摘要：高通量计算与材料数据库推动了数据驱动的机器学习方法的发展.机器学习已经成为材料计算研究的重要方法,在分析材料数据、加速材料计算、预测材料性质、推进新材料发现、筛选和设计等方面展现出极大的潜力.众多与材料计算相交叉的机器学习方法、模型以及框架不断涌现.本文综述了近年来光电半导体材料计算设计领域内机器学习方法的最新进展与应用.介绍了机器学习的流程与类型,基于不同材料表示方法的浅层模型、集成模型和深度神经网络,以及相关材料数据库和相关工具.我们还讨论了这些模型在预测材料稳定性与光电性质、材料逆向设计、构建材料构效关系等方面的应用.最后,本文对目前机器学习方法存在的机遇与挑战,即数据数量与质量、材料的表示、材料逆向设计做了进一步总结与讨论.

摘要：In modern terminology,“organoids”refer to cells that grow in a specific three-dimensional(3D)environment in vitro,sharing similar structures with their source organs or *** themorphology or growth characteristics of organoids through a microscope is a commonly used method of organoid ***,it is difficult,time-consuming,and inaccurate to screen and analyze organoids only manually,a problem which cannot be easily solved with traditional *** intelligence(AI)technology has proven to be effective in many biological and medical research fields,especially in the analysis of single-cell or hematoxylin/eosin stained tissue *** used to analyze organoids,AI should also provide more efficient,quantitative,accurate,and fast *** this review,we will first briefly outline the application areas of organoids and then discuss the shortcomings of traditional organoid measurement and analysis ***,we will summarize the development from machine learning to deep learning and the advantages of the latter,and then describe how to utilize a convolutional neural network to solve the challenges in organoid observation and ***,we will discuss the limitations of current AI used in organoid research,as well as opportunities and future research directions.

摘要：最近，建筑群的新特征联网的一些在不同领域里吸引科学家的注意，并且导致许多种新兴的研究方向。到目前为止，大多数研究工作被结构分析在大规模软件系统在复杂网络特征的发现限制了。这篇论文论述理论基础，设计方法，算法和研究的实验结果。它第一为网络拓扑学强调进化生长的设计方法的意义面向对象(OO ) 软件系统，并且主张有各种各样的拓扑学特征的网络模型的选择和调整将在设计的进程和 OO 软件系统的实现上带不可忽略的效果。然后，我们与不同拓扑学特征和软件建模方法的发展分析“在网络模型的进化之间的否定和妥协的否定”的类似的纪律。根据软件模式的生长特征的分析，我们连续建议一个面向对象的软件网络进化生长方法和它的算法。另外，我们也基于复杂网络理论为 OO 软件系统度量标准建议参数系统。基于这些参数系统，它能分析各种各样的节点的特征，连接并且本地世界，调制网络拓扑学并且指导软件度量标准。所有这些能对详细设计，实现和表演分析有用。最后，我们集中于进化算法的应用程序并且由案例研究表明它。在实验软件工程从我们的早实验把结果与方法论作比较，我们相信建议软件工程设计方法基于复杂网络理论是一条计算软件工程途径。我们主张这个方法应该是极大地为在大规模 OO 的功能，结构和性能的设计，实现，调整和度量标准有益软件建筑群系统。

摘要：科学正在进入一个新时代——第五范式——它被认为是知识整合到不同领域的主要特征,是基于无所不在的机器学习系统的计算社区中智能驱动的工作。在此,我们通过在天河一号超级计算机系统上构建的催化材料专门设计的典型平台案例,生动地阐明了第五范式的本质,旨在促进第五范式在其他领域的培养。第五范式平台主要包括模型自动构建(原始数据提取)、指纹自动构建(神经网络特征选择)以及跨学科知识串联的重复迭代(“火山图”)。与分解一起进行的是对迭代中实现的体系结构的性能评估。通过讨论,第五范式的智能驱动平台可以极大地简化和改进研究中极其繁琐和具有挑战性的工作,并通过补偿机器学习中缺少样本和替代一些由于计算资源不足而导致的数值计算来实现数值计算与机器学习之间的相互反馈,从而加速探索过程。在数据驱动的学科中,跨学科专家的协同作用和对动态数据需求的急剧增长仍然是一个挑战。我们相信,对第五范式平台的一瞥可以为其在其他领域的应用铺平道路。

摘要：软件系统是一种典型类型人造复杂系统。理解他们的进化能导致更好的软件工程惯例。在这份报纸，作者把复杂网络理论用作一个工具分析进化面向对象(OO ) 从一个 multigranularity 观点的软件。首先，网络建模的一个多颗粒度软件被建议从颗粒度的三个层次代表一个多版本软件系统的拓扑的结构。然后，广泛地在复杂网络理论使用的一些参数被使用描绘软件网络。由在连续软件系统跟踪参数值，我们关于软件进化有更好的理解。案例研究在一个开放源代码 OO 工程上被进行， Azureus 当说明我们的途径的一个例子，和位于进化特征下面的一些被揭开。这些结果提供一种不同尺寸给我们软件进化并且也的理解为 OO 软件系统的设计和发展是很有用的。

摘要：Nowadays, more and more digitalized spatial data are sold and transmitted on the Internet. Thus, there arises an important issue about copyright protection of the digital data. To solve this problem, this paper has designed and implemented a spatial data watermarking service (SDWS) system which can provide a secure framework for data transaction and transfer via the Internet and protect the rights of both copyright owners and consumers at the same time.

摘要：船体结构屈曲分析是其安全性评估的重要环节但步骤繁杂耗时,船舶结构设计领域迫切需要一种准确而简便的分析方法或工具。本文采用非线性有限元方法对加筋壁板的物理建模、屈曲分析和极限强度预测进行研究。考虑壁板初始缺陷,建立了整体加筋壁板的非线性有限元分析模型,提出了一种壁板后屈曲问题求解的建模和分析规范。基于 *** 软件平台,开发了一种基于集合的壁板参数化建模和屈曲分析的软件系统。采用不同类型的船体结构加筋壁板,研究了壁板线性屈曲及后屈曲行为,并对非线性有限元求解屈曲问题的有效性进行了评估。将解析法、实验测试法以及本文所提出方法进行后屈曲分析所获得的结果对比表明,本文提出的壁板屈曲分析方法和开发的船舶结构屈曲分析软件系统,能够较准确地预测带有初始缺陷的壁板的极限强度。