本文主要研究内容
作者孙立望（2019）在《基于Monte Carlo模拟的高分子吸附相变与性质的研究》一文中研究指出：Monte Carlo方法作为一种重要的统计模拟方法,广泛应用于高分子科学、统计物理、生物医药、金融等领域中的模拟计算。Monte Carlo方法可以用于模拟高分子的各种微观状态,构建不同概率分布的高分子构象。基于马尔可夫链的Monte Carlo(MCMC)抽样是一种常见的抽样方法,搭配上特定的抽样方式用于解决各态历经(ergodicity)难以实现的问题。Monte Carlo方法是以概率统计为主要思想,并通过大量的抽样来解决理论以及实验上难以解决的问题。也正是因为其需要大量的样本用于各种物理性质的精确计算,所花费的时间代价也是巨大的,因此该研究引入机器旨在少量的样本下也能够精确计算聚合物的临界相变。深度学习作为机器学习的分支之一在图像处理方面取得了傲人的成绩,基于深度学习的项目也不断涌现。卷积神经网络由于其特殊的特征提取方式在图像识别领域更是大放异彩。卷积神经网络所处理的数据对象一般是图片,将其运用到高分子领域的尝试仍然还是少数。由于本研究的高分子对象是三维结构,因此它被当作RGB图像输入神经网络进行研究,用于识别结构上的差异。本文采用Monte Carlo方法模拟高分子链在具有吸附作用的表面的吸附运动,在不同温度的影响下,高分子单体与吸附表面的作用也会发生相应的变化,从而导致高分子链在不同的温度下具有独特的构象性质。使用模拟退火算法,线性链在均质表面和条纹表面会发生两态变化和三态变化。将构象数据和温度信息经过特殊的处理,采用神经网络进行识别线性链的临界相变并获得了较高的识别率。不同条纹宽度下不同状态的混合样本的识别,由于交叉温度的差异会表现出不同的识别难度。环形链在均质表面的吸附运动与线性链存在着许多差异。特殊的环形结构使其空间结构更加紧凑,亦增加了其接触表面的机会,因此相对于线性链来说,环形链具有更小的回转半径以及更小的临界相变点。但是在标度指数上,在不同的温度下它们具有相同的变化趋势以及范围。
Abstract
Monte Carlofang fa zuo wei yi chong chong yao de tong ji mo ni fang fa ,an fan ying yong yu gao fen zi ke xue 、tong ji wu li 、sheng wu yi yao 、jin rong deng ling yu zhong de mo ni ji suan 。Monte Carlofang fa ke yi yong yu mo ni gao fen zi de ge chong wei guan zhuang tai ,gou jian bu tong gai lv fen bu de gao fen zi gou xiang 。ji yu ma er ke fu lian de Monte Carlo(MCMC)chou yang shi yi chong chang jian de chou yang fang fa ,da pei shang te ding de chou yang fang shi yong yu jie jue ge tai li jing (ergodicity)nan yi shi xian de wen ti 。Monte Carlofang fa shi yi gai lv tong ji wei zhu yao sai xiang ,bing tong guo da liang de chou yang lai jie jue li lun yi ji shi yan shang nan yi jie jue de wen ti 。ye zheng shi yin wei ji xu yao da liang de yang ben yong yu ge chong wu li xing zhi de jing que ji suan ,suo hua fei de shi jian dai jia ye shi ju da de ,yin ci gai yan jiu yin ru ji qi zhi zai shao liang de yang ben xia ye neng gou jing que ji suan ju ge wu de lin jie xiang bian 。shen du xue xi zuo wei ji qi xue xi de fen zhi zhi yi zai tu xiang chu li fang mian qu de le ao ren de cheng ji ,ji yu shen du xue xi de xiang mu ye bu duan chong xian 。juan ji shen jing wang lao you yu ji te shu de te zheng di qu fang shi zai tu xiang shi bie ling yu geng shi da fang yi cai 。juan ji shen jing wang lao suo chu li de shu ju dui xiang yi ban shi tu pian ,jiang ji yun yong dao gao fen zi ling yu de chang shi reng ran hai shi shao shu 。you yu ben yan jiu de gao fen zi dui xiang shi san wei jie gou ,yin ci ta bei dang zuo RGBtu xiang shu ru shen jing wang lao jin hang yan jiu ,yong yu shi bie jie gou shang de cha yi 。ben wen cai yong Monte Carlofang fa mo ni gao fen zi lian zai ju you xi fu zuo yong de biao mian de xi fu yun dong ,zai bu tong wen du de ying xiang xia ,gao fen zi chan ti yu xi fu biao mian de zuo yong ye hui fa sheng xiang ying de bian hua ,cong er dao zhi gao fen zi lian zai bu tong de wen du xia ju you du te de gou xiang xing zhi 。shi yong mo ni tui huo suan fa ,xian xing lian zai jun zhi biao mian he tiao wen biao mian hui fa sheng liang tai bian hua he san tai bian hua 。jiang gou xiang shu ju he wen du xin xi jing guo te shu de chu li ,cai yong shen jing wang lao jin hang shi bie xian xing lian de lin jie xiang bian bing huo de le jiao gao de shi bie lv 。bu tong tiao wen kuan du xia bu tong zhuang tai de hun ge yang ben de shi bie ,you yu jiao cha wen du de cha yi hui biao xian chu bu tong de shi bie nan du 。huan xing lian zai jun zhi biao mian de xi fu yun dong yu xian xing lian cun zai zhao hu duo cha yi 。te shu de huan xing jie gou shi ji kong jian jie gou geng jia jin cou ,yi zeng jia le ji jie chu biao mian de ji hui ,yin ci xiang dui yu xian xing lian lai shui ,huan xing lian ju you geng xiao de hui zhuai ban jing yi ji geng xiao de lin jie xiang bian dian 。dan shi zai biao du zhi shu shang ,zai bu tong de wen du xia ta men ju you xiang tong de bian hua qu shi yi ji fan wei 。
论文参考文献
论文详细介绍
论文作者分别是来自温州大学的孙立望，发表于刊物温州大学2019-10-18论文，是一篇关于神经网络论文,环形链论文,温州大学2019-10-18论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自温州大学2019-10-18论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 环形链论文; 温州大学2019-10-18论文;