真实自回避行走中晶体生长界面结构的分形行为

晶体生长过程实际上就是生长基元从周围环境中不断地通过界面而进入晶格座位的过程。一般认为,研究生长基元以何种方式以及如何通过界面进入晶格座位是晶体生长界面结构研究中的关键。在生长基元以分子或者原子的微粒子形式在生长环境中进行无规游走的前提下,本文运用真实自回避行走(TSAW)模型,通过重整化群思想来研究晶体生长界面结构的分形行为。研究发现:晶体生长界面结构的分形行为与生长基元的游走路径形态密切相关,并且在理想状况下真实自回避行走与标准Koch曲线的分形维极为接近。

基于自回避搜索遗传算法的蛋白质折叠研究

利用生物信息学方法,对蛋白质折叠过程进行研究,建立蛋白质折叠自回避搜索的遗传算法模型,通过计算机模拟,对较短序列进行检测,以探究蛋白质折叠的过程。实证研究表明,此算法产生了效果较好的蛋白质折叠构象。但对于长序列,自回避路径折叠搜索计算时间将呈指数增长。为了更真实地模拟蛋白质折叠过程,进一步探讨了并行遗传算法模型,该模型充分体现序列折叠时的并行性与自组织性,使它适用于较长序列的折叠,折叠过程不会因为序列长度的增加而快速增大模拟的复杂度,且符合生命的演化规律。

基于自回避行走数值模拟的并行计算

提出一种蒙特卡洛方法并行计算高分子的单链性质,高分子链采用自回避行走方法生成初始状态,链节点的随机运动通过键长涨落方法进行模拟。自回避链的配分函数没有解析解,研究高分子链的性质往往要计算大量的样本。利用样本之间的独立性进行并行计算达到线性加速比,使蒙特卡洛模拟高分子链的并行计算时间缩短到科学计算可以接受的时间范围。

基于自回避随机游动方法的曲流河河道的建模研究

研究了游动者在给定约束条件下的一种基于网格的自回避随机游动算法的实现,并利用该算法实现了对曲流河河道形态的建模。影响游动者迁移的约束条件有游动主方向,格点的吸引因素、排斥因素。在网格区域中完成一次随机游动之后,记录游动者经过的格点,通过样条插值对连接格点的路径进行曲线拟合,将拟合后的曲线加宽并光滑处理,实现对自然界中曲流河河道的模拟,该系统利用OpenGL图形库在C开发环境进行了实现。利用该算法,还可实现海岸线等自然界具有蜿蜒曲折的形态物体的在条件限定情况下的建模。

自回避行走模型中行走终止效应的研究

自回避行走(SAW)模型在线形高分子链的构象、高分子链的缠结效应和电子的局域化等研究领域中有着极为重要的应用.就模型本身的研究而言,主要有两个方面.其一是自回避行走的空间尺度的分布参量(如末端距等)与行走步数的标度规律研究.其二是对行走终止(WT)效应的研究.所谓WT效应指的是,在到达预期的行走步数N之前,由于自回避效应的存在导致行走无法继续下去的情况,而且行走终止步数n(n≤N)存在分布.本文中,首先定义了行走终止过程的分布几率qnN≡k/m,其中m为一个自回避行走系综中由于WT效应导致的没有到达预期的行走步数N的子系综中的自回避行走次数,k为在此子系综中行走终止步数为n的自回避行走次数.其次,对SAW模型的WT效应进行了计算机模拟,研究了qnN与N和n的变化规律.结果表明,对不同的N,qnN都可标度到一条与N无关的主曲线Qn≡CNqnN上,这里CN仅仅与N有关.再标度的行走终止过程的分布几率Qn随n的变大表现出先增加后减小的趋势,即存在一个与Qn最大值相对应的最可几的行走终止步数np.

二维无规行走链和自回避行走链的计算机模拟

编写了四位置模型的键长涨落算法 ,表征了二维无规行走模型链 (RW链 )和自回避行走模型链 (SAW链 )的均方末端距和均方半径与聚合度之间的标度关系 ,计算结果与deGennes对此所做的标度分析基本相符。

自回避随机游走算法的研究与应用

讨论了随机游走算法的数学原理,自回避随机游走算法的基本原理及其不足,同时提出一种改进的自回避随机游走算法,使其更符合河流相储层建模的需要。

Sierpinski毯上随机过程的自回避性马氏性及有限维联合分布

研究了一类取值于Ｓｉｅｒｐｉｎｓｋｉ毯上的随机过程，证明了它的自回避性，马氏性，并算出了它的转移函数，从而可容易地获得它的限维联合分布。

蛋白质折叠过程中自回避搜索的算法研究

蛋白质折叠是一个复杂的演化过程。目前广泛采用HP格子模型,可以使分子内部连续的结构空间离散化,减少分子内部的自由度,从而较有效地研究蛋白质的折叠机理。在格子模型中,自回避路径的确定是搜索折叠构象的关键。文章在基于二维HP格子模型基础上,提出了一种简捷快速的自回避路径搜索算法,并在计算机上进行实例检测及模拟,产生效果较好的蛋白质折叠构象。但对于长序列,自回避路径折叠搜索计算时间将呈指数增长。为了更真实地模拟蛋白质折叠过程,文章进一步探讨了建立并行HP格子模型思路,对较长序列的折叠,其折叠过程不会因为序列长度的增加而快速增大模拟的复杂度,且符合生命的演化规律。

Fractal空间上定向自回避行走的临界行为

本文运用严格的实空间重正化群理论,研究Fractal 空间上各向异性高分子链的统计行为,得到相变流图及临界指数,并分析了由于对称性降低而引起的与欧氏空间中相应问题的区别.

一种分形集上自回避过程的Hausdorff维数

设F是由一个等边三角形中反复依次去掉三个反向的等边三角形所得到的顶点和边所组成的集的闭包 ,则F是一个分形集 .我们用Hattori[1 ] 的方法定义了F上的自回避过程 。

有限分枝分形上的自迴避迹行走

本文考虑在Sierpinski gasket及分支Koch曲线上的自迴避迹行走,运用实空间重整化群技术求出了相应的关联长度临界指数v。结果表明,在Sierpinski gasket上,自迴避迹行走与自迴避行走属同一普适类;而在较高分枝度(R_(max)>3)的Koch曲线上,两者属不同普适类。

一类自回避型随机游动的漂移速度

考虑一种直线上的随机游动模型:边的权重根据随机游动者的经过次数而相应递减.我们考察这个过程中随机游动者的漂移速度,讨论了随机游动者的位置与步数的关系.利用计算机模拟得到数据进行拟合,定量地确定出变量之间的关系.在某种条件下,随机游动者的位置的对数与步数的对数之比是一定的,不会随着边的权值递减的快慢不同而发生改变.这一点是值得进一步考虑的.

二维高分子链形态的计算机模拟

介绍在“高分子物理实验”教学中新开设的又一个计算机模拟实验 ,即应用自编的改进型四位置模型 ,模拟二维空间中的自回避行走链和无规行走链 ,并验算均方末端距和均方回转半径与聚合度的标度关系 。

高分子环行链在界面上吸附的Monte Carlo模拟

用Monte Carlo方法模拟了高分子环形链在界面上的吸附情况,得到不同吸附层里的构象数量(最大链长为N=19)和链原子数量(最大链长为N=13).计算了均方根吸附层厚度和平均吸附层厚度,研究表明,在同一吸附层里,其构象数量和链原子数量均随链长的增加呈增大趋势;链长一定时,随着吸附层递增,所含链原子数量呈递减趋势;均方根吸附层厚度和平均吸附层厚度均随链长的增加呈增大趋势.

端基附壁环行链构象理论统计

运用Monte Carlo方法对端基附壁环行链进行了构象统计,统计模型采用立方格子自避行走,计算了链长为3～19的构象总数和链长一定时不同高度含有的构象数量.结果发现随着链长的增加,其构象总数、在相同高度的构象数量均呈增大趋势且它们的渐进关系相似;最高构象数量与链长存在一定的变化关系.

拉力诱导下的紧密高分子链相变行为

采用相互作用自回避行走(interacting self-avoiding walks,ISAWS)模型研究了一端固定的紧密高分子链在拉伸过程中的低温相变行为,观察到在拉伸过程中当温度T<0.1时平均拉力<F>会出现一个震荡,随着温度的升高这种震荡现象又渐渐消失,这是由于紧密高分子链在低温时类似于β折叠的"冻结构象"被拉开而引起的.比较吸附条件下和无吸附作用下平均拉力<F>、自由能以及相变行为的差别,发现在吸附条件下在拉伸的初始阶段为了克服表面吸附的相互作用,拉力会出现一个峰.吸附作用也使得外界作用到高分子链上的实际有效拉力减小,造成崩塌相态(collapsed phase)区域面积减少.另外发现在吸附条件下平均拉力<F>还受温度变化的影响.在拉伸的初期由于单体间存在体积排除效应,平均拉力<F>是随着温度的升高而降低,随着拉伸的深入当末端距到达一定长度时平均拉力<F>是随着温度的升高而增加.并同Kumar等人在不考虑吸附作用下拉伸紧密高分子链得到的结果进行了比较.这些研究对于进一步研究外力诱导下吸附紧密高分子的相变有一定的参考价值.

基于随机行走模拟软件的高分子链柔顺性的统计研究

本文借助随机行走模拟软件Random Walker进行高分子链柔顺性的统计学研究,基于软件运动所得数据重点研究了结构单元数、运动次数、预设行走方式、外力对高分子链末端分布位置和均方根末端距的影响。实验结果表明,无外力干涉、无规随机行走下的高分子链比较符合Flory提出的自由旋转链模型;无外力干涉、自回避随机行走下的高分子链比较符合受阻旋转链模型;有外力干涉、时,高分子的构象改变及柔顺性的宏观体现受外力影响较大。

基于改进型遗传算法的强化学习特征选择方法

本文针对强化学习的特征选择过程中存在的组合爆炸问题,提出了基于改进型遗传算法的特征选择方法,并以自回避行走问题中的寻路任务进行有效性验证。首先针对自回避行走任务环境设计了17种独立特征,而后设计了渐进式的遗传算法并改进了适应度函数,最后进行了对比实验。实验结果表明,该方法在不降低算法性能的条件下,特征数量减少了70.59%,适应度提高了23.98%,是一种行之有效的特征选择方法。

Avoidant Learning Ability in Free Flying Housefly (Aldrichina grahami) by Electric Shock

Previous studies have confirmed that both honeybee and Drosophila are capable of learning and memory. This study aimed to investigate whether the house fly （Aldrichina grahami）, with strong instincts to adapt their living environment, have the learning ability to associate odor stimulus to avoid electric shock in free flying state using a device developed by the authors. The result showed the learning ability ofA. grahami at the electric shock voltages of 5 V, 25 V and 45 V AC. When 60 V was used, the flies were frequently injured. Our results indicate that A. grahami is a good model to study the neural mechanism of learning and memory. The paradigm in this study has some advantages that can be used in future studies of free insects.