基于相对论简并费米气体模型的Chandrasekhar极限

利用简并费米统计理论，并考虑到电子运动的相对论效应，求出白矮星的极限质量-Chandrasekhar极限质量，并进一步讨论了这一极限质量在恒星演化过程中的意义。     

有理数的乘方教学案例

《有理数的乘方》一节取自华东师范大学《义务教育课程标准实验教科书》数学七年级（上）第二章《有理数》的第十一节。它是学生学习了有理数的加、减、乘、除后学习的，学生具有一定的有理数的运算经验。小学里学生只接触过加减乘除这四种运算，而乘方运算是一种特殊的乘法运算，这对学生来说是一种新的运算，因此教学中要特别注意概念的形成。初一学生考虑问题较单纯，不够全面，课堂教学要体现以学生发展为本的理念。初一学生以形象思维为主，喜欢发表自己的意见，因此本节课的课堂设计是从特殊到一般，具体到抽象。有意识地让学生主动去观察、比较，归纳形成有理数乘方的概念。     

相对等速旋转参考系中的相对论效应

利用旋转洛仑兹变换讨论相对匀速转动参考系中的相对论效应．     

相对论重离子碰撞的纵向流分布与碰撞能量关系的研究

利用相对论纵向非均匀集体流模型，讨论较大的碰撞系统(Au-Au和Pb-Pb作用)分别在AGS、SPS和RHIC能区的重子纵向集体流分布特征．发现：能量越高，纵向流的非均匀分布特征越强，即在最新的RHIC能区所产生的粒子系统具有很强的非均匀分布特征，表现为很强的核透明性．这一研究不仅可以帮助了解最新的RHIC能区的粒子分布特征，还可以帮助分析集体流分布特征随碰撞能量变化关系．     

Lorentz变换修正公式

Lorentz变换的根源在于,当t’=t=0时,两惯性坐标系K’和K的原点O’与O重合,这时,在其公共原点发出的是一个传播速度为光速c的光信号。经过Lorentz变换,认为光速c是一切实际物体运动速度的极限。本文假设,当t’=t=0时,两惯性坐标系K’和K的原点O’与O重合,这时,在其公共原点发出的是一个超光速信号。由此导出了Lorentz变换修正公式,并证明了超光速没有极限值,ds2仍然是Lorentz不变量。同时还导出了相对论速度变换修正公式。由此还可以导出在超光速条件下,惯性坐标系之间的其它变换公式。     

新中国科学家名冠全球——以中国人名字命名的国际科技成果

在喜庆共和国55周岁生日的欢歌笑语中,在不绝于耳的阵阵捷报声里,有一种声音格外令人振奋,那就是为一件件科技成果冠名的中国人的名字.55年光辉业绩的背后闪现着他们辛勤耕耘的汗水,共和国的丰碑下面离不开他们这些基石的铺垫.尤其让莘莘学子备受鼓舞的是成材道路上终于有了自己民族的榜样,而且紧随着牛顿、居里等外国人的名字,他们也被写进了各国语言的教科书,成为神圣的科学殿堂里的一颗颗耀眼的东方明珠.高速公路里程的延伸,奥运金牌排名的递进等一项项辉煌都是以数字展现在我们面前,而他们的贡献似乎不那么直观彰显,却如同播惠天下的竹简汗青一般历练深远.新中国诞生以后,这声音越来越多地回荡在耳畔.     

宇宙演化探索的科学意义

倘若把广义相对论喻作由许多宝石镶嵌成的漂亮皇冠，那末这皇冠折射出的闪烁光芒就幻化为现代宇宙学的一轮又一轮美丽光环，令人目眩神驰。玻恩言道：“广义相对论的重要性见诸于：它在宇宙学里掀起了一场革命：”这场革命导致相对论宇宙观“深入人类思想的基本概念结构”；当然，此观念是相对论时空观的延续和拓宽：     

完美的对称伟大的突破--纪念爱因斯坦逝世五十周年

一代科学巨匠爱因斯坦,又是一位杰出的思想家,他的思想方法是耐人寻味的.他所创立的相对论,以其前提的简单、结构的新颖、体系的严谨、结论的正确,堪称现代物理理论之魁首.众所周知,相对论突破了经典力学的机械论囿限,否定了传统的绝对时空观念,披露了物质、运动、引力、时空的内在联系.相对论的建立,无疑是一个伟大的突破、一项卓越的创新.那么,爱因斯坦是如何突破和创新的呢?从方法论的角度,我们可从中吸取些怎么样的教益呢?     

超形变核态的相对论对称性研究

相对论对称性在原子核的壳层结构及其演化中扮演重要角色.探讨超形变核态的相对论对称性,利用相对论平均场理论计算超形变核态的结合能、单粒子能级,提取单粒子能级的自旋和赝自旋能量劈裂,分析这些能量劈裂与原子核形变及自旋和赝自旋双重态量子数间的关系,进而研究超形变核态的自旋和赝自旋对称性及其随形变变化的规律,结果表明超形变核态的自旋和赝自旋对称性与双重态量子数和形变都相关.     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.