一种无机超疏水材料及其制备方法与应用

    公开(公告)号:CN110670034A

    公开(公告)日:2020-01-10

    申请号:CN201910949470.5

    申请日:2019-10-08

    Abstract: 本发明公开一种无机超疏水材料及其制备方法与应用,其中所述无机超疏水材料包括:Cu膜、形成于所述Cu膜表面的Cu2O膜及CuO膜中的至少一种,所述Cu膜具有微纳米结构,所述Cu2O膜、CuO膜均具有(111)晶面。本发明中,所述无机超疏水材料的组成分布为:微纳米结构底部Cu、表层为Cu2O和CuO中的至少一种,且所述Cu2O和CuO均主要为(111)晶面。而所述(111)晶面具有低表面能,使得材料满足微纳米结构和低表面能两个必备条件,从而使得材料具有超疏水性能。所述无机超疏水材料不使用任何有机物质修饰改性即可实现超疏水性,该无机的超疏水材料还具有较佳的耐温和耐腐蚀性能,能够满足电子器件和设备的应用要求。

    一种数据处理方法以及装置
    44.
    发明公开

    公开(公告)号:CN117251982A

    公开(公告)日:2023-12-19

    申请号:CN202210655442.4

    申请日:2022-06-10

    Abstract: 本申请提供一种数据处理方法以及装置,用于使用物理驱动神经网络对物理方程进行求解,在训练过程中对边界条件和区域内的解进行解耦,提高训练效率,提高网络的输出精度。该方法包括:获取待求解问题对应的待求解方程,待求解方程为待求解问题对应的物理模型中的方程;将计算域分解为多个子计算域,根据子计算域将待求解问题分解为一组子问题;构造各个子计算域上的子网络,用于学习各个子问题的解;并行训练所有子网络,在每次迭代训练中,优化损失函数,更新子网络参数,该损失函数包括子计算域内部与物理方程相关的损失函数和子计算域边界上与边界条件相关的损失函数;训练之后,合并多个子网络输出待求解方程的解。

    一种GPU处理器上的K-NN的高性能并行实现装置

    公开(公告)号:CN112380003A

    公开(公告)日:2021-02-19

    申请号:CN202011203928.1

    申请日:2020-11-02

    Applicant: 北京大学

    Abstract: 本发明提供了一种GPU处理器上的K‑NN的高性能并行实现装置,用于提高在GPU处理器上分类的并行加速实现。本发明装置包括:数据读入模块将应用场景中的训练数据和测试数据存成矩阵形式;样本距离计算模块计算每个测试样本与所有训练样本的距离;Top‑K选择模块利用预训练好的决策树模型判断执行粒度,包括线程级别优化、线程束级别优化、线程块级别优化、多线程块级别优化以及基于基数排序优化,选取前k个元素;标签选择模块为测试样本设置类别标签。本发明使用基于分治法的Top‑K并行框架,大大减少不必要的操作,能更充分的利用硬件资源,达到在GPU处理器上提高K‑NN并行效率、实现时间性能加速的目的。

    基于张量压缩方法的流数据处理方法、装置及设备

    公开(公告)号:CN115146226B

    公开(公告)日:2022-12-06

    申请号:CN202211056894.7

    申请日:2022-08-31

    Applicant: 北京大学

    Abstract: 本公开的实施例提供了一种基于张量压缩方法的流数据处理方法、装置及设备,涉及数据处理领域。所述方法包括对流数据的数据矩阵进行采样,提取多个矩阵;对采样得到的矩阵进行张量化处理,得到三阶张量;对所述三阶张量进行Tucker分解,得到压缩矩阵;利用所述压缩矩阵对流数据的数据矩阵进行低秩逼近求解。以此方式,得到的压缩矩阵提取了流数据的主要特征,保证高精度的同时提高了效率。

    含参优化控制问题的求解方法、装置、设备以及存储介质

    公开(公告)号:CN115185192A

    公开(公告)日:2022-10-14

    申请号:CN202211117007.2

    申请日:2022-09-14

    Applicant: 北京大学

    Abstract: 本公开的实施例提供了一种含参优化控制问题的求解方法、装置、设备以及存储介质,涉及控制系统技术领域。该方法包括:构建含参优化控制问题对应的控制函数近似解网络、状态函数近似解网络和伴随函数近似解网络,从含参优化控制问题对应的样本空间中采集样本点,根据采集到的样本点对构建的网络进行训练,以便训练完成的控制函数近似解网络、状态函数近似解网络和伴随函数近似解网络,分别输出控制函数近似解、状态函数近似解和伴随函数近似解,并将其确定为含参优化控制问题的最优解。以此方式,可以将伴随框架引入到神经网络框架中,以对含参优化控制问题进行快速求解,进而一次性求解任意参数的含参优化控制问题。

Patent Agency Ranking