光束在不衰减的情况下实现了小角度转弯

一种类似蜂窝的塑料材料不但能引导光束实现精确的小角度转弯,还能在整个过程中保证光束的强度和完整性丝毫不受影响。由美国得克萨斯大学埃尔帕索分校(UTEP)和中佛罗里达大学(UCF)两校联合开发出的这种技术有望进一步拉近高性能光学计算机,特别是小型光学计算设备和现实的距离。相关论文发表在最近出版的《光学快报》杂志上。     

轨道分析解的改进方法及其应用

主要介绍一种通过改进各类轨道摄动项的表达形式,以优化计算效率的轨道分析解改进方法。以低地球轨道为例,阐述了轨道分析解改进后的具体算法,并通过数值仿真分析验证了算法的有效性和实用性。算法以第一类无奇点根数作为轨道状态量,采用开普勒轨道根数计算各类摄动力的长期、长周期和短周期项,通过较简单的组合形式计算无奇点根数的对应摄动项,实现在保持分析解精度和消除小偏心率奇点的同时,提高计算效率。仿真结果表明,分析解算法的模型精度在1E-5量级,符合一阶分析解理论精度的预期;同时计算速度达到传统分析解算法的4倍左右,可有效提升空间碎片轨道预报的计算效率,具有较强的工程应用价值。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

国际量子计算战略布局比较分析

本文首先定性调研了美国、欧盟、英国、日本等主要国家和地区的量子计算相关战略与路线图,比较分析了各国/地区的代表性战略与路线图目标,以及获资项目的研发重点等。接着,总结各国/地区针对量子计算发展的政策措施特点,如:成立新机构以高度统筹研发活动与管理协调工作;建立研究中心并强调跨学科研究与长期基础研究支持;制定路线图目标与时限,持续监测进展并评估成效;培养面向未来的专业量子从业人员;推进国际合作,并重视国家安全维护等。最后,从制定国家量子计算技术战略、成立新机构以统筹管理和开展评估、培养跨学科的量子计算技术人才等多方面,为我国量子计算发展提出启示建议。     

格库铁路青海境内无资料地区设计洪峰流量计算分析

设计洪水作为江河流域规划、水利水电工程规划和设计的主要依据,其成果的可靠性直接关系到工程的规模、安全及经济与社会效益.在分析有关资料和区域情况调查的基础上,利用《青海省水文手册》中洪峰模数等值线图、柴达木盆地南缘西部地区最大流量-面积经验公式,以邻近格尔木水文站作参证站,对青海省境内格库铁路桥无资料地区设计洪峰流量进行计算.通过与相关成果的对比及合理性分析,得出不同频率下的设计洪峰流量.按照格库铁路桥防洪标准,100 a、300 a一遇设计洪水和校核洪水采用经验公式法计算成果.该成果不仅为格库铁路的设计和建设提供服务,也为境内合理开发、利用水资源、制定防洪规划和城镇发展布局等提供参考.通过对该地区设计洪水进行计算分析,可为相似区的水文分析计算工作提供参考.     

面向医疗大数据任务低时延需求的路径计算方案

针对云计算应用于医疗大数据处理时存在的通信高负荷及任务处理高时延的问题,提出一种面向低时延任务需求的路径计算方案。该方案首先将医疗大数据任务构建为由多个具有输入输出关系的子任务所组成的有向无环图;然后,设计了一种云雾网络架构,利用医院中的交换机、路由器等网络边缘设备组成雾计算层,在端到端的定向数据传输过程中利用雾节点的计算能力逐步完成医疗大数据任务计算。为将医疗大数据任务部署至医院网络,提出一种基于离散二值粒子群优化(BPSO)算法的任务映射策略,将有向无环图形式的大数据任务映射至医院雾网络拓扑图,为任务数据寻找合适的计算路径,并最小化医疗大数据任务处理时延。仿真结果表明,当数据量取5～10Mb时,应用路径计算方案的任务处理时延相比云计算可降低50%以上。     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

基于边缘计算和稳态 遗传算法的AIoT资源调度研究

在万物互联时代，智能物联网（Artificial Intelligence of Things, AIoT）是人工智能与物联网融合发展的新兴方向在面对边缘海量数据和连接时，如何进行资源负载的调度是AIoT目前亟待解决的关键问题边缘计算（Edge Computing）是对云计算的补充和发展，具有低时延、位置敏感和无线接入等优点，能在网络边缘进行高效部署该文提出了一种基于边缘计算和遗传算法的AIoT资源调度方法首先，基于边缘计算构建了云边融合的AIoT分层网络资源管理架构然后，对其资源调度问题进行了数学建模并使用稳态分组遗传算法（SSGGA）进行了优化最后，根据得到的优化方案制定了计算资源调度策略另外，基于iFogSim平台搭建了实验环境，仿真结果验证了该文所设计的资源调度策略可有效降低高负载下AIoT各节点的处理时延，并有效提升网络内设备的能量利用效率该文的工作对于推动AIoT的发展具有良好的理论和应用价值