摘要：【目的】为降低大语言模型的使用门槛,促进大语言模型在学科领域的应用。本文系统介绍了Llama2-70b模型的微调过程及其在材料领域应用的流程。【方法】本研究利用DeepSpeed框架和无机材料合成路径的指令式数据集,采用LoRA微调技术对开源大模型Llama2-70b进行微调,并对模型的超参数进行了调优,从模型训练中的损失值和模型稳定性两个方面对调优效果进行了评估,最终确定了一组适合模型的超参数组合。【结果】通过对模型的训练和优化,最终获得了一个在稳定性和性能方面表现优异的材料合成大语言模型。【结论】该研究为大语言模型在学科领域的应用提供了宝贵的经验和方法,所训练的材料大语言模型为材料合成设计提供了有意义的参考和支持。

摘要：极光受太阳风驱动的地磁亚暴等大尺度动力学影响,其形态及演化因不同的太阳风-磁层-电离层耦合作用可能表现不同。目前,极光卵及其形态的归类大多依据极光演化理论作主观定性分析,没有明确的分类标准,故难以借助统计分析方法和有监督分类模型开展客观定量研究。建立了基于深度表征学习的紫外极光卵图像聚类模型(MoCo-GMM),并利用空间环境参数设计了评估模型物理合理性的方法,在大规模POLAR卫星紫外极光卵图像数据上进行了实验,聚类结果不仅具有良好的簇内凝聚性和簇间分散性,且具备一定的物理可解释性,有效实现了基于图像的极光卵及其形态的客观归类。

摘要：卫星工程参数异常检测是判断卫星与载荷健康状态的重要手段。传统异常检测方法通常针对具体的卫星或载荷设计,在处理新卫星和新载荷时需要重新建模和训练,然而新运行的卫星设备尚未产生足够的历史数据来支撑建模任务。融合深度学习和迁移学习思想,提出一种基于领域自适应的卫星工程参数异常检测方法。利用深度残差收缩网络(DRSN)结构框架,在训练过程中将无标签的目标域卫星工程参数数据加入网络训练过程,有效获取数据的特征表示。对提取到的数据特征使用距离度量,衡量所提取的源域特征与目标域特征之间的差异性,使得两者在特定特征空间上的分布相似,从而增强了DRSN利用已有标签数据对无标签数据的分类能力。在基于空间科学先导专项系列卫星工程参数构建的数据集上的实验结果表明,该方法的准确率达到98.03%,与梯度提升决策树、支持向量机、DRSN方法相比,迁移检测平均准确率分别高出20.95、22.51、15.02个百分点,能够有效对新卫星和新载荷开展快速准确的异常检测。

摘要：【目的】新科研范式下,基于大数据的人工智能技术为加速新材料设计与发现提供了新的方法与视角,为材料领域研究人员提供了一个可用的材料智能设计平台,对于新材料的发现与性能优化具有重要意义。【方法】本文提出一种基于数据驱动的材料智能设计平台的整体架构,阐述应用平台开展新材料设计和优化的关键技术及相关工具,并给出该平台在材料领域的应用案例。【结果】材料智能设计平台及其应用加快了新材料设计与性能优化的进程,同时也为科研人员提供了一种交互式、插件式的开发环境。【局限】材料领域数据的多源异构、样本小、含噪声且数据关系复杂等特点给模型训练效果产生一定的影响,未来希望在数据规范和小样本训练方面进行更多探索。【结论】本文所提出的材料设计平台为材料领域实现科研范式变革提供了理论依据和示范作用。

摘要：大规模星表的快速检索是交叉证认、多波段数据融合、暂现源搜寻等任务实现的基础,尤其是大视场暂现源搜寻需要在一个曝光周期内完成观测结果与大规模星表的检索与交叉证认,以发现正在变化的天体。现有的大规模星表通常包含数十亿天体,为了在有限内存的情况下对其进行快速检索,提出了一套解决方案。通过使用基于HEALPix的多分辨率动态划分算法,能够将星表按照不同天区天体密度切分成大小合适且均匀的星表文件;进而在开源序列化组件Protocol Buffers基础上设计出一套针对星表的序列化方案,作为星表切分和检索时的中间存储介质,以尽可能提高检索时的速度。还尝试应用Peano-Hilbert编号代替HEALPix原有Z型编号顺序遍历星表,提高了缓存命中率,实现了对大规模星表的高效融合,方便对数据的后续利用与研究。

摘要：【目的】理解分子与固体界面发生的超快电荷转移物理机制,对于提升太阳能电池以及光催化反应的能量转化效率起着至关重要的作用。【文献范围】在许多含有氢元素的分子/固体界面,分子会以一定结构吸附,分子中的氢会在固体表面形成氢键网络。由于氢元素具有很轻的质量,同时,它在分子中常常以质子的形式存在,因此人们常常可以在分子/固体界面观察到质子电子耦合在一起的电荷转移过程,而这类过程中质子的核量子效应(Nuclear quantum effects,NQEs)无法被忽略。最近,我们发展了结合路径积分分子动力学(Path-integral molecular dynamics,PIMD)与非绝热分子动力学(Nonadiabatic moleculardynamics,NAMD)的计算方法RP-NAMD,可以有效地研究质子电子耦合的电荷转移过程。然而,其中PIMD/RPMD的巨大计算量限制了这类方法在真实体系中的应用。【方法】在本文中,我们利用深度学习方法,大幅度减小了PIMD/RPMD的计算量,使得RP-NAMD可以应用于更大的体系,并可以用来研究更长时间尺度的动力学过程。为了验证新的方法,我们选择了甲醇/二氧化钛界面作为原型体系,并研究了核量子效应在界面质子耦合的电荷转移过程的重要作用。【结论】总之,本文基于深度学习,为大家提供了一种实用的、可以用来研究核量子效应与载流子动力学耦合效应的计算方法。

摘要：【背景】众多学科领域的数据资源均在爆炸性增长,科学研究范式正在发生深刻变革,科学数据中心已成为学科领域数据应用的重要载体。科学数据中心基础软件栈是当前科学数据中心建设的重中之重。【方法】本文通过对国内外典型科学数据中心的软件栈架构进行剖析,指出了当前主流软件栈架构在多源异构存储、管理、共享、分析等方面的不足。【结果】提出了一套科学数据中心基础软件栈参考架构及其原型实现,具备标准化存储、异构数据融合管理、大数据流处理、在线交互式分析等功能,可为我国科学数据中心体系建设提供技术路线参考。

摘要：【应用背景】科学数据具有分散化、差异化、孤岛化等典型特征,构建可打破各种孤岛、有效整合分布式科学数据资源的基础设施具有重要意义。【方法】本文梳理了国内外类网络科学数据平台、技术与系统的进展,阐明了科学数据网络的概念、特征、功能与关键技术,并针对新型科研范式下科学数据的协作利用需求,提出并设计了科学数据协作网络RDCN。【结论】科学数据网络可有效改善科学数据的分散化、差异化、孤岛化问题,RDCN在生物多样性研究、生态系统野外台站观测研究、多信使天文学研究等融合科学协作场景中将发挥重大的作用。

摘要：【目的】在大数据时代,从生活生产到科研领域,产生了海量的动态图数据,对这些数据进行管理和分析可以有效地辅助人们进行工艺设计、智能决策和科学研究。【文献范围】本文使用动态图、演化图和版本图管理等关键字在知网和谷歌学术上进行搜索,整理收集了几十篇相关文献。【方法】本文以数据模型、管理系统和挖掘分析方法三大类为依据对相关研究文献进行分类和归纳总结,分析了国内外研究现状。【结果】其中对动态图数据三种主流存储策略的空间消耗情况在理论上进行了研究并得到了初步结论,其次从集合的角度对现有的动态图查询需求进行了更深层次的总结,最后从论文的分类数量发现当前对动态图的研究更侧重于挖掘分析方面。【局限】本文整理收集的相关文献包含的图模型以属性图为主,RDF相关的文献并未涉及。【结论】本文在分析了大规模动态图版本化管理的相关需求与技术后,也提出了存在的一些挑战,包括动态图多版本管理带来的高空间膨胀率、指定版本的高效随机检索和版本之间的演变关系精准刻画等问题。

摘要：【目的】高能同步辐射光源HEPS(High Energy Photon Source)是我国第一台高能量同步辐射光源,预计2025年建成。HEPS建成后,首批投入使用的15条光束线站预计每天会产生200TB实验数据。为满足不同阶段对实验数据的读写需求,会对海量实验数据进行分级存储和长期备份。如何将这些数据在不同存储介质之间稳定和高效地传输是HEPS实验中需要解决的重要问题。【方法】HEPS科学数据传输系统设计了多源DAQ接口、任务调度、消息队列、集群传输、日志监控、配置管理和消息通知等功能模块。【结论】系统实现了海量数据在不同存储介质间的高效、可靠传输。【结果】系统现部署在北京同步辐射多个线站,用作HEPS数据传输的前期验证,运行稳定、效果良好,为科研人员和用户提供了良好的数据传输服务。