动力来自热爱与向往

在进中学以前,我对自然科学就有着浓厚的兴趣.自然课是我最喜欢的一门课程.课堂、课外小组、少年科普读物都成了我知识的来源.自从初中开设物理课之后,我对自然科学的注意力开始集中了.     

基于机器学习的合金催化剂表面吸附能预测

近年来，机器学习方法逐渐成为多相催化中的一种关键研究手段. 二元合金材料作为重要的催化剂之一，在双功能催化剂的筛选中受到了广泛的关注. 本文提出了一个将机器学习方法应用在预测催化性质上的整体框架，从而快速预测原子、分子在金属和二元合金表面的吸附能. 通过测试不同的机器学习方法来评估它们对于该问题的适用性，并将树集成的方法与压缩感知方法相结合，利用约6×10⁴个吸附能数据构建了预测模型. 相对于线性比例关系，该方法可以更准确地预测大量合金上的吸附能(预测的均方根误差降低一半)，并且更通用地预测各种吸附物的能量，为发现新的双金属催化剂铺平了道路.     

基于视觉测量的应变片空间定位及应用

在大型航天结构舱段试验中，通常需要粘贴大量的应变片来获取结构的应变测试数据。为了能够准确定位结构舱段上的应变片位置，本文研究了基于单目视觉测量技术的应变片空间坐标重建方法。该方法采用一台单反相机，从不同视角连续对构件进行拍摄，获得一组包含圆环编码点和应变片的图像序列；通过检测编码点图像坐标，构建相邻帧之间的匹配关系，然后基于相对定位原理估计相机姿态信息；再利用深度学习技术提取图像中的应变片坐标，结合估计的姿态信息对提取的应变片进行立体匹配，并且采用三角测量方法重构应变片空间坐标，从而实现应变片的三维定位。利用所研究的方法，分别对铝质平板和圆筒上粘贴应变片的三维坐标、碳纤维标尺的长度进行了定位。定位结果表明，该方法的重复定位精度优于0.05mm,三维点距离测量精度优于0.1mm。