具有高安全性和有效性的Ⅱ期两阶段临床试验

Ⅱ期临床试验的主要目的是对药物治疗的安全性和有效性进行评估.针对具有高安全性的Ⅱ期两阶段临床试验,给出小样本量下关于安全性和有效性的精确检验方法,并证明最大Ⅰ类错误概率与Ⅱ类错误概率分别在原假设和备择假设的边界处达到.在期望样本量最小原则下,给出最优两阶段设计的构造方法和常用设计表,供实际应用选用.     

HL-2A装置中性束发射光谱 诊断系统的研制与测试

在HL-2A装置上完成了一套32通道束发射诊断系统(BES)，可对径向r=12~44cm, 极向-7.5~+7.5cm二维空间范围内的长波长()电子密度扰动信息进行测量，其时间分辨率达到0.5ms，空间分辨率1~2cm。系统由内置于真空室的非对称镜头组、传输光纤、高性能探测器模块以及辅助的冷却和真空设备构成。系统的噪声在低频时(f<100kHz)主要由散粒噪声贡献，在较高频率时由散粒噪声和e噪声共同决定。在典型的HL-2A装置放电模式中，对于200kHz以下的扰动，该系统的信噪比(SNR)均大于3。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

2型糖尿病并发大血管病变的危险因素分析与自我管理

探讨2型糖尿病合并大血管病变的相关危险致病因素, 以期指导制定自我管理方案. 采用回顾性病例-对照研究方法, 选2型糖尿病患者85例, 根据是否合并大血管病变, 分为单纯2型糖尿病组(T2DM组, n=41)及合并大血管病变组(T2DM+MV组, n=44), 选同期的40例非糖尿病患者作为对照, 比较各组患者的一般资料及入院时的血压、血清镁、空腹血糖、糖化血红蛋白和血脂水平等参数. 结果表明 糖尿病病程(比值比(OR)=1.268, 95%置信区间(CI) 1.076~1.496)、空腹血糖(OR=2.147, 95% CI 1.167~3.949)及糖化血红蛋白水平(OR=4.936, 95% CI 1.575~15.470)是2型糖尿病患者并发大血管病变的独立危险因素, 而血清镁水平则是独立保护性因素(OR=0.001, 95% CI 0.000~0.014). 同时表明, 在2型糖尿病早期自我管理中, 积极控制血糖及维持血清镁在较高水平是预防大血管病变的有效途径.     

Exceptional Cycles in the Bounded Derived Categories of Quivers

An exceptional n-cycle in a Hom-finite triangulated category with Serre functor has been recently introduced by Broomhead,Pauksztello and Ploog.When n=1,it is a spherical object.We explicitly determine all the exceptional cycles in the bounded derived category D^b(kQ)of a finite quiver Q without oriented cycles.In particular,if Q is an Euclidean quiver,then the length type of exceptional cycles in D^b(kQ)is exactly the tubular type of Q;if Q is a Dynkin quiver of type E_m(m=6,7,8),or Q is a wild quiver,then there are no exceptional cycles in D^b(kQ);and if Q is a Dynkin quiver of type An or D_n,then the length of an exceptional cycle in D^b(kQ)is either h or h/2,where h is the Coxeter number of Q.     

Information percolation and cutoff for the random‐cluster model

We consider the random‐cluster model (RCM) on with parameters p∈(0,1) and q ≥ 1. This is a generalization of the standard bond percolation (with edges open independently with probability p) which is biased by a factor q raised to the number of connected components. We study the well‐known Fortuin‐Kasteleyn (FK)‐dynamics on this model where the update at an edge depends on the global geometry of the system unlike the Glauber heat‐bath dynamics for spin systems, and prove that for all small enough p (depending on the dimension) and any q>1, the FK‐dynamics exhibits the cutoff phenomenon at with a window size , where λ_∞ is the large n limit of the spectral gap of the process. Our proof extends the information percolation framework of Lubetzky and Sly to the RCM and also relies on the arguments of Blanca and Sinclair who proved a sharp mixing time bound for the planar version. A key aspect of our proof is the analysis of the effect of a sequence of dependent (across time) Bernoulli percolations extracted from the graphical construction of the dynamics, on how information propagates.