旋转二维激子极化激元凝聚涡旋叠加态的动力学特性

研究了二维激子极化激元凝聚正反涡旋叠加态在半导体微腔极化激元波色爱因斯坦凝聚(Bose–Einstein condensate, BEC)体系旋转情形下的稳定性和动力学特性.在体系旋转情形下对单分量Gross-Pitaevskii方程进行重构,利用四阶龙格库塔方法和时域有限差分方法构建数值模型.利用实时演化方法研究在体系旋转的情况下,不同拓扑荷数的正反涡旋叠加态的实时演化过程及稳态局域粒子数和体系旋转角速率之间的关系.研究了涡旋叠加态激发区域的旋转速率与体系旋转速率的关系,并阐明了体系的旋转速率对涡旋叠加态相位稳定性的影响机理.研究表明,半导体微腔极化激元BEC体系的旋转速率对激子极化激元凝聚叠加态的演化过程及其动力学特性有重要影响.     

旋转Rayleigh梁在轴向力下的参数稳定性

研究了旋转Rayleigh梁在周期脉动的轴向力作用下的参数振动特性。基于哈密顿原理建立了考虑周期时变轴向力的旋转Rayleigh梁的动力学模型,进而采用Galerkin法得到了关于模态坐标的时域常微分方程。借助多尺度法,得到了参数振动存在的共振条件。分别讨论了轴向力、模态阶数和长细比对系统稳定区的影响,得到了系统的临界失稳曲线。研究表明:细长旋转梁的参数振动有超谐波共振和组合共振两种共振形式;轴向力、长细比对系统的稳定区的位置、大小均有影响,阶数仅对稳定区的位置有影响。     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

基于双编码器的会话型推荐模型

针对现有会话型推荐模型难以准确捕获物品间全局依赖的问题,提出了一种基于双编码器的会话型推荐模型(SR-BE)。该双编码器由基于自注意力网络的全局编码器和基于图神经网络的局部编码器组成,无论被浏览物品之间的时间间隔长还是短,全局编码器都能够利用注意力机制自适应地捕获被浏览物品之间的全局依赖,并将其编码为全局隐向量。为弥补自注意力网络没有结构信息而难以捕获邻近物品间局部依赖的不足,在局部编码器中,首先将会话序列构建成会话图,然后通过图神经网络在会话图上捕获邻近物品间的局部依赖,并将其编码为局部隐向量。最后将从双编码器得到的全局隐向量和局部隐向量线性组合为会话表示,再通过预测层解码会话表示得到每个候选物品被点击的概率。实验结果表明:将基于自注意力网络的全局编码器与基于图神经网络的局部编码器结合在一起,比单一地使用全局编码器或局部编码器在命中率上分别提高了3.11%和6.55%。通过与同类模型客观定量比较,SR-BE模型在两个公开数据集上取得了突出的效果,表明该模型有效、可行。     

双旋转附属圆柱对主圆柱尾流控制的影响

基于Fluent软件平台,采用数值模拟方法对非稳态圆柱体结构尾流流动特性进行了研究。对在Re=50～200范围内,双旋转附属圆柱的转速对主圆柱体尾流流动特性的影响进行了分析。研究结果表明:随着附属圆柱旋转速率的增加,主圆柱体表面所受阻力系数平均值与均方根值、升力系数均方根值均会减小。同时,旋转速率的变化对柱体结构表面压力分布的影响显著,压力系数在附属圆柱的位置产生了跳跃性变化。另外,当附属圆柱转速达到临界值时,尾流涡街变窄,涡脱落现象消失,并且系统的能量效率到达最佳状态。     

新型旋转挤出流变仪

聚合物加工是决定塑料制品最终结构性能的中心环节,其重要的理论基础是聚合物流变学,研究聚合物流变行为的关键仪器是流变仪.但现有流变仪大多基于简化的流动模型,与实际复杂加工条件不符,难有效揭示聚合物在复杂应力场/温度场作用下的流变行为.我们基于前期发明的聚合物管旋转挤出加工技术和装备,研制了新型旋转挤出流变仪,可实现挤出/旋转的不同组合和管内外壁双冷,实施和调控旋转挤出中多种运动模式和应力场及温度场,实时检测挤出/旋转速度、应力、温度场,显示记录有关数据,既可用于研究实际加工复杂条件下聚合物加工流变行为,也可用于制备高性能多功能聚合物微导管.本文综述了新型旋转挤出流变仪的结构特点和原理及其在流变测试与聚合物微导管制备方面的应用.     

量子Dicke模型中的纠缠动力学性质

在经典极限条件下, 量子化的Dicke模型表现为量子混沌动力学特征. 通过数值计算, 考察Dicke模型在旋转波近似和非旋转波近似条件下, 与经典相空间对应的一些特殊点的初始条件对纠缠的影响, 并将所有点作为初始条件相空间整体纠缠动力学的演化特征, 研究表明, 经典混沌促进了纠缠的发生.      

EAST中n=4共振磁扰动下等离子体的环向旋转制动

在EAST中n=4的共振磁扰动下观察到明显的等离子体旋转制动效应,其分布具有全局性,且峰值靠近等离子体中心。利用模拟得到的新经典环向粘滞(NTV)力矩来反演等离子体环向角速度的变化,结果表明在大部分径向区域与实验测量的速度变化符合得较好,量值上相差约1～2倍。     

终端用户编程的自然语言语义解析方法研究

针对现有用户编程语义解析方法在小注释数据集条件下无法有效地解决复杂模型的问题,提出了一种面对终端用户编程的自然语言语义解析方法.该方法将自然语言命令映射到小批注释数据下训练的大型异构框架集合中,语义解析方法由语义角色标记、旋转、动作候选实例生成和相关性排名组成,使用语义角色标记、分布语义几何特征和语义旋转的组合,解决开放词汇设置中的语义匹配问题.实验结果表明,该文方法能够有效实现自然语言的词汇解析,且性能优于现有方法.     

基于改进YOLOv5的鱼眼图像目标检测算法

针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.