紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.     

UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

80.5 MeV/u碳离子诱发铜靶的放射性剩余产物测量

高能重带电粒子能直接穿透靶原子核外电子层,与原子核发生直接碰撞,发生散裂反应,产生一系列具有放射性的剩余产物核.重带电粒子诱发靶材放射性剩余核与辐射防护和人员安全有着密切联系,当前,大部分剩余核产额主要依靠蒙特卡罗粒子输运程序进行模拟计算,其准确程度亟需通过实验测量进行准确评估.本文利用能量为80.5 MeV/u的(12)^C⁶⁺粒子对薄铜靶开展了辐照实验与伽玛射线测量,结合伽玛谱学分析方法,得出了辐照产生的18种放射性剩余产物的初始活度和产生截面值,并与PHITS模拟结果进行对比.结果表明,PHITS模拟程序对放射性剩余核种类的估计具有较高可靠性,在其绝对产额方面,与实验测量仍具有较大偏差.     

倾斜层中的对流斑图及其临界条件

通过二维流体力学基本方程的数值模拟，探讨了Prandtl(普朗特)数Pr=6.99时，倾斜矩形腔体中的对流斑图和斑图转换的临界条件.根据倾角θ和相对Rayleigh(瑞利)数Ra_r的变化，倾斜矩形腔体中的对流斑图可以分为:单滚动圈对流斑图、充满腔体的多滚动圈对流斑图和过渡阶段的多滚动圈对流斑图.当θ一定时，随着Ra_r的减小，系统由充满腔体的多滚动圈对流斑图过渡到单滚动圈对流斑图.这时，对流振幅A和Nusselt(努塞尔)数Nu随着Ra_r的增加而增加.当Ra_r=9时，随着θ的增加，系统由充满腔体的多滚动圈对流斑图过渡到单滚动圈对流斑图，这时对流振幅A随着θ的增加而减小，Nusselt数Nu随着θ的增加而增加.在θ_c-Ra_r平面上对多滚动圈到单滚动圈对流斑图过渡的模拟结果表明， 在Ra_r=2时, 腔体中没有发现多滚动圈对流斑图.在Ra_r为2.5左右时，腔体中出现多滚动圈到单滚动圈对流斑图的过渡.当多滚动圈到单滚动圈对流斑图过渡的临界倾角θ_c<10°时，θ_{c随着Rar的减小而增加.当θc>10°时，θc随着Rar的增加而增加，在Rar≤5时，θc随着Rar的增加而迅速增加；当Rar>5时，θc随着Rar的增加而缓慢增加.θc与Rarθ的关系与Rar类似}     

欢迎订阅《影像科学与光化学》

《影像科学与光化学》于1983年创刊,原名《感光科学与光化学》,双月刊。主要领域为:影像材料与技术、生物与医学成像、数字成像与器件、印刷技术、柔性电子、图像信息处理、遥感图像、信息材料、光学材料与器件、光谱学、辐射固化、光化学、光电化学、光生物、光医学等。     

Lamb波频域逆散射全聚焦成像方法研究

Lamb波因其传播距离远、衰减小常被用于板状结构的无损检测中,在基于Lamb波损伤检测的诸多成像技术中,全聚焦方法(Total Focus Method,TFM)方法因其成像分辨率高、信噪比高而受青睐。然而Lamb波的频散效应导致时域延时量不能被准确计算,进而影响传统TFM方法对损伤定位及成像的精度;此外,既有的TFM方法仅以回波幅值作为成像指标,忽略了Lamb波与损伤的相互作用,故而不能通过损伤表面的物理参数增强成像质量。针对这两个问题,本文首先在时域TFM基础上发展了频域TFM,在计算中纳入频散关系以规避频散的影响;其次以包含明确的损伤特征参数--反射率为成像指标,结合频域TFM方法建立损伤逆散射模型,以实现对损伤的准确成像。仿真和实验结果表明:频域逆散射TFM成像方法能够实现对铝板结构中的损伤检测,在工程实践中具有应用价值。