摘要。使用数码相机和发光二极管 (LED) 信标进行了一项实验,研究了莫纳罗亚山和哈莱阿卡拉山之间 149 公里路径上的湍流。大部分路径都在海洋上,路径的一大部分位于海平面以上 3 公里。在莫纳罗亚山一侧,六个 LED 信标以大致线性阵列放置,每对间距为 7 至 62 米。从哈莱阿卡拉山一侧,一对相距 83.8 厘米的相机观察了这些信标。沿路径的湍流会引起波前倾斜,从而导致图像中的 LED 点发生位移。图像运动是由不必要的噪声源(例如相机平台运动)引起的。点之间的差分运动抵消了大部分噪声,并且这种差分运动会根据源和相机之间的几何形状以不同的方式受到沿路径湍流的加权。开发了一种相机运动不敏感的加权函数来处理这个观察问题。然后使用这些加权函数的线性组合来生成复合加权函数,该函数可以更好地抑制源和接收器附近的湍流,并且对路径越过海洋部分的湍流最为敏感。该技术用于估计此区域的湍流。所涉及的长距离导致图像中出现非常强烈的闪烁,这给数据处理带来了新的挑战。对 C 2 n 的结果估计为 4 × 10 − 17 m − 2 ∕ 3,与 Hufnagel – Valley HV5/7 模型和数值天气建模的结果高度一致。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。分发或复制本作品的全部或部分内容需要完全署名原始出版物,包括其 DOI。[DOI:10.1117/1.OE.59.8.081806]
2. Vijay A、Kumar A、Radhakrishnan AM、Kumar S、Singh K、Ramchiary N、Swamy MK(2023 年)植物化学基因组学的出现:整合多种组学方法以了解植物化学物质的基因组基础。在:Swamy MK 和 Kumar A(编辑),植物化学基因组学:植物代谢组学和药用植物基因组学,第 219-261 页,Springer Nature Singapore。
摘要:由于数据,计算能力和算法的巨大进展,基于AI的材料挖掘和设计引起了很多关注。但是,构建高性能AI模型需要有效的材料结构表示。在这项工作中,我们第一次提出了一种基于邻域路径复合物的结构表征方法。特别是,我们使用持久的邻域路径同源性来通过引入纤维化来获得结构特征。这种方法通过邻里挖掘物的有向边缘保留了更多的元素信息以及相应的物理学信息。为了验证我们的模型,我们与Carborane结构进行交叉验证。稳定性预测的Pearson系数高达0.903,与传统的持续同源方法相比,这一比例为15.5%。此外,我们基于邻域路径复合物构建了一个预测模型,以及预测Car-Boranes的同性恋,Lumo和Homo-Lumo - Lumo Gaps的Pearson系数分别为0.915、0.946和0.941。结果表明,我们提出的方法可以有效提取结构信息并实现准确的材料属性预测。
Mass Burn 焚烧炉厂 18.2 MW 焚烧炉 2020 年 7 月 23 日 2039 年 5 月 31 日