基于图神经网络的高温树脂材料预测模型

基于机器学习预测化合物性能的方法在材料研发的虚拟筛选中发挥着重要作用。现有方法通过人工提取特征构建传统机器学习模型,存在着特征提取困难以及难以处理简化分子线性输入(SMILES)码等问题。为了解决这些问题,本文提出了一种端到端的图神经网络预测树脂材料高温性能的方法。首先将树脂材料的SMILES码表示为图形,其中顶点代表原子,边代表化学键;然后通过构建分子图的图神经网络得到分子的向量表示;最后通过构建分子向量、环境、条件等信息的全连接神经网络回归模型预测树脂材料质量损失5%的最高温度。树脂材料数据集的实验表明,相较于传统的机器学习模型,端到端的图神经网络模型的预测准确率提升了一倍多。

一种基于FPGA的红外图像细节增强加速方法

在机载、车载、舰载平台的众多座舱人机交互系统中,图像细节增强能够提升人员对红外图像的判读能力,具有非常重要的应用需求。运行在嵌入式计算平台上的增强算法需要具有较高的处理速度和较低的算法延迟才能满足实时交互的需求。当前红外视频传感器分辨率较低,图像细节增强算法在同构多核CPU处理平台上即可达到实时处理性能。然而,随着平台传感器分辨率的持续增加,图像处理速度和延迟难以满足。提出一种针对FPGA平台的红外图像细节增强加速方法,考虑FPGA的特定领域软硬件计算架构,采用基于局部缓存和查表等方式对传统的双边滤波图像细节算法进行加速,使得在4k分辨率输入图像下,依然能够达到实时处理性能,同时几乎不增加额外的访存延迟。算法在保证处理效果的同时,极大地提升了处理和延迟指标,满足座舱人机交互系统等嵌入式装备特定领域应用需求。

计算机软件开发中的数据库测试技术研究

数据库是指在按照一定的规则与数据结构,来组织、储存、管理数据的仓库,如今市面上常见的任何一款软件应用程序都离不开数据库的使用,而每一款软件都必须要经过数据库测试通过后,才能正式投入使用。基于此,本文主要是对计算机软件开发中,数据库测试的内容与测试方法进行简要探究。希望此文能够在开发测试上,带给软件工作者一点理论帮助。

软件开发中数据库设计研究

在开发软件的过程中,能够为其正常使用提供保障的一项必要的前提条件就是数据库的设计。同时,数据库设计也是计算机领域的重要分支之一,是数据应用系统中最关键的部分。因此,数据库设计不仅要科学合理,还要具备适应需求变化的能力。本文研究了软件开发中数据库设计应当遵守的相关原则以及设计的技巧,并对软件开发中数据库设计的理论进行了分析。