用红外激光脉冲触发半绝缘GaAs光电导开关的实验研究

报道了用光子能量低于GaAs禁带宽度的红外激光脉冲,触发电极间隙为3mm和8mm的半绝缘GaAs光电导开关的实验结果。使用单脉冲能量为1.9mJ的1 064nm Nd:YAG激光触发开关, 在偏置电压分别为3kV和5kV条件下,光电导开关分别工作于线性和非线性模式。用900nm半导体激光器和1 530nm掺铒光纤激光器分别进行触发实验,得到了重复频率分别为5kHz和20MHz的电脉冲波形。结果表明,半绝缘GaAs光电导开关可以吸收大于本征吸收限波长红外激光脉冲。     

混合动力汽车深度强化学习分层能量管理策略

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。     

悬挂式止水帷幕基坑降水引起坑外地面沉降计算方法

悬挂式止水帷幕的挡水效应能够减轻基坑降水对周边环境的影响,但帷幕插入深度与坑外地面沉降之间的定量关系尚不明确.本文基于有效应力原理,并根据渗流场和应力场的部分耦合关系,考虑地下水位下降引起的土体孔隙比和压缩指数变化,通过止水帷幕插入深度与水位降深的关系提出了不同止水帷幕插入深度下潜水含水层中基坑降水引起坑外地面沉降的计...     

非均匀堆载作用下圆形基坑主动土压力分析

基于轴对称情况下土体的极限平衡理论,将圆形基坑主动土压力的滑移线解推广到非均匀堆载情况.通过分析得出基坑半径和土体参数对基坑主动土压力的影响规律,并发现与朗肯土压力理论一致.比较了非均匀和均匀堆载作用下的滑移线场和相应的土压力分布,发现基坑周围不同位置的堆载大小只影响基坑侧壁某部分深度范围内的土压力分布.因此,可根据基坑周围堆载的分布形式,定性估计得到基坑侧壁的土压力分布.     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。     

堪为物理学第三分支的计算物理

本文是作者1982年在中国访问时所作的讲演,论述物理学各领域的前沿工作,用许多事例说明计算物理对推动物理理论的重大意义。文中还指出计算物理在其性质、方法及需要等方面不同于和独立于解析的理论物理和实验物理,而成为物理学的第三分支。     

Deep cleaning of a metallurgical zinc leaching residue and recovery of valuable metals

Huge quantities of zinc leaching residues (ZLRs) generated from zinc production are dumped continuously around the world and pose a potential environmental threat because of their considerable amounts of entrained heavy metals (mainly lead). Most ZLRs have not been properly treated and the valuable metals in them have not yet been effectively recovered. Herein, the deep cleaning of a ZLR and recovery of valuable metals via a hydrometallurgical route were investigated. The cleaning process consists of two essential stages:acid leaching followed by calcium chloride leaching. The optimum conditions for extracting zinc, copper, and indium by acid leaching were a sulfuric acid concentration of 200 g·L-1, a liquid/solid ratio of 4:1 (mL/g), a leaching time of 2 h, and a temperature of 90℃. For lead and silver extractions, the optimum conditions were a calcium chloride concentration of 400 g·L-1, a pH value of 1.0, a leaching time of 1 h, and a temperature of 30℃. After calcium chloride leaching, silver and lead were extracted out and the lead was finally recovered as electrolytic lead by electrowinning. The anglesite phase, which poses the greatest potential environmental hazard, was removed from the ZLR after deep cleaning, thus reducing the cost of environmental management of ZLRs. The treatment of chlorine and spent electrolyte generated in the process was discussed.