背部支撑主反射镜的面形分析与支撑点优化

应用有限元方法对背部支撑的主反射镜进行静力学分析.分别对三点支撑和九点支撑进行计算,得到主镜反射面的变形值.以齐次坐标变换法和最小二乘法为理论依据求解反射面变形的PV/RMS值.利用有限元分析软件提供的二次开发功能,编写计算程序,在软件内部调用该程序直接获得PV/RMS值,利用该值作为优化分析的目标函数,寻求背部支撑的最佳支撑点位置.     

一种模拟多孔硅结构的新方法

以界面电化学反应动力学和离子输运动力学为基础,构造了一种多孔硅形成与结构的动态计算机模拟模型,模型中采用了电势的指数形式来表示化学反应概率。文中给出了与多孔硅的横断面透射电子显微镜(TEM)图谱和高分辨透射电子显微镜(HRTEM)照片十分接近的形貌图示。 关键词：     

背部支撑主反射镜的面形分析与支撑点优化

应用有限元方法对背部支撑的主反射镜进行静力学分析.分别对三点支撑和九点支撑进行计算,得到主镜反射面的变形值.以齐次坐标变换法和最小二乘法为理论依据求解反射面变形的PV/RMS值.利用有限元分析软件提供的二次开发功能,编写计算程序,在软件内部调用该程序直接获得PV/RMS值,利用该值作为优化分析的目标函数,寻求背部支撑的最佳支撑点位置.     

介观小环中电子的严格波函数和持续电流

选取适当的限制势井，介观小环中电子在磁场下的严格波函数可以严格解出。其解可用以研究该环中的持续电流。讨论该结果与最近的理论和实验的联系。     

利用高光谱数据进行地物识别分类研究

分析了传统统计分类方法在高光谱影像地物分类中的弊端,提出并详细讨论了基于端元的监督分类技术.利用端元监督分类技术对LASIS高光谱影像进行分类,同时应用IsoData非监督分类技术即自动迭代聚类对高光谱影像进行分类.分析比较了两种分类结果,表明基于端元的监督分类技术更能满足对地物识别分类的需要.     

Stochastic Gradient Descent and Anomaly of Variance-Flatness Relation in Artificial Neural Networks

Stochastic gradient descent(SGD), a widely used algorithm in deep-learning neural networks, has attracted continuing research interests for the theoretical principles behind its success. A recent work reported an anomaly(inverse) relation between the variance of neural weights and the landscape flatness of the loss function driven under SGD [Feng Y and Tu Y Proc. Natl. Acad. Sci. USA 118 e2015617118(2021)]. To investigate this seeming violation of statistical physics principle, the properties of...