摘要：自旋神经元是一种新兴的人工神经形态器件,其具有超低功耗、强非线性、高集成度和存算一体等优点,是构建新一代神经网络的强有力候选者.本文提出了一种磁场辅助磁弹应变驱动的混合时钟自旋神经元,利用OOMMF微磁学仿真软件建立了该神经元器件的微磁学模型,基于LLG方程建立了其数值仿真模型,利用所设计的自旋神经元构建了3层神经网络,研究了不同纳磁体材料(Terfenol-D,FeGa,Ni)神经元器件的激活特性及其对MNIST手写数字数据集识别性能的影响.OOMMF仿真和数值模拟发现,设计的混合时钟结构能够成功驱动纳磁体发生随机磁化翻转,有效模拟生物神经元的激活行为和特性.MNIST手写数字识别结果表明:当输入不同范围的磁场使得3种材料的自旋神经元都达到饱和识别精度时,该自旋神经元器件具有与Sigmoid神经元器件相同的识别能力,有望替代传统的CMOS神经元,并且选择合适的磁致伸缩层材料能够进一步降低智能计算的整体功耗;当输入相同范围的磁场时,Ni构成的自旋神经元的识别速度较慢.研究结果可为新型人工神经网络和智能电路的设计及应用奠定一定的理论基础.

摘要：页岩气成藏机理与页岩内部孔隙结构紧密相关,对页岩孔隙结构的研究成为页岩气勘探开发技术中至关重要的一环。页岩内部不同结构体组分对X-射线的吸收能谱不一样,这样就导致观测数据是由不同页岩组分衰减不同波段的X-射线构成的。经过对CT图像分割,能够获得页岩微孔结构的图像,尤其是获得有机质中孔隙类别、形状、尺寸、空间分布、连通特性。本文利用同步辐射X射线扫描重构的页岩CT数据,研究并设计基于多能CT图像的神经网络图像分割技术和算法,以期得到页岩体三维结构特征及空间分布,可以为建立有机质种类和无机矿物组成与微纳孔隙特征的联系以及最终实现页岩气的资源储量评估和勘探开发提供技术支持。

摘要：计算技术自身原理、架构的不断演进是计算机产业持续发展的根本动力。近年来,量子计算、分子计算、DNA生物计算、神经网络计算等新型计算技术层出不穷,石墨烯材料更是对传统的以硅基半导体技术为支撑的计算机产业发起了强有力的挑战。新型计算技术的演进路径、适用场景和产业化前景不尽相同,可能带来对现有计算机产业的改良,甚至颠覆。我国产业界应对此保持科学认识,积极应对,化风险为机遇。传统计算技术面临体系困局计算技术演进至今,计算机结构始终沿用冯·诺依曼架构,芯片设计方面延续电子管、晶体管、集成电路、