构造围长为8的准循环(quasi-cyclic, QC)低密度奇偶校验(low-density parity-check, LDPC)码是提高译码性能的一种重要途径。现有的显式构造方法主要针对的是列重为3的情况，这导致译码性能在高信噪比区表现不够理想。因此，针对列重为4、围长为8的QC-LDPC码，该文提出一种新的显式构造方法，其构造的指数矩阵具有移序性质，即指数矩阵的第零行和第二行由特定公式确定，第一行和第三行则由其上一行经过简单移位获得。这种新的显式构造方法适用于任意行重L。当循环块尺寸P大于或等于最大元素与一半行重之差时，新码具有围长为8的特性。译码性能仿真结果显示，新码优于最大公约数方法构造的码，新码与搜索得到的对称码接近但构造更加简单，新码在高信噪比区域有超越5G码的潜力。该研究为QC-LDPC码的构造和应用提供了新的理论支持。
空间耦合低密度奇偶校验(spatially coupled low-density parity-check, SC-LDPC)码具有特殊的耦合结构和阈值饱和特性，近年来，因其优异的译码性能和较低的译码时延受到广泛关注。该文提出了一种基于多重循环阵拆分的SC-LDPC(SC-MQC-LDPC)码构造方式，首先利用简化的最小错误渐进边生长算法生成具备码长和码率兼容性的MQC-LDPC码，随后通过拆分—复制操作得到SC-MQC-LDPC码，使其继承了原LDPC码的优良结构特性。在译码过程中，该文提出了一种修正滑窗译码算法，通过适当增加存储需求，有效提升了译码性能，并防止错误传播。仿真结果表明，该算法不仅具有较低的计算复杂度和译码时延，还能够实现显著的性能提升。
随着通信系统的发展及对低时延高可靠通信需求的提升，需要软信息交互迭代译码以提升系统性能的应用场景愈发丰富，极化码的软输出连续消除列表(soft output successive cancellation list，SO-SCL)译码算法通过估计码本概率和后验概率，能够以传统的SCL译码复杂度实现较为精准的软信息输出和译码。然而，SCL译码的串行特性导致SO-SCL译码算法的译码时延较高。为了降低译码时延，现有软输出的快速SCL译码算法(SO-FSCL)通过识别4种特殊节点实现快速译码，但部分节点仍具有较高的译码时延。在此基础上，该文引入另外5种特殊节点，提出了一种更快速的软输出SCL译码算法(FS-SCL)。仿真结果表明，在AWGN信道条件下，与SO-FSCL相比，所提出的FS-SCL译码算法可以在几乎不损失性能的情况下，进一步降低译码时延。该研究结果可为低时延通信场景提供了高效的极化码译码方案，具有重要的理论价值和应用前景。
经典Schalkwijk-Kailath(S-K)类型方案在面向非平稳衰落双向信道时，会因基于离线优化的交互轮次功率分配策略而无法适配信道状态的波动性和记忆性，导致双向通信等效信噪比降低和影响信息传输误码率性能。对此，该文关注非平稳双向信道的编码方案设计，考虑主信道和反馈信道在每次双向交互迭代中均在有限状态内以Markov记忆的方式变化的场景模型。该文提出了一种新的基于S-K架构的编码方案，利用在线优化问题求解算法的思路，根据上轮通信信道状态动态分配本轮通信能量，获得更高的多轮通信等效信噪比。仿真结果表明，在双向Markov信道中，该方案性能优于经典S-K方案；当模型退化为具有稳定状态的理想信道场景时，该方案也能退化为经典S-K方案。
当前已有研究发明了一种新的有限域快速Fourier变换，即Lin-Chung-Han fast fourier transform(LCH-FFT)，并将其应用于Reed-Solomon(RS)码。该文基于LCH-FFT，提出RS码的高效编译码算法与架构。编码方面，基于LCH-FFT设计了2种新的RS码系统编码器架构：通过改进现有的编码算法设计而成的Ⅰ型编码器，通过提出一种新的纠删译码算法设计而成的Ⅱ型编码器。译码方面，基于LCH-FFT设计了一种新的RS码译码器的架构，且在关键方程求解模块根据最新提出的频域模方法(frequency-domain modular approach，FDMA)算法设计了一种脉动阵列架构。由此证明了基于LCH-FFT的RS编译码算法和架构经过简单处理后，可适用于常用的循环RS码。基于现场可编程门阵列(field-programmable gate array，FPGA)完成了RS(544, 514)码编译码器的硬件设计，结果表明基于LCH-FFT的RS编译码器相比传统编译码器具有更显著的资源优势。
针对现有多用户检测中稀疏Bayes学习(sparse Bayesian learning，SBL)算法的高复杂度问题，该文提出一种基于高效Laplace尺度混合(efficient Laplacian scale mixture，ELSM)先验的稀疏Bayes算法，通过引入代理函数来近似模型的Gauss似然函数，避免矩阵求逆，显著降低算法的复杂度。首先设计单测量向量(single measurement vector，SMV)的ELSM-SBL-SMV算法，提高系统重构性能。接着针对多测量向量(multiple measurement vector，MMV)场景，通过共享控制稀疏解的超参数，提出ELSM-SBL-MMV方案。实验结果表明，与现有SBL算法相比，所提ELSM-SBL-SMV算法可实现约2 dB的性能增益，ELSM-SBL-MMV则有3 dB增益。同时，ELSM-SBL-SMV的计算复杂度为
端到端语义通信通过深度学习模型提取数据的语义特征，实现了以意图为导向的通信过程，显著提升了传输效率。然而，现有的基于判别式模型的语义通信范式采用符号级率—失真优化，仅根据接收信号进行最大似然估计，难以满足用户的感知需求。为保障传输数据的视觉质量，生成式视觉语义通信范式应运而生，该范式采用率—失真—感知优化框架，通过最大后验估计实现数据传输与人类感知的对齐。扩散模型在可控视觉生成方面的优势促使其成为生成式视觉语义通信的重要工具。然而，现有研究缺乏对扩散模型赋能语义通信技术路径的系统梳理。为此，该文将通信过程建模为数学逆问题，阐述了扩散模型通过后验采样求解语义压缩与传输问题的一般方法论，表明了基于扩散模型的解码器能实现数据的高效压缩并在恶劣的信道环境下保持传输韧性，进而对扩散模型在生成式视觉语义通信领域的未来研究进行展望。
量子密钥分发的后处理对于纠正量子传输误差和增强密钥安全性至关重要，其确保通信双方能够产生一致且安全的密钥。该文提出了一种基于极化格的连续变量量子密钥分发后处理方案，包括信息协调和隐私放大；将信息协调视为Wyner-Ziv问题的实例，设计了基于极化格的量化与纠错机制以实现密钥同步；同时，利用信源极化理论剔除了潜在的泄露信息，确保了密钥的安全性。仿真实验结果表明，随着码长的增加，该方案的数据协调效率趋近于理论极限，由此验证了该方案的有效性。
不相交差集(disjoint difference sets, DDS)是组合数学中的重要结构，在构造无4环和6环的准循环(quasi-cyclic, QC)低密度奇偶校验(low-density parity-check, LDPC)码中起到关键作用。基于DDS构造的QC-LDPC码不仅循环尺寸灵活，而且译码性能优良。该文将行重扩展(row-weight extension, RE)技术和DDS相结合，提出了一种构造QC-LDPC码的新方法，这种方法在不影响无4环和6环的QC-LDPC码性能的前提下，提供了更为灵活的循环尺寸。与现有的最大公约数(greatest-common-divisor, GCD)方法、Golomb尺(Golomb ruler, GR)方法、Sidon序列(Sidon sequence, SS)方法以及DDS方法相比，所提出的方法在性能上相当或更优，并且在循环尺寸的灵活性上具有显著的优势。该研究为构造高性能的QC-LDPC码提供了新思路。
为了在室内可见光通信(visible light communication, VLC)中实现高效可靠的数据传输，该文设计了一套基于原模图低密度奇偶校验(low-density parity-check, LDPC)码的高可靠、高传输效率的光通信数据传输方案。具体来说，该文对原模图LDPC码、广义空间调制(generalized spatial modulation, GSM)星座、多脉冲位置调制(multipulse position modulation，MPPM)进行深入研究。首先，针对基于原模图LDPC码的多输入多输出(multiple-input multiple-output, MIMO)GSM VLC系统提出了一种新型非均匀功率的空间MPPM(unequal power spatial MPPM, UPSM)星座映射方案，该方案能够重新分配空间MPPM的峰值发射功率，有效地提高了MIMO-GSM-VLC系统性能；其次，利用原模图外部信息传递(protograph extrinsic information transfer, PEXIT)算法，构造了一种改进型原模图LDPC码，该码在室内可见光通信场景下能优于现有的原模图LDPC码。仿真和分析结果表明，所提出的星座映射方案和改进型原模图LDPC码均能获得显著的性能增益。
空间站燃烧科学实验柜于2022年10月发射入轨正式进入运营期，为支持空间站燃烧实验研究，凝练微重力燃烧重要科学问题，验证空间燃烧实验的可行性并提供地面对照组，培育更多未来空间站燃烧科学实验项目，该文研究团队在北京市怀柔区的太空实验地面基地建设了空间站燃烧实验地面研究平台。该文主要介绍了地面研究平台的设计思路、运行原理以及初步测试结果。空间站燃烧实验地面研究平台由插件子系统、燃烧支持子系统和燃烧诊断子系统组成。空间站燃烧实验地面研究平台在满足与在轨燃烧柜燃烧实验装置空间布局一致的条件下，充分利用地面实验室供气、排气、供电、热控等基础燃烧实验设施，搭建了多种与在轨燃烧柜同型号或参数的装置，同时利用地面实验优势建设了具有高速摄像、连续激光PIV、双脉冲激光PIV、PLIF组分空间分布诊断等功能的燃烧诊断设施，可通过电控柜的用户界面对气体射流火焰、单液滴与多液滴燃烧、多样化的材料火焰传播实验进行不同装置的时序设计，并具有软硬件升级空间，可服务于未来所需的多种空间站燃烧科学实验项目。
该文通过数值求解可压缩Navier-Stokes方程以及单步不可逆Arrhenius化学动力学，研究了狭长半开放通道内火焰的火焰-声波相互作用过程。运用模态分解技术，具体包括本征正交分解(proper orthogonal decomposition, POD)和谱本征正交分解(spectral proper orthogonal decomposition, SPOD)方法，对数值计算结果中的温度场进行了分析，探讨了流动不稳定性(hydrodynamic instability)对火焰振荡过程的影响。POD的前3个模态描述了火焰前锋的褶皱，该过程类似于Darrieus-Landau不稳定性的非线性阶段。SPOD结果表明，火焰前锋上的褶皱运动频率和通道固有频率的基频一致。对涡量场和速度矢量场也进行了SPOD分析。结果表明，在高频模态中观察到了微弱的涡，这与火焰前锋的褶皱运动有关。
氢燃料电池车火灾等极端工况会诱发车载储氢气瓶紧急泄放并产生大尺寸射流火焰。为探究射流火焰热辐射对人员造成的热伤害风险，该文以48 L-70 MPa车载储氢气瓶泄放试验为基础，采用单点源辐射模型对高压储氢气瓶射流火焰辐射开展预测和风险评估。结果显示，火灾工况满载充氢条件下，高压储氢气瓶的临界泄放压力为77.4 MPa，通过2 mm孔径的瞬时泄放流量约为0.1 kg/s，最大火焰长度为4.93 m。火焰在1.5 m处的最大辐射通量约为13 kW/m2，在20 s后衰减至10.2 kW/m2。距离人员2~3 m时，火焰将在5 s左右造成人员的一级烧伤；距离人员5 m时，造成其一级烧伤需要20 s以上。此外，确保人员受到辐射通量小于1.6 kW/m2的“无风险”距离需要10 m以上。该文研究成果完善了车载储氢气瓶紧急泄放的射流火外场辐射对人员的风险评估理论体系，可为相关事故场景的应急响应提供参考。
为了解决飞机货舱火灾场景下火源位置准确识别困难的问题，该文提出了一种基于Bayes优化双向长短期记忆网络模型(BO-BiLSTM)的飞机货舱火源定位方法。具体而言，基于飞机货舱顶棚不同位置的融合传感器收集的真实数据，利用BiLSTM网络模型捕捉双向信息传递的机制，通过Bayes优化算法对BiLSTM网络结构进行优化以得到最佳参数组合的网络模型，从而建立准确判断火灾场景中火源位置信息的方法。结果表明，该方法能在短时间内准确地识别飞机货舱内火源位置，定位准确率高达97.2%，与未优化的循环神经网络(RNN)、门控循环单元(GRU)、长短期记忆网络(LSTM)和双向长短期记忆网络(BiLSTM)相比，能更准确判断位置信息；经验证，该方法拥有更好的鲁棒性和泛化能力。该研究成果可为飞机货舱火灾预防和处理提供重要的技术支持。
图像烟雾检测是实现火灾早期预警的重要手段，然而在复杂背景、高噪声、低对比度等场景下，现有方法仍面临着可靠性不足的困境。为了提升烟雾检测算法的性能，该文提出了一种融合空间感知与显著性建模的烟雾检测方法。针对火灾早期烟雾尺寸小、浓度低、边界模糊、形态不定等挑战，引入了多核并行卷积模块、动态直方图轴向交互模块和空间衰减残差模块，有效增强了模型对烟雾目标的多尺度特征提取与边界模糊区域感知能力。实验结果表明：所提方法在烟雾检测任务中表现优异，在自建的多场景数据集上，达到了94.0%的平均精度，比基准模型提升了5.5%。通过与主流检测模型的对比，验证了该文提出的方法在火灾预警和消防安全领域具备较强的应用价值。
在“双循环”和“双碳”目标的引领下，探究嵌入价值链的企业绿色低碳转型具有重要意义。该文基于全球价值链分工联系的内涵，匹配整合2002—2020年中国A股上市公司绿色创新数据库，采用多区域投入产出模型对中国省际贸易进行需求冲击的测算，并探讨该需求冲击对企业绿色创新低碳转型的影响。研究发现，消费侧需求通过价值链传递提升了本地企业的绿色创新水平，尤其是激发了原创性的绿色发明创新活力，全球价值链放大了外地价值链市场需求对本地企业技术创新的直接和间接影响，参与“双循环”和中国统一大市场建设将有助于本地企业获得更广阔的市场；国有企业在绿色低碳减排方面承担了更大的社会责任，价值链消费侧需求也引导补贴更好地进入了绿色发明的创新领域；消费侧需求通过价值链传导的创新效应具有一定的时空异质性，能够激发高技术部门和高技术企业通过绿色创新推动低碳转型，而规模过大的企业与初创企业在绿色创新领域存在一定的局限性。该文研究成果为价值链与创新链的有效融合、企业绿色创新转型等方面提供了实证支撑。
铒是一种广泛应用在战略性高科技产业中的重稀土元素。随着全球化发展的深入，铒元素的全球价值链分工也在持续演变，但围绕铒元素资源利用情况的研究尚显不足。该文围绕2011—2020年中国大陆的铒元素全生命周期物质流动特征进行分析，利用L.Ridenour阻滞增长模型进行需求情况的预测，并利用情景分析法进行二次资源供给情况的预测，以把握铒元素的资源利用现状并预判其未来走势。现状分析结果表明：选采矿阶段，中国含铒原矿的开采量整体呈现增长态势但复合年增长率仅为2%；分离精炼阶段，依靠国内供给很难满足铒元素加工阶段的需求，需要大量从海外进口氧化铒；制造、使用阶段，掺铒光纤放大器、医用激光晶体为主要的需求端口，含铒荧光材料、陶瓷材料领域的应用占比逐渐降低，且中国的铒元素终端产品从净进口逐渐转变为净出口，在全球铒元素价值链中的地位不断提升。预测结果表明：针对掺铒光纤放大器、医用激光晶体的需求将持续增长，并保持为铒元素的主要应用领域；伴随回收率的提升，当年回收率增长1.5%时，至2029年二次资源供给占比将超过当年需求量的5%。因此，铒元素产业上游开采冶炼亟待规范管理；提高供铒元素价值链的透明度和可追溯性，同时通过适当的政策调节以引导铒元素流向需求高增领域，将进一步巩固、抬升中国在全球铒元素价值链中的地位。
创新要素在经济社会发展中的地位显著提升。基于国家“加强专利活动与经济效益之间的关联评价”的现实需要，进一步打通专利库与其他数据库之间的壁垒，是经济分析、创新研究与国情分析等领域的一项重要突破，需要跨专利库、产品库等多类数据库建立不同领域和系统间的联系与数据网络，从而挖掘创新应用与转化的关联性、内部机制与异质性。该文利用专利库与产品库分类信息，在自然语言处理提取关键词、交叉检索与概率关联算法(ALP)相结合的研究基础上，对中文语言环境进行国际专利分类(IPC)体系与产品编码(HS)映射关系的构建，建立了专利分类与产品领域分类映射关系的匹配原则和流程方法，拓展了现有宏观和企业层级的映射，对于深化创新研究、提升产业中科技生产力转化、识别战略性新兴产业的技术集成等方面具有重大意义。
路由阻塞是俄乌冲突后新出现的一类路由威胁，可能导致地区级甚至国家间的网络连通问题，亟需深入的安全分析与有效的防御措施。当前尚缺少针对互联网路由阻塞的研究，其可能原因为路由阻塞的影响范围很大，在真实互联网上进行大规模实验的成本很高，并且会带来相关的伦理道德问题。因此，本文提出了一个全球互联网路由阻塞模拟与检测系统SimBlock，旨在通过模拟方式来分析路由阻塞的典型特征，并支撑安全措施的设计与验证。SimBlock支持任意2个IP地址之间自治系统粒度路径、路由器粒度路径、单次发包、ping探测和traceroute探测的模拟，并且能够支持网络拥塞及网络故障等动态网络运行状况的细粒度模拟。此外，SimBlock能够模拟至少5种路由阻塞的基础手段，并且提供有效的路由阻塞检测与手段识别方案。
针对现有网络安全态势评估模型存在特征提取粒度不足与长序列依赖捕捉能力薄弱的问题，该文提出一种融合并行特征提取网络(PFEN)与多尺度时间卷积网络(MsTCN)的评估模型。首先，从3个方面改进PFEN，以一维卷积替代二维卷积，优化分支结构，融合多种组件，有效增强特征提取能力，更为精准地提取流量异常行为模式和关键特征；其次，针对现有MsTCN存在膨胀率、核大小固定的局限，引入多核分支结构与层级化膨胀率对其进行改进，结合动态参数匹配策略以及Chomp1D层，有效解决多分支协同维度对齐问题，实现多尺度特征的动态覆盖和对复杂时序特征的全面捕捉；最后，将擅长局部特征提取的PFEN和适用于处理长期依赖关系的MsTCN有机融合，弥补单一模型的不足。通过NSL-KDD和CIC-IDS2017数据集的实验分析，模型在精确率、召回率和F1值上均优于对比模型，其中F1值在NSL-KDD和CIC-IDS2017数据集上分别达到87.39%和99.87%，验证了该方法的有效性和准确性。
针对现有方法在中文复杂语义环境下无法实现持续关系抽取，该文基于持续学习理念，旨在缓解持续关系抽取任务中存在的灾难性遗忘问题，构建了基于原型表示的持续复杂关系抽取网络(PBCRE-Net)模型。该模型采用记忆回放策略并结合监督对比学习方法，增强了对复杂句子中各关系类别独特特征的捕捉能力，提升了关系分类性能，从而能够高效地从新数据中学习知识关系。同时，利用一致性损失约束，确保样本在嵌入空间中的稳定性和一致性。此外，为应对记忆样本不足可能导致的过拟合问题，设计了一种记忆增强机制，通过扩充记忆样本有效避免了过拟合风险。实验结果表明，PBCRE-Net不仅在单领域数据集上表现出色，更在跨领域数据集上展现出卓越的性能，验证了其在处理跨领域复杂关系抽取任务中的有效性和优越性。
尽管现有生成式模型在音视频等连续域取得了优异效果，但在推荐系统等离散序列化数据中存在较大的重构误差，从而严重制约特征捕捉能力和数据生成质量。该文利用残差连接将多层次编码器输出的连续隐向量传递至解码器对应层，并结合矢量量化编码方法，提出了一种基于残差网络的堆叠矢量量化自编码器。该方法有效避免了编码器中有高价值的连续信息被丢弃；同时，借助矢量量化方法构建多重堆叠的码本，学习多维度的离散化矢量量化特征表达。并通过在训练过程引入对抗网络，缩小了量化结果与编码器输出的差异，成功克服了编码器中广泛存在的后验坍塌问题。该方法不仅能够确保与自编码器相当的重构效果，还能通过在码本空间进行先验采样，生成分布特性一致的离散序列数据。在多个公开数据集上进行实验验证，均取得了良好的效果。
随着计算机科学和软件工程的相关技术包括人工智能、领域特定语言、知识图谱等的发展，越来越多的自动合规审查工具开始出现。以建筑领域为例，有关建筑信息模型(building information modeling, BIM)、建筑二维图纸的自动化审查研究和落地应用层出不穷。使用计算机进行自动合规审查的核心步骤之一是对用自然语言编写的条文进行逻辑表示，将其转化为计算机能够理解的形式。虽然目前学者们已经进行了很多相关的研究，也形成了许多被广泛使用的标准和范式，但如何处理高层次的规则之间的相互关系却一直很少被关注。该文基于建筑领域基于规则的自动合规审查提出了一种处理高层次规则之间相互关系的范式，该范式使用“合规级联”、“不合规级联”和“不适用级联”三种模式对高层次规则间关系进行计算机表示，让计算机能够自动对其进行处理。将这种范式用于“BIMChecker”自动合规审查工具中进行了基于实际项目的测试，验证了该范式的有效性。
在技术变革加速与政策导向复杂交织的背景下, 地方政府亟需智能化、可解释的未来产业布局决策支持工具, 以应对区域间资源禀赋的差异与产业演化路径的不确定性。传统产业布局方法在处理多源异构特征、高阶结构交互与动态政策约束等方面存在明显不足。为此, 该文提出了一种融合特征重标定、多头注意力机制与神经矩阵分解的自适应深度推荐算法。该算法通过压缩与激励网络模块实现关键因素的动态加权, 通过多头注意力机制捕捉高阶非线性交互关系, 通过神经矩阵分解模块捕捉线性与非线性关联, 三者协同实现对地区-产业适配关系的精准建模与对产业布局的高质量推荐。实证结果表明: 该算法在多个性能指标上显著优于主流基线算法, 具有良好的泛化能力、结构可解释性与政策可采纳性。该研究不仅拓展了深度推荐算法在结构化决策支持场景中的理论应用边界, 也为地方政府制定高质量未来产业布局策略提供了数据驱动的系统性工具。
齿轮箱内部流道设计与油液高度会显著影响齿轮的搅油润滑效果和齿轮箱的温升, 随着列车速度的不断提升, 上述影响效果会愈加明显。该文以某型号高铁铝合金齿轮箱为研究对象, 基于Star CCM+ 仿真软件, 构建了齿轮箱热-流-固耦合仿真分析模型, 并与台架试验相结合, 开展了铝合金齿轮箱的内流场和温度场的仿真研究。针对主动轮转速、注油量和转向等因素进行参数化仿真分析, 获得了不同主动轮转速、注油量和转向的齿轮箱内流场和温度场分布规律。通过对齿轮箱各流道内的润滑油质量流量和温度场的定量分析, 开展了现役齿轮箱润滑性能的综合评价, 阐明了内部浸油深度为1.752.00倍齿高时, 齿轮箱的润滑和控温效果较好, 明确了齿轮箱上侧和右侧存在润滑效果不足, 并优化了齿轮箱内流道数量及分布, 实现了轴承与啮合区温度下降5 ℃左右。该研究对齿轮箱后续流道改进方案制定具有较好的工程指导意义。
脊柱侧弯生长棒在早发性脊柱侧弯治疗临床表现上依然存在牵伸力不足的问题, 需要优化转子的最大扭矩并确定转子的连续转动域。利用Ansys Maxwell模块建立圆周分布驱动永磁体-转子有限元动磁场仿真模型, 研究了驱动永磁体与转子间夹角、极对数、转子外径、驱动永磁体转速对转子最大扭矩的影响, 并确定了优化后转子的连续转动域。结果表明, 当驱动永磁体与转子间夹角取120°、极对数为1、转子外径为8 mm时, 转子的最大扭矩值最大, 能够连续转动的分布空间大, 而驱动永磁体转速对转子的最大扭矩值无影响。经过仿真优化分析, 转子最大扭矩优化后比优化前提升了201%, 且优化后转子能够连续转动的分布空间更大。为验证仿真结果, 搭建了转子扭矩测量装置, 实验得到, 优化前后转子最大扭矩值分别为30和90 N·mm, 相对误差分别为8.7%和9.06%, 且永磁体均可稳定旋转。为检验磁控驱动器的性能及测试生长棒的最大牵伸力, 搭建了生长棒实验装置, 实验结果表明, 生长棒最大牵伸力可达到413 N, 比磁扩张控制(magnetic expansion control, MAGEC)系统生长棒的最大牵伸力208 N提高了近1倍。
表面粗糙度的准确预测是飞机涂装打磨工艺的关键技术问题。传统物理模型因简化假设难以准确描述复杂工艺, 而数据驱动模型易受噪声影响导致泛化能力有限。针对现有方法难以同时兼顾精度与稳健性的问题, 该文提出了一种基于物理信息神经网络(PINN)的打磨表面粗糙度预测模型。模型通过将粗糙度幂函数机理嵌入损失函数, 并结合动态权重调节策略, 在训练前期优先学习物理规律以抑制噪声, 后期关注工艺参数间的非线性关系。基于机器人打磨实验数据, 系统对比了PINN、物理机理模型和数据驱动模型的性能。结果表明, PINN在训练效率、预测精度及泛化能力方面均具有优势, 预测绝对误差不超过0.03 μm, 平均相对误差仅为3.263%, 在训练集和测试集上性能保持稳定。PINN结合了物理机理约束机制与数据驱动学习能力, 能够实现高精度且稳健的打磨表面粗糙度预测。
222Rn是一种自然界普遍存在的放射性惰性气体, 可以从其产生的土壤介质中迁移析出并进入大气。分析土壤中氡析出的物理过程, 进行氡析出量的测量和评价, 对于铀尾矿、伴生放射性矿开发利用是十分重要的, 且与天然放射性物质(NORM)现场监管等辐射环境安全密切相关。该文阐述了氡析出过程的机理, 介绍了氡析出过程的数学表达, 分析了此过程中的影响因素, 并对土壤表面氡析出率测量方法进行了总结。最后从辐射防护监管角度对氡析出率这一物理量的评价做了尝试性探讨。
审稿意见