王彦棡
- 作品数：88 被引量：78H指数：5
- 供职机构：中国科学院计算机网络信息中心更多>>
- 发文基金：国家自然科学基金中国科学院重点部署项目北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术理学政治法律文化科学更多>>
- 一种材料的晶体结构搜索方法及装置
- 本申请涉及一种材料的晶体结构搜索方法包括：接收待搜索材料的成分信息及目标性质信息；基于待搜索材料的成分信息和遗传算法确定若干初始化结构种子；对若干初始化结构种子进行遗传搜索；将当前轮次遗传搜索得到的晶体结构输入预训练的材...
- 王宗国王彦棡刘志威郭佳龙王珏李杨
- 文献传递
- 一种海量告警数据并行采集系统、装置及方法
- 本发明涉及一种海量告警数据并行采集系统、装置及方法。所述系统包括主控机、至少一台采集机、至少一台告警采集代理服务器和至少一台待采集设备。主控机通过网线与采集机相连，采集机通过卫星网络或网线与告警采集代理服务器相连，告警采...
- 迟学斌王珏郎显宇常红旭王彦棡
- 文献传递
- 一种异构计算环境中多源账号的用户统一账号标识系统
- 本发明涉及一种异构计算环境中多源账号的用户统一账号标识系统，其包括：登录账号映射模块、计算账号映射模块、统一账号管理模块、映射管理模块和账号代理模块；其中，登录账号映射模块实现多来源登录账号到统一账号的动态绑定过程，并负...
- 曹荣强王晓光王珏周纯葆张博尧王彦棡
- 文献传递
- 数据驱动的材料智能设计平台研究与应用被引量：1
- 2023年
- 【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。
- 王宗国万萌陈子逸李凯李凯刘淼孟胜孟胜
- 关键词：数据驱动科研范式
- 一种开源软件管理系统及其管理软件的方法
- 本发明涉及一种开源软件管理系统及其管理软件的方法，包括：文件管理模块，用于接收并存储若干软件程序各自的源文件和文件描述信息；交互管理模块，用于向终端设备发送至少一个当前文件描述信息，使所述终端设备显示所述至少一个当前文件...
- 王珏万萌王晓光王彦棡
- 文献传递
- 一种基于知识图谱的前瞻因子筛选方法及其系统
- 本发明涉及一种基于知识图谱的前瞻因子筛选方法及其系统，方法包括：通过第一企业信息获得企业产业链图谱，产业链图谱包括：企业原材料和主营产品；对当前产业链图谱中的节点进行扩展，扩展出原材料生成企业及其相关的原材料和主营产品；...
- 周纯葆王彦棡王珏
- 文献传递
- 一种基于信号衰减的企业业绩预测指标筛选方法及系统
- 本发明提供一种基于信号衰减的企业业绩预测指标筛选方法，通过对获取的目标企业的研报图表中的文本数据信号做衰减处理，对发布时间最新的文本，应当给予更高的权重，而离当前时点越远的文本数据信号，应给予更低的权重，这样保证了根据逻...
- 周纯葆王彦棡王珏
- 文献传递
- 海洋1.5层约化重力准地转模式的并行化
- 2011年
- 并行计算技术是高性能并行计算系统中的一个研究热点,本文首先介绍了并行计算的基本概况,并将基于MPI的并行计算技术引入到海洋1.5层约化重力准地转模式并行化的研究中,然后详细介绍了准地转模式的并行方案和实现过程,并通过数值试验证明了并行后的计算效果有显著提高。
- 赵增芳王铮张平王彦棡
- 关键词：并行计算并行化
- 一种短期时间序列预测模型的训练方法
- 本发明涉及一种短期时间序列预测模型的训练方法，方法包括：输入具有不同特征的带有时间属性的历史图像数据；使用双流时空运动特性识别方法对所述图像数据进行特征提取，得到不同图像数据的特征；将不同图像数据的特征进行张量拼接，得到...
- 王珏王子鉴操海州姚铁锤王彦棡王晓光万萌
- 基于AutoML的湍流建模
- 2020年
- 【背景】湍流问题涉及到工程中的诸多领域,其重要性不言而喻。雷诺平均Navier-Stokes(RANS)方程提供了一种计算时间平均湍流量的有效方法,由于其计算易处理性而被广泛使用。随着深度学习技术的发展,采用数据驱动的方法建模RANS模型受到了研究者广泛的关注。【方法】本文提出了一种数据驱动建模RANS模型的方法,该方法以数值软件模拟结果为基础,利用深度学习技术构造湍流模型。由于在湍流问题中,不同的系统初始条件不同,数据的质量千差万别,难以使用统一的神经网络结构进行训练。因此本文采用AutoML(自动机器学习)的方法自动搜索神经网络的结构并进行自动调参。此外,本文发现通过混合多种初始条件下的数据进行模型训练,可以提高深度学习模型的拟合精度,增强其鲁棒性。【结果】本文选取OpenFOAM中的经典算例内壁台阶流模拟作为数据来源进行实验。实验表明,该模型在预测雷诺应力时具有较好的精度和效率,表明数据驱动方法在湍流模拟中具有良好的应用前景。【局限】为了更好的在湍流领域应用深度学习技术,下一步的研究重点在于如何将深度学习模型与湍流数值模拟软件耦合。【结论】目前,针对湍流机器学习的系统研究相对较少。在现有工作经验的基础上,机器学习在未来的湍流模型化中必将扮演着更加重要的角色。
- 任荟颖王婧王彦棡
- 关键词：湍流模型数据驱动
