机器学习在大型粒子加速器中的应用回顾与展望

机器学习技术在近十几年发展迅猛,并被广泛地用于解决复杂的科学和工程问题。最近十年间,基于机器学习的粒子加速器相关研究也开始呈现出井喷式发展趋势。国际上许多加速器实验室开始尝试用机器学习和大数据技术处理加速器中的海量复杂数据,以期解决加速器及其子系统中的诸多物理和技术问题。不过,迄今为止,机器学习在加速器中的应用仍处于初步探索阶段,不同机器学习算法在解决具体加速器问题的效果及其适用范围尚待摸索,机器学习在实际加速器中的应用仍非常有限。因此,有必要对加速器领域中的机器学习研究做一个整体回顾和总结。将回顾机器学习在大型粒子加速器（以储存环加速器和直线加速器为主）中的加速器技术、束流物理以及加速器整体性能优化等研究方向中已取得的研究成果,并探讨机器学习在加速器领域的未来发展方向和应用前景。     

臭氧氧化多种污染物协同脱及副产物提纯的试验研究

为控制燃煤烟气污染物的排放,本文提出了臭氧氧化吸收以及副产物提纯系统。试验研究了不同pH和不同烟气组分SO₂,O₂条件下,三种不同吸收剂对NO₂脱除的影响。结果表明在pH=5～8的范围内,采用CaSO₃浆液中添加（NH₄）₂SO₄吸收NO₂,脱除率始终保持在89%以上。同时发现不同烟气组分SO₂,O₂对NO₂和SO₂的协同脱除影响较小。本文还对NO₂的吸收产物进行了复盐复分解处理。随着循环时间的增加,副产物产率得到了提高,获得了较高纯度的Ca（NO₂）₂·H₂O颗粒。