EicC对撞光学设计

EicC是中国科学院近代物理研究所计划建造的中国电子-离子对撞机装置,该对撞机质心能位于20 GeV附近,是研究海夸克的最佳能量窗口,同时还可研究胶子和价夸克。EicC对撞粒子为高极化率质子和电子束团,质子环pRing采用八字环设计方案,可以更好地保持极化质子束团极化率,电子环eRing采用跑道形环设计方案,可以更好地利用隧道空间。该装置电子束流能量中心值为3.5 GeV,电子束RMS发射度为水平方向60 nm·rad,垂直方向60 nm·rad,对撞点b函数为水平方向0.4 m,垂直方向0.12 m;质子束流能量中心值20 GeV,质子束RMS发射度为水平方向300 nm·rad,垂直方向180 nm·rad,对撞点b函数为水平方向0.08 m,垂直方向0.04 m,设计亮度2×1033 cm–2s–1。EicC采用双对撞区非对称光学设计,通过对EicC不同色品补偿方案的研究,最终确定了弧区加短直线节共同补偿的色品补偿方案;通过研究对撞点处b函数以及对撞点间相移对动力学孔径的影响,最终得到pRing动力学孔径大于8 s(s为束团RMS尺寸)、eRing动力学孔径大于20 s,满足大于束团尺寸6 s的要求。     

碳离子在不同材料叶片的多叶光栅上产生的次级粒子研究

在碳离子放射治疗中，碳离子束与治疗头设备和患者身体相互作用产生的次级粒子可以到达患者体内的许多区域，在产生的次级粒子中以中子和$\gamma $射线的产额为最大。在不影响束流配送功能的情况下，减少碳离子放疗中产生的次级中子和$\gamma $射线对于降低放疗后出现的正常组织并发症及二次肿瘤风险有着非常重要的意义。本文利用蒙特卡罗(Monte Carlo)方法模拟计算了被动式束流配送系统下，400 MeV/u碳离子束照射到由不同材料叶片构成的多叶光栅(MLC)形成典型的10 cm×10 cm方形射野时，在水模体中产生的次级中子和$\gamma $射线所沉积的剂量及空间分布等。模拟结果显示:碳离子束通过MLC形成射野后在水模体中产生的次级中子主要分布在水模体的入射端，次级$\gamma $射线较为均匀的分布在整个水模体内，且较多分布在具有展宽Bragg峰(SOBP)射野在水模体中贯穿时的坪区。对于MLC叶片材料的选择，则需根据实际情况对叶片厚度以及次级粒子当量剂量的要求来确定。本文通过模拟研究不同MLC叶片材料产生次级粒子的情况，为被动式束流配送系统中MLC叶片及其他元件的材料选择提供了科学依据。     

RHIC-STAR重离子碰撞实验中可鉴别粒子的集体流研究

本文总结了RHIC-STAR重离子碰撞实验中近年来重要的空间各向异性流的结果。主要包括最高能量重离子碰撞中多重奇异及含粲夸克粒子椭圆流的结果和RHIC能量扫描计划BES-I中椭圆流和直接流的结果，其中金金碰撞54.4和27 GeV是最新测量结果。我们发现新碰撞能量点的直接流符合碰撞能量依赖的总体趋势；椭圆流符合组分夸克标度性，这表明54.4和27 GeV的金金碰撞中形成了部分子层次的集体运动。同时展望了未来能量扫描实验的计划以及与之对应的空间各向异性流的研究重点。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

基于人体损伤的中低速正面碰撞气囊点火状态分析方法研究

为降低驾驶员在中低速碰撞下受到的损伤, 利用2010年版丰田Yaris整车模型建立100%正面刚性壁碰撞有限元模型, 并根据驾驶员舱布置及相关法规要求建立Madymo约束系统仿真模型, 以验证有限元模型的准确性. 利用建立的碰撞模型, 在中低速碰撞中对不同气囊点火状态下的驾驶员所受损伤进行仿真. 结果表明, 该车型在35 km●h^-1及以上车速时, 点爆气囊能有效减少驾驶员损伤; 30 km●h^-1及以下车速时, 气囊点火会对驾驶员造成额外伤害; 中低速碰撞下, 驾驶员的胸部损伤程度较头部更容易受气囊点火时间影响.     

数列中的多参数问题解法探究

对于数列中的多参数问题,本文以典型例题的分析点评为契机,归纳出赋值消元、参数分离、参数互换、逐一验算、分类讨论、整体思考等六种常用的解题方法.     

多目标定位路线问题模型及禁忌搜索算法研究

在一个完整的物流系统中,总费用和工作量平衡是影响决策的两个基本标准,拓展对员工重要的公平原则-工作量平衡,并权衡工作量与总费用之间的平衡.在此基础上,考虑了带路线分配决策的多目标定位-路线问题,建立了数学模型,采用禁忌搜索算法对模型的求解,为检验车辆多次使用的效果,针对算法设计了联立和序贯两种不同的车辆路线分配形式.算法分析结果表明:区域特征在区分算法两种形式的性能时具有重要的地位.