搜索结果: 1-7 共查到“光学工程 机器学习”相关记录7条 . 查询时间(0.043 秒)
中国科学院大气物理研究所机器学习集成模型改进京津冀二次无机气溶胶模拟（图）
机器学习 集成模型 无机气溶胶
2024/4/13
二次无机气溶胶是大气细颗粒物（PM2.5）的重要组分，其快速生成与积累往往是冬季重污染天气出现的关键因素。传统的空气质量数值模式由于输入数据的不确定性和模式内部物理化学机制模拟方案的不完善，导致二次无机气溶胶模拟仍然具有较大的不确定性。
中国科学院力学研究所基于机器学习和物理增强的本构模型捕获纳米尺度变形局域化（图）
纳米尺度 固体 计算框架
2024/4/18
固体中的局域变形，例如：地震、滑坡、剪切带等，是材料和结构灾变前的表象。这些狭长的带状结构内部，其特征尺寸、强度、温度和剪切速率等演化行为与其他均匀变形部分之间存在着数量级上的差异，如何复现这一局部化过程、刻画局部化区域内和其他部分之间的力学行为差异，是一个宏观上难以下来，微观上难以上去的核心区，是实验和计算上的挑战。
中国科学院大气物理研究所可解释集成机器学习揭示气象和排放源对杭州臭氧形成的影响（图）
集成 机器 气象 臭氧形成
2024/4/13
位于中国东部的特大城市杭州近年来O3污染严重，明确O3污染形成的关键驱动因素对抑制O3恶化至关重要。化学传输模型和传统统计方法在量化气象和排放源对O3形成的影响上各自存在局限性。基于数据驱动方法，开发一种能够快速、准确、全面评估各个驱动因素对O3形成影响的新方法具有重要意义，对解析杭州或其他城市O3污染成因具有重要参考价值。
2022年2月28日下午，“华中大-新国大学术大讲堂”系列讲座在华中科技大学光学与电子信息学院顺利举行。应华中科技大学光学与电子信息学院低功耗与智能集成电路研究室王超教授邀请，新加坡国立大学电气与计算机工程系Jerald Yoo副教授为华中科技大学光学与电子信息学院师生作了题为“用于可穿戴健康监测的边缘机器学习癫痫检测”的专题报告。讲座由王超教授主持，60多名师生及科研工作者线上参会聆听。Jera...
中国科学院上海光学精密机械研究所提出了对二维材料光谱学进行机器学习研究的新方案（图）
二维材料 光谱学 机器学习
2020/11/24
近期，中国科学院上海光学精密机械研究所微纳光电子功能材料实验室在利用随机森林算法实现二维材料层数和缺陷识别方面取得新进展，揭示了机器学习算法在二维材料光谱学研究领域的应用潜力，相关工作发表在[ Nanomaterials 2020, 10, 2223 ]。
西安交通大学科研人员利用机器学习技术开发新型压电材料（图）
西安交通大学 机器学习技术 压电材料
2018/1/23
传统的材料开发方式往往依赖于试错法或者经验。但是随着材料成分、微观结构等复杂性的增加，传统的方法不再适用。如何利用尽可能少的实验来有效的提升新材料的性能，是材料研究人员所面临的巨大挑战。机器学习技术被认为可以从大量材料科学的数据中通过算法搜索隐藏于其中的重要信息，甚至是物理规律，进而实现材料性能的快速优化。西安交大材料学院科研人员提出了一个基于主动学习技术的材料设计方法，并应用于加速设计开发新型压...