基于机器学习XGBoost算法的跨音速离心压气机扩压器气动优化设计

本文以某跨音速离心压气机扩压器为研究对象,提出了一种叶型参数化方法和优化流程,采用机器学习XGBoost算法以及全局寻优模型对其进行了气动优化。研究结果表明,该回归优化模型可以在较少的迭代步数内获得全局最优解,优化速度比传统代理模型具有显著的提升,优化精度与CFD仿真结果相当。优化后的扩压器能够在保证离心压气机压比基本不变的条件下,峰值效率提高1.03%,稳定裕度提高4.79%,对优化后扩压器内部流动进行了分析,讨论了不同设计参数对离心压气机的影响,为离心压气机扩压器设计提供了指导。     

人工智能化学：变革研究范式,加速物质发现

化学科学领域的复杂性和海量数据为人工智能应用提供了契机。人工智能、机器学习、深度学习从海量数据中识别新的化合物,建立新的模型,提出新的理论,正在改变化学物质的发现、转化和功能研究范式,促进重大问题的解决。本文综述了近年来国际上人工智能在化学研究中的重要进展,分析了人工智能化学的主要发展态势。人工智能通过助力化学海量数据挖掘、实现化学实验室智能化和自动化、增强计算化学解决实际问题的能力,推动化学跨越式发展。     

基于机器学习的水体化学需氧量高光谱反演模型对比研究

化学需氧量（COD）是水体有机污染的一项重要指标,如何快速准确检测水体的COD含量尤为重要。机器学习在水质反演领域应用日益增多,并取得了较多的研究成果,高光谱遥感具有光谱空间分辨率高、成像通道多等优势,使其在水体COD反演方面有着极大的潜力。利用不同的高光谱预处理方法对原始高光谱数据进行处理,并利用处理前后的高光谱数据对比研究了不同机器学习模型、不同高光谱预处理方法对水体COD的反演性能。首先利用ZK-UVIR-I型原位光谱水质在线监测仪在扬州宝带河实地收集了1 548组COD和对应的高光谱数据（400~1 000 nm）样本,为降低光谱噪音干扰以及消除光谱散射影响,分别使用Savitzky-Golay（SG）平滑、多元散射校正数据（MSC）以及SG平滑结合MSC对原始光谱进行预处理。其次,将样本集随机划分为训练集和测试集,其中训练集占比80%,测试集占比20%。对预处理后的训练集全波段光谱基于线性回归、随机森林（random forest）、AdaBoost、XGBoost四种机器学习方法建立COD高光谱反演模型,并选取了决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）三种指标在测试集数据中评估高光谱反演模型的精度。结果表明,随机森林、AdaBoost、XGBoost均优于线性回归,无论光谱处理与否,通过XGBoost建立的反演模型预测能力均为最佳,其中使用XGBoost对经过SG平滑和MSC处理后的光谱数据进行建模的反演模型精度最高,其R2达到0.92,RMSE为7.1 mg·L-1,RPD为3.4。考虑到原始光谱可能存在冗余,通过主成分分析法（PCA）对经过SG平滑和MSC处理后的光谱进行降维,并选取累计贡献率达到95%的前十个主成分作为模型的输入变量。通过XGBoost建立反演模型,结果表明经过PCA后的反演模型不仅精度有所上升,RPD达到3.8,而且模型的训练时间也由72 s缩短到2.9 s。以上研究可为该水域及类似水域的高光谱水质反演模型的建立提供新的方法及思路。     

基于影像组学的直肠癌术前T分期预测

直肠癌T分期对患者的术前评估有重要作用.然而,传统的放射科医生根据患者磁共振图像直接判断分期的方法效果欠佳.本文提出使用影像组学的方法预测直肠癌T分期,首先获取105例直肠癌患者影像数据,根据病理报告中的T分期结果将T1、T2期患者划分为未突破肌层组,将T3、T4期患者分为突破肌层组,整理数据得到未突破肌层组31例,突破肌层组74例.在患者的轴向位T2WI图像中勾画病灶区域,并在病灶上使用pyradiomics工具包提取影像组学特征,使用最小绝对值收敛和选择算子（LASSO）对高维特征做特征选择,得到与T分期高度相关的特征数据,使用随机森林、支持向量机（SVM）、逻辑回归、梯度提升树（GBDT）分别建模,进行交叉验证调参,评估模型性能.每层图像提取100维特征,经LASSO特征选择后得到7个与T分期高度相关的特征,使用4种模型分别建模,其中SVM算法表现最优,平均受试者操作特征曲线下面积（AUC）、准确率、灵敏度、特异度分别为0.968 5、0.886 4、0.962 5、0.899 2,测试集准确率达到了0.904 7.结果表明,使用影像组学方法可以提高直肠癌T分期预测的准确率.     

从单分子到凝聚相水体系的理论描述：势能面和分子动力学最新进展

本文回顾了近十年来水体系的势能面与分子动力学理论研究的最新进展,包括水分子参与的气相反应,固体表面上的吸附与解离动力学,以及从团簇到凝聚相水的结构、振动光谱与统计力学模拟. 近年来再次发展起来的机器学习技术,例如结合置换不变多项式的神经网络,或结合基本不变量的神经网络,已被成熟应用于气相与固体表面体系的高精度势能面构造中. 对于团簇甚至凝聚相水体系,原子中心神经网络方法或基于核的高斯过程方法应用更为广泛. 此外,在多体展开框架下,在气相体系中发展起来的的方法也组成了高维度体系势函数构造的高精度方案. 当前凝聚相水体系面临的主要问题是高精度从头算数据集的积累,兼顾计算精度与效率的双杂化密度泛函是一种可能的解决方案. 在动力学理论方面,无论是化学反应截面计算还是振动光谱模拟,往往需要合理描述水分子中氢原子的量子效应,才能得到较为可靠的理论计算结果. 量子波包动力学方法已经在气相反应机理研究方面有深入的应用,也在包含数个水分子的团簇振动分析中有初步应用. 基于路径积分的分子动力学方法正在较大水团簇以及凝聚相水的结构与谱学模拟方面发挥重要作用.     

求解大规模矛盾方程组的最小二乘支持向量机算法

房价预测、共享单车出租数量预测、空气污染情况预测等常涉及矛盾方程组求解,对其数值求解方法研究具有重要的理论意义与应用价值。当矛盾方程组规模过大时,用传统的最小二乘法求解,不仅计算量大,而且由于误差积累使最终结果的准确性不高。鉴于此,采用机器学习中的最小二乘支持向量机（least squares support vector machine,LS-SVM）算法求解大规模矛盾方程组,并分别针对线性、非线性、单变量、多变量矛盾方程组进行了数值求解。数值结果表明,数据类型和数据量的变化对结果的影响不大,因此只要选取适当的参数就可建立合适的模型,得到高精度的预测结果。     

拉曼光谱技术在医学检验领域中的研究进展(特邀)

拉曼光谱技术以光子的非弹性散射为基础,具有实时、非侵入、快速等优点,作为一种分析工具被广泛应用于各个研究领域。在医学检验领域中,拉曼光谱不仅可以提供细胞和组织的化学成分信息,还能检测发生病变的细胞和组织在生化信息的组成和结构上的差异,在医学检验领域极具应用前景。概述了目前可能应用于医学检验的几种拉曼技术;阐述了拉曼光谱技术应用于生物液体样本和其他样本的一些关键问题。针对生物液体样本,重点评估了血液、尿液和脑脊液等流体样本的适用情况;总结了用于拉曼检测的医学样本的收集和保存方法。同时,介绍了拉曼光谱数据的处理与分析方法,通过光谱的预处理,结合统计学方法、机器学习方法进行特征提取与分类识别,实现拉曼光谱和生化信息的映射。对拉曼光谱应用于医学检验的关键问题进行讨论,探讨了临床转化需要克服的问题及发展前景。     

基于函数调用图的Android恶意代码检测方法研究

提出了一种基于函数调用图的 Android 程序特征提取及检测方法。该方法通过对 Android 程序进行反汇编得到函数调用图,在图谱理论基础上,结合函数调用图变换后提取出的图结构和提取算法,获取出具有一定抗干扰能力的程序行为特征。由于 Android 函数调用图能够较好地体现 Android 程序的功能模块、结构特征和语义。在此基础上,实现检测原型系统,通过对多个恶意 Android 程序分析和检测,完成了对该系统的实验验证。实验结果表明,利用该方法提取的特征能够有效对抗各类 Android 程序中的混淆变形技术,具有抗干扰能力强等特点,基于此特征的检测对恶意代码具有较好地识别能力。     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于机器学习的玉米单倍体近红外光谱鉴别方法研究

在玉米单倍体技术中,单倍体鉴别是非常重要的环节。该研究对大量玉米单倍体与杂合二倍体的近红外透射光谱进行分析,以期建立一套在生产上实用的单倍体鉴别模型。通过采集三组遗传背景不同的玉米单倍体与杂合二倍体籽粒光谱,进行不同机器学习算法对比,光谱预处理建模效果比较,以及分析数据集大小对模型构建的影响。对比所有单倍体与杂合二倍体的平均光谱,发现二者在光谱的吸收峰位置基本相同,但是单倍体的吸光度略高于杂合二倍体,尤其是在波长940～1 120 nm以及1 180～1 316 nm这两段谱区差异较大。在构建的几个模型中,采用偏最小二乘法和神经网络算法的模型单倍体鉴别准确率较高,分别为93.26%和95.42%。测试集验证的结果与模型准确率一致,表明两种算法适宜进行单倍体大规模筛选。利用偏最小二乘法模型比较了不同光谱预处理方法的模型效果,发现仅进行移动窗口平滑预处理原始光谱进行建模准确率最高。对不同大小数据集的建模效果对比发现,在一定范围内增大数据集有助于提高模型准确率。而且数据中单倍体所占比例较高时,单倍体预测召回率可达100%。此外,还根据籽粒颜色标记挑选出不易鉴别的单倍体和杂合二倍体,利用偏最小二乘法构建的机器学习模型预测准确率可达93.39%,显示出近红外鉴别单倍体的优势,即有可能在不依赖籽粒颜色的情况下实现准确鉴别。基于机器学习的近红外单倍体鉴别方法具有较高的准确率,而且该方法还能在后期数据增加的基础上不断优化,对其开展理论研究有望为自动化智能鉴别单倍体创造条件。