p-Adic函数空间上Hardy型算子的多线性交换子估计

在p-adic域上研究分数次Hardy型算子与CMO(Q_p~n)函数生成的多线性交换子,建立了交换子在Lebesgue空间和Herz空间上的有界性.对Hardy算子的多线性交换子也得到了相应的结果.     

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

网络环境下航天器交会对接系统的鲁棒H_∞滤波

以航天器空间交会对接为背景,探讨了其网络环境下的鲁棒H?滤波问题。基于传统的C-W方程,重新构建网络环境下航天器交会对接系统的数学模型。选取时滞相关Lyapunov函数并结合自由权矩阵处理方法,给出网络化滤波误差系统渐近稳定且满足H?性能的充分条件,进而将滤波器的设计转化为受线性矩阵不等式约束的凸优化求解问题。仿真表明,最劣情况下最优的H?扰动抑制水平达到??1.4142,得到的相对位置和速度估计误差分别为0.07与0.02,证明该算法是可行且有效的。     

CoFeSiB非晶丝弱磁场测量仪的研制

设计了以Co基非晶丝为敏感元件的传感器探头,多谐振荡励磁电路,信号处理电路,单片机显示电路,且对该磁场测量仪进行了标定。     

Na原子链表面等离激元特性的含时密度泛函研究

本文用含时密度泛函理论研究了线性Na原子链的表面等离激元机理.主要在原子尺度下模拟计算了体系随着原子数增加及原子间距变化的集体激发过程.研究发现线性原子链有一个普遍的特性——存在一个纵模和两个横模.两个横模一般在实验上很难被观测到.纵模随着原子链长度增加,能量红移的同时,该纵模主峰的强度呈线性增长.随着原子个数的增加,端点模式(TE)开始蓝移,能量和偶极强度都逐渐趋向饱和.横模能量被劈裂的原因概括如下:(一)每个位置的电子受到的势不同,在两端的电子受到的势要比在中间的电子受到的势要高,因此两端的电荷积累也比中间多;(二)端点存在悬挂键,所以中间的电子-电子间相互作用与端点的不一样,这两方面又都与原子间距d有关.     

共轭线性对称性及其对PT-对称量子理论的应用

传统量子系统的哈密顿是自伴算子,哈密顿的自伴性不仅保证系统遵循酉演化和保持概率守恒,而且也保证了它自身具有实的能量本征值,这类系统称为自伴量子系统.然而,确实存在一些物理系统(如PT-对称量子系统),其哈密顿不是自伴的,这类系统称为非自伴量子系统.为了深入研究PT-对称量子系统,并考虑到算子PT的共轭线性性,首先讨论了共轭线性算子的一些性质,包括它们的矩阵表示和谱结构等;其次,分别研究了具有共轭线性对称性和完整共轭线性对称性的线性算子,通过它们的矩阵表示,给出了共轭线性对称性和完整共轭线性对称性的等价刻画;作为应用,得到了关于PT-对称及完整PT-对称算子的一些有趣性质,并通过一些具体例子,说明了完整PT-对称性对张量积运算不具有封闭性,同时说明了完整PT-对称性既不是哈密顿算子在某个正定内积下自伴的充分条件,也不是必要条件.     

X射线激光首次揭示化学键形成过程

利用SLAC国家加速器实验室的X射线激光进行实验,研究人员首次拍摄到化学键形成过程中的过渡状态:原子形成一种不确定的键。反应物是一氧化碳分子(左边,由一个碳原子(黑)和一个氧原子(红)构成)和它右边的一个氧原子。它们附着在钌催化剂表面,催化剂让它们彼此靠近,更容易反应。发射一束光学激光脉冲,反应物振动并互相碰撞,碳原子和氧原子     

超薄屏蔽层300 V SOI LDMOS抗电离辐射总剂量仿真研究

本文研究了300 V绝缘体上硅横向双扩散金属氧化物半导体场效应管在电离辐射总剂量效应下的线性电流退化机理,提出了一种具有超薄屏蔽层的抗辐射结构实现线性电流加固.超薄屏蔽层位于器件场氧化层的下方,旨在阻止P型掺杂层表面发生反型,从而截断表面电流路径,有效抑制线性电流的退化.对于横向双扩散金属氧化物半导体场效应管,漂移区上的场氧化层中引入的空穴对线性电流的退化起着主导作用.本文基于器件工艺仿真软件,研究器件在辐照前后的电学特性,对超薄屏蔽层的长度、注入能量、横向间距进行优化,给出相应的剂量窗口,在电离辐射总剂量为0—500 krad(Si)的条件下,将最大线性电流增量从传统结构的447%缩减至10%以内,且辐照前后击穿电压均维持在300 V以上.     

基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.