机器学习在座逾渗相变问题中的应用

机器学习理论区别于传统方法,因其在对于复杂的数据集识别、分类的准确性和高效性而被广泛应用于各个领域.识别相变是机器学习和统计物理领域相结合的最有代表性的工作.到目前为止,机器学习完成的相变识别几乎都是基于具有动力学演化过程的自旋模型,如Ising模型等,而其在另一类不具有动力学演化过程而完全由系统结构特征决定的相变模型,如逾渗模型等,仍未有细致研究.本文结合现有的机器学习技术,卷积神经网络和一般向量机,对二维方格子上的座逾渗问题进行了研究,发现能以高正确率对不同相的构型进行识别,证明了机器学习在这类问题上研究的可行性.通过已完成训练的学习机对不同参数下构型预测的正确率计算,发现正确率在相变点附近会出现急剧衰减,与系统参数呈幂律衰减.这与传统相变理论一致.通过定量计算,还发现2种学习机的正确率衰减规律都满足同一个幂律指数.这不仅进一步从全新的角度揭示了相变的普适性,而且为找寻相变点提供了新的方法.     

非平衡相变中的熵

指出了在讨论非平衡相变过程中熵变化问题上哈肯论文的不足，并且提出了改进的意见。     

非平衡相变的临界耗散参量

耗散普遍存在于一切非平衡过程中,非平衡相变一般发生在远离平衡、耗散强烈的非线性区。本文在非平衡系统规格化模型的基础上,分析了非平衡相变临界参考态的耗散情况。引入了一个衡量系统远离平衡程度的耗散参量M_D。在非平衡相变临界点的无限小邻域内导出了M_D与系统序参量u的依赖关系。揭示了M_D的临界奇异性,并用临界耗散指数θ来刻划M_D在非平衡相变临界点的奇异行为。此外,本文还详细讨论了平衡相变临界与非平衡相变临界的差别与联系,并将两者统一在一起。     

非平衡相变临界指数及普适性

在非平衡相变临界现象中也存在着普适规律,其包含的内容比平衡相变临界现象的情况更复杂、更丰富。非平衡相变对临界普适类的划分也更为精细,本文在非平衡相变规格化模型的基础上,考察了非平衡相变的临界普适性以及影响普适类的因素,计算出了三种普适类的临界指数值及其满足的标度关系,其结果与已知的实验值吻合得较好,在一定程度上揭示出非平衡相变的临界普适规律。此外,本文还讨论了平衡相变与非平衡相变在临界现象上的差别与联系,揭示了两者在普适性方面的统一。     

粒子结构中的各种相变和非平衡态统计模型

本文首先简述了粒子结构中已知的各种相变及其理论.然后推广粒子的统计模型为非平衡态统计模型,并用于粒子内部结构.由此粒子在碰撞等条件下内部可以形成有序的对称性夸克.我们还结合分支和推广的混沌理论作了一些数学讨论.最后,我们认为可能存在泡利不相容原理不成立这种新的相.     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

非平衡相变的临界耗散行为

在非平衡相变规格化模型基础上，讨论了非平衡相变与平衡相变的差别与联系。考察了非平衡相变临界参考态的耗散情况，引入一参量ＭＤ来衡理其临界耗散的强弱程度。在临界点的无限小邻域内导出ＭＤ与系统参量的依赖关系。ＭＤ的临界奇异性用临界耗散指数θ来描述，在此我们计算给出了非平衡相变中三类临界的θ值。把平衡相变的临界参考态作为非平衡相变临界参考态的一种极限情况，将二者统一在一起。     

相变储热在建筑节能中的应用

相变储热技术是利用低品位能源 ,实现建筑节能的重要途径。综述了可用于建筑节能的相变储热材料和相变储热技术 ,并提出了这一技术领域内近期需要研究和解决的问题     

非平衡相变的临界标度律

标度思想同样适用于非平衡相变系统,在非平衡相变临界点邻域内,存在着与之相适应的标度律。本文在一般非平衡相变系统规格化模型的基础上,注意到非平衡相变与平衡相变临界行为的相似性,定义了一组临界指数来刻划非平衡相变的临界行为,并导出了非平衡临界的标度关系,在一定程度上揭示了非平衡相变的临界特征。讨论了两种临界现象的差别与联系,将平衡临界的标度律做为非平衡临界的标度律的一种特例含于同一理论体系中。     

非平衡相变的临界可标度性

在非平衡相变的临界点邻域内也存在着标度性,即广义齐次函数形式的标度假设也适应于非平衡相变的临界现象。本文在一般非平衡相变系统的规格化模型基础上,考察了在非平衡相变临界点无限小邻域内相关函数和广义势的可标度性,论证了它们都是参自变量的广义齐次函数,即在标度变换下它们的变化形式恰好与标度假设的理论思想和数学表述相符合。在一定程度上证实了非平衡临界的可标度性,并断言了非平衡临界标度的存在。     

Schlogl反应模型的非平衡相变临界指数

Ｓｃｈｌｏｇｌ模是一个典型的具有非平衡相变特征的化学反应模型,在非平衡定态条件下,该反应在相变临界点邻域内具有一个广义的势函数。并在临界点出现了岔现象。本文考究了Ｓｃｈｌｏｇｌ反应的临界分支现象及临界变化趋势并运用非平衡相变的临界标准理论导出了该非平衡相变的临界指数。     

非平衡定态系统空时相关函数在相变临界点的表现

从规格化模型出发，考虑空间因素和时间因素，定义相关函数并考察相关函数在临界点的表现及其与“巨涨落”形成的关系。     

热力学基本方程在相变过程中的应用

本文从热力基本方程的导出过程和对逆相变，不可逆相变的实例计算，充分说明了热力学基本方程对不做非体积功的相变过程可完全适用。     

非平衡相变的临界标度律

在具有普适意义的非平衡相变临界规格化模型基础上,讨论了一般非平衡定态跃迁相变的临界奇异性和可标度性,导出一组普适的临界指数标度关系及普适类,由之计算出的四组非平衡普适类的临界数值与目前已知的实验及结果吻合得非常好。     

浅析机器学习及其在教育中的应用

本文探讨了学习的机理,从而概述了机器学习,进而探讨了机器学习在网络教育中的应用。     

非平衡相变与平衡相变的临界相似关系及其统一性(英文)

在ＮＰＣ规格化模型的基础上,充分注意了平衡相变与非平衡相变两类临界现象间的主要差异和相似之处,从参考态、势函数、相关函数、临界可标度性、临界指数、标度律、临界普适性等方面考察了这两类临界观象的相互关系．结果表明,平衡相变临界观象（ＥＰＣ） 可看作是非平衡相变临界现（ＮＰＣ） 的一种特殊情况,平衡相变的临界标度律是非平衡相变临界标度律关系族中的一组关系式,即ＮＰＣ标度律具有更大的普适范围,这说明ＥＰＣ与ＮＰＣ 在临界标度性方面可由统一的理论来描述,在一定的条件下两者可统一起来．     

机器学习算法在糖尿病预测中的应用

在很多领域利用机器学习的方法对数据进行分析、预测、判断具有非常重要的现实意义。将机器学习的算法应用到医学领域成为了研究的热点之一。糖尿病是多发病症,对是否患有糖尿病做出有效预测,意义重大。论文采用机器学习算法预测糖尿病,利用微软的Azure machine learning作为实验平台。采用了神经网络、逻辑回归、决策树、贝叶斯、支持向量机五种机器学习算法进行了预测,预测正确率分别是0.854,0.787,0.952,0.779,0.781。结果显示决策树预测效果最佳。在决策树预测的基础上对预测方法做出改进后,实验结果表明正确率提高了0.002。     

dimer-dimer模型在不均匀催化表面上的动力学相变

研究了具有中间产物的dimer-dimer(DD)模型的非平衡相变行为.分别讨论了只有一种反应物脱附时在无惰性点(inert-site)表面上的动力学相变行为,在有惰性点的表面上无反应物脱附的相变行为,以及二者综合考虑时催化表面的动力学相变行为.通过这些讨论得出:脱附使得更多的格点变空,有利于反应的进一步进行;脱附率越大,上述现象越明显,反应窗口也就越宽;而晶格表面的缺陷点的存在,阻碍了反应粒子的吸附,不利于反应的进行,具体表现就是使反应窗口变窄,最终生成物浓度变小.这种惰性格点所占比例越大,上述现象越突出,直至浓度达到一定值时,非惰性格点难以形成大的渗流集团,不再出现反应窗口.     

知识约简在机器学习中的应用

文中首先介绍了人工智能中机器学习的概念与概况，并介绍了粗糙集理论中的知识约简的基本概念．在此基础上提出了将知识约简应用于常规的机器学习中，将常规的机器学习方法与粗糙集理论中的知识约简有机地结合起来，使得机器学习将得到更好的效果．