算量、高存储占用和高耗时等问题.首先,对样本几何纹理数据进行子块划分,并根据子块在样本中的位置关系设计可重用样本顶点数据的数据结构,优化存储以降低内存的占用率;然后,采用GPU多线程并发技术设计并行加速算法,将串行的几何纹理合成过程并行化,从而实现快速生成任意尺寸的新的几何纹理.实验结果表明,该算法不仅占用存储较少,而且在保证合成质量的同时极大地降低了几何纹理的合成耗时.     

MPI在蒙特卡罗程序GMT中的应用和发展

针对ADS颗粒靶概念的研究和设计,中国科学院近代物理研究所自主研发了蒙特卡罗模拟软件GMT。为了提高GMT程序的计算效率,研究了MPI在GMT中的应用和发展,实现了大规模随机数在进程中的随机分配,并采用快速读写文件的方式替代了MPI相关数据通信函数,极大地提高了计算效率。并研究了不同规模计算实例进程数、加速比、效率之间的关系,确定了最大加速进程数及并行效率最高时的进程数,为科研工作者在计算资源和计算效率之间选择最优计算方案提供了科学依据。MPI在GMT中的成功应用使计算资源得到了充分、高效的利用,极大地提高了计算效率,解决了蒙特卡罗方法中大规模事件模拟计算时间长、计算不稳定等问题,在散裂靶大规模扫描计算中发挥了重要的作用。For the research and design of the ADS granular-flow target concept, the Institute of Modern Physics, CAS has developed a Monte Carlo simulation software (GPU-accelerated Monte Carlo Transport program, GMT). In order to improve the computational efficiency of the GMT program, development and application of MPI in GMT were studied, to realize random distribution of the large-scale random number in the sub processes. Rapid reading and writing files were employed instead of the MPI data communication function, which greatly improves the computational efficiency. Different scale calculations were performed to study the relationship of process instance number, speedup to find the maximum acceleration process number and the number of processes when parallel efficiency is highest, which provides a scientific basis for researchers to optimize the computational program between computational resources and computation efficiency. The successful application of MPI in GMT, utilizes the computing resources fully and efficiently, improves the computational efficiency, solve the long time cost and unstable problem of Monte Carlo method in large-scale event simulations, plays an important role in the large-scale scanning calculation of the spallation target.     

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。