仪器开发系统的新纪元

本文介绍了代表仪器系统开发平台国际先进水平的ＬａｂＶＩＥＷ系统。该系统平台利用直观的图形编程方法、丰富的辅助功能和强大的调试手段，极大地提高了应用系统的开发效率，简化了开发过程，充分展示了“软件就是仪器”的最新概念。     

Average Property of Isospin Effects Induced by Neutron-Halo Nuclei

We study the average property of the isospin effects of reaction mechanism induced by neutron-halo nuclei within the isospin-dependent quantum molecular dynamics model. We find that the extended neutron density distribution for the neutron-halo projectile brings an important isospin effect into the reaction mechanism, which induces the decrease of nuclear stopping R; however, it induces the obvious increases of the neutron-proton ratio of nucleon emissions （n/p）nucl for all of the beam energies in this work, compared to the same mass stable colliding system.     

线性分析法来解热脱附动力学参数

TPD方法是研究表面常规手段之一.对于如何从实验结果获得正确的脱附动力学参数,已有不少工作发表。然而,现有方法均存在一定的适用范围,尤其是重叠谱解叠,仍然没有很好地解决。本文介绍的线性分析法,不仅适用于简单的一级和二级脱附TPD谱的解析,而且也适用于重叠谱解叠,从而为实验上确定动力学级数和复杂谱解叠提供了依据。     

计算机Monte Carlo法模拟自由基交联共聚网络结构的增长

本文成功地用MonteCarlo方法模拟了以画面方式表示的苯乙烯-二乙烯苯交联共聚反应中大分子链增长、支化及交联的进化情况，并给出了相应的转化率，以定量模型的方式描述了该类反应。     

高分子凝胶化反应的分形几何分析

据分形理论,基于实验基础上,进行了高分子凝胶化反应的分形几何行为分析,以苯乙烯-二乙烯苯凝胶化反应为例,分别由激光及小角x-光散射测定其反应中大分子重量、尺寸及散射光强角度依赖性,来定量描述化学反应及分析体系的分形行为和测定分数维D值.这种避开各种复杂的凝胶化理论,立足于现代物理技术及新理论,去剖析高分子凝胶化反应的分形几何行为,能够在更本质的深度揭示这类复杂反应的规律.     

含酯基包覆合物液相色谱柱填料

以丙烯酸甲酯或辛酯和二乙烯苯为原料，在溶液中用游离基聚合法制备了一系列含酯基包覆聚合物反相液相色谱柱填料，用傅立叶红外光谱、电子显微镜和元素分析鉴定了聚合物层，并评价了诸如硅羟基、柱压降、柱效和峰对称性特性，该类填料适合于含氨基和羟基化合物的分离，作为应用实例，对洛伐他汀的分析展示其优良的色谱性能。     

聚丙烯酰胺凝胶结构非均匀性的动态光散射研究

利用动态光散射技术研究了聚丙烯酰胺 (PAAm)凝胶结构的非均匀性 ,分析了PAAm凝胶结构非均匀性的形成原因及凝胶动态光散射的数据处理方法和分析结果的物理意义 .研究结果表明 ,PAAm凝胶中含有动态相关长度 (LC)不同的两相 ,其中 ,LC 为 10～ 2 0nm的区域是聚合物稀疏相 ,LC 为 85nm左右的区域是聚合物密集相 ,两相的不均匀分布形成了PAAm凝胶结构的非均匀性 .分析表明 ,PAAm凝胶存在两相主要是由于单体和交联剂的溶解度存在差异所致 .随交联度增大 ,PAAm凝胶结构的非均匀性显著增强     

基于数据融合与智能分析算法的电网抢修管控技术研究

首先针对数据融合背景下,配电网故障抢修的分类以及影响因素进行了分析。针对配电网络中的优化策略、调度资源、抢修资源分配、抢修策略数据等方面的数据融合提出了体系架构。针对含分布式电源配电网多故障抢修建立了以负荷损失最小和抢修故障用时最小为目标的数学模型,以期望缺电量为原则计算故障损失,并考虑了多组抢修小队对不同配电网故障的抢修时间。利用智能分析算法求解该模型,提出了基于云模型的改进共生生物搜索算法。最后利用IEEE33节点模型进行了仿真分析,说明了抢修策略和算法有效性。     

轻量级(2+1)D卷积结构的动态手势识别研究

目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了96.62%、91.83%和60.1%的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧.