初道屏蔽效应对低能电子碰撞H(e,2e)反应的影响

考虑初道屏蔽效应,研究了低能电子碰撞H(e,2e)的反应过程.计算了共面非对称几何条件下能量为27.2 eV的入射电子碰撞H(e,2e)反应的三重微分截面(TDCS),将其计算结果与3C、DS3C和CDS3C模型所得结果及实验数据进行了比较,结果表明CDS3C模型能对上述碰撞过程成功描述,改善了与实验结果的符合程度.     

初道库仑场对低能电子碰撞H电离反应的影响

基于CDS3C模型，研究了低能电子碰撞H（e，2e）反应过程．计算了能量为54．4eV的人射电子碰撞H（e，2e）反应的TDCS，将其计算结果与3C、DS3C模型所得结果与实验结果进行了比较．表明在碰撞过程中初通道存在一不可忽略的库仑场．     

He(e,3e)末态波函数动量相关效应

考虑末态波函数动量相关效应，计算了入射能量为5599eV时，敲出电子等能分享几何安排下的He（e，3e）反应的五重微分截面，并比较采用各种末态波函数动量相关下的计算结果．表明理论计算结果在误差范围内与实验数据基本吻合，末态波函数动量相关效应对He（e，3e）反应的五重微分截面具有一定影响．     

BBK模型中非一阶效应和交换效应的理论研究

用BBK模型和修正后的BBK模型对低能、共面非对称几何条件下电子离化氢原子的三重微分散射截面进行了计算,并把结果与一级玻恩近似下的计算结果以及实验数据进行了比较,对修正后的BBK模型中非一阶效应和交换效应进行了分析和探讨.发现该模型中末态三体间的屏蔽包含了极强的非一阶效应信息.     

垂直于→q平面几何条件下102ev电子碰撞He原子电离的动力学关联效应

考虑出射道三粒子之间的动力学屏蔽（DS）效应（简称DS3C模型）,用DS3C理论模型计算和分析了垂直于动量转移平面（即垂直于平面）几何条件下,入射能量为102eV电子碰撞He原子单电离的完全微分截面（FDCS）,将计算结果与绝对实验数据及3C、DWB1-CM、DWB2-CM等模型的理论数据进行了比较。结果表明：DS3C能够较好地定性描述垂直于平面的碰撞结果。说明入射电子能量较低时,对于非共面几何条件下的碰撞,出射道不仅要考虑核与电子、电子与电子间的相互作用,而且也不能忽略出射粒子间的动力学屏蔽效应。     

散射电子能量为500 eV 下氦原子（e，2e）反应中微分截面的研究

用3C模型和DS3C模型计算了散射电子能量为500 eV特殊几何条件下电子离化氦原子的三重微分散射截面，并把计算结果与实验结果进行了比较，系统研究了屏蔽效应和交换效应对截面的贡献。结果表明，末态屏蔽效应以及交换效应对三重微分散射截面的幅度和角分布均存在一定影响，并且当入射能较高时这种影响更加显著。     

不共面对称条件下电子离化He原子的三重微分截面

运用修正后的BBK理论计算了入射能E0=64.6eV,不共面对称等能条件下电子入射离化氦原子的三重微分截面,所得结果与实验进行比较,符合较好.指出:对3C波函数进行索末菲参量的修正是成功的,这一修正使得BBK模型也能对不共面对称等能条件下的低能(e,2e)过程给出很好的描述.     

70.6eV电子入射电离氦原子的理论研究

在入射能为70.6eV,两个出射电子等能分享几何条件下,分别用3C模型和DS3C模型对散射平面内以及垂直平面内电子离化氦原子的三重微分散射截面进行了计算,并把计算结果与实验结果进行了比较,系统研究了各种效应对截面的贡献.结果表明:当散射角较小时,末态各种屏蔽效应对散射平面内和垂直平面内截面幅度以及角分布均存在较强影响;交换效应对截面的贡献始终是不可忽略的.     

电子碰撞Li＋离子（e,2e）反应微分截面中的干涉效应

利用修正BBK理论,计算了能量为145．6eV的入射电子碰撞Li (1s),(e,2e)反应三重微分截面（TDCS）,并讨论了交换,关联与干涉效应及入射道库仑场对TDCS的重要影响。     

各种碰撞过程对氦原子单电离三重微分截面的影响

考虑各种碰撞过程对氦原子单电离三重微分截面的影响,计算了共面不对称和共面等能几何条件下,电子碰撞He(e,2e)反应的三重微分截面,同时给出了直接碰撞过程、交换碰撞过程以及干涉效应对三重微分截面的贡献.结果表明,三种碰撞过程对He(e,2e)反应三重微分截面影响是不可忽视的.     

(e,2e)反应中剩余电子的屏蔽效应对三重微分截面的影响

在考虑了He原子(e,2e)过程中,剩余电子对核的有效屏蔽之后,用修正后的BBK理论计算了入射能为40eV时,共面不对称几何条件下电子入射离化He原子的三重微分截面(TDCS).结果表明:该文得到的理论曲线更接近实验数据.     

正负电子湮灭中粒子的快度分布

用修正了的热化模型分析了高能碰撞中粒子的快度分布,计算结果与质心能量√s=14,22,29和34GeV的e^ e^-湮灭的实验数据符合。     

基于关系模式与深度强化学习的DS数据去噪模型

远程监督(Distant Spervision，DS)数据集中存在大量错误标注的数据，而现有的DS数据集去噪方法通常只考虑针对具有标签的数据进行去噪，没有充分利用无标签数据，导致去噪效果不佳。本文提出一种新型DS数据去噪模型——Pattern Reinforcement Learning Model (PRL模型)：首先利用基于关系模式的正样例抽取算法提取DS数据集中高质量的有标签数据；然后利用Filter-net作为分类器，提取DS数据集中高质量的无标签数据；最后将高质量的有标签数据和无标签数据作为深度强化学习(Reinforcement Learning，RL)方法的训练数据集，获得去噪效果更好的远程监督数据集。将PRL模型应用于New York Times(NYT)数据集，并以去噪后的数据集来训练PCNN+ONE、CNN+ATT、PCNN+ATT 3个模型。实验结果表明，经过PRL模型对数据集进行去噪后，这些模型的性能得以提升。因此，PRL模型是一种轻量的数据去噪模型，可以提升基于深度神经网络模型的性能。     

BBK模型的修正

对前期工作进行了概括、总结,用不同的BBK模型计算了低能电子入射离化He原子的三重微分截面,并将不同模型的结果分别与实验进行了比较.