西安交通大學(xué)城市學(xué)院多項研究成果在國際期刊發(fā)表

近日，西安交通大學(xué)城市學(xué)院多項研究成果在國際期刊發(fā)表。

1

物理教學(xué)部石鯨博士的論文“Theoretical Investigation of Proton Diffusion in Dion-Jacobson Layered Perovskite RbBiNb2O7”發(fā)表于Nanomaterials，研究內(nèi)容如下：鈣鈦礦材料因為具有優(yōu)良的離子導(dǎo)電性，從而在固態(tài)氧化物燃料電池（SOFCs）技術(shù)中具有廣泛的應(yīng)用前景。該論文通過第一性原理計算研究了質(zhì)子在具有Dion-Jacobson結(jié)構(gòu)的層狀鈣鈦礦RbBiNb2O7中的傳輸機(jī)制。分析了RbBiNb2O7晶格中質(zhì)子傳輸?shù)目赡苈窂剑�并結(jié)合過渡態(tài)理論計算了不同質(zhì)子傳輸路徑所需要的激活能。研究揭示了層狀氧化物RbBiNb2O7質(zhì)子導(dǎo)電性的微觀機(jī)制，并為其在固態(tài)氧化物燃料電池中的潛在應(yīng)用提供了理論依據(jù)。該成果將進(jìn)一步促進(jìn)學(xué)院物理學(xué)科的發(fā)展，反哺專業(yè)教學(xué)，提升人才培養(yǎng)質(zhì)量。

論文鏈接：

https://www.網(wǎng)址未加載/2079-4991/11/8/1953

2

思政部曹嘉偉在Complexity上發(fā)表了題為 “Mode optimization and rule management of intellectual property rights protection of educational resource data based on machine learning algorithm” 的論文。研究人工智能機(jī)器深度學(xué)習(xí)背景下如何有效優(yōu)化和規(guī)范知識產(chǎn)權(quán)的表達(dá)和保護(hù)問題，研究發(fā)現(xiàn)，通過信息分類和權(quán)限識別，構(gòu)建知識產(chǎn)權(quán)表達(dá)的技術(shù)框架和表達(dá)系統(tǒng)模型，不僅可以檢驗特征變量與數(shù)據(jù)信息質(zhì)量的相關(guān)性，而且可以檢驗特征變量對數(shù)據(jù)信息質(zhì)量的重要性，最大限度方便教育資源數(shù)據(jù)信息共享的同時有效規(guī)范合理使用的范圍，實現(xiàn)知識的公益性、表達(dá)性和保護(hù)性的有機(jī)統(tǒng)一。該研究成果促進(jìn)了信息概念主題跨越傳統(tǒng)學(xué)科邊界的應(yīng)用，為當(dāng)代快速發(fā)展的復(fù)雜適應(yīng)系統(tǒng)科學(xué)的研究提供了廣闊的視域空間和新的理論參照。

論文鏈接：

https://www.網(wǎng)址未加載/journals/complexity/2021/1909518/

3

計算機(jī)系何緋娟和繆相林科研團(tuán)隊對人工智能的前沿方向可解釋視覺推理（Interpretable Visual Reasoning，IVR）模型進(jìn)行了分析和研究，研究成果以“Interpretable visual reasoning: A survey”為題，發(fā)表在 Image and Vision Computing，文章按視覺、文本、圖以及符號四種解釋形式建立了IVR統(tǒng)一分類體系，并針對每種類別，介紹了典型的模型，討論了各自的優(yōu)缺點。此外，還闡述了目前主流的視覺推理數(shù)據(jù)集，分析了這些數(shù)據(jù)集如何從不同的角度促進(jìn)IVR的研究。最后總結(jié)了IVR面臨的四個挑戰(zhàn)，指出潛在的研究方向。該論文是何緋娟團(tuán)隊在深入開展國家自然科學(xué)基金項目研究中獲得的又一成果，充分詮釋了研培互育，體現(xiàn)了計算機(jī)系教師的科研能力和科研水平在持續(xù)增強(qiáng)。

論文鏈接：

https://網(wǎng)址未加載/10.1016/j.imavis.2021.104194

4

計算機(jī)系閔亮對腫瘤診療中CT圖像和MRI圖像融合時存在的圖像衰減問題展開研究，在Journal of Imaging Science and Technology 發(fā)表了題為“Composite MRI Task Construction from CT Images based on Deep Convolution Neural Network” 的論文，論文采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）構(gòu)建模型，輸入CT圖像合成相應(yīng)的MRI圖像，合成的MRI圖像與患者定位的MRI圖像進(jìn)行同模圖像配準(zhǔn)，解決了跨膜圖像配準(zhǔn)不準(zhǔn)確的問題，實現(xiàn)了CT/MRI圖像的多模式合成與變換。該研究成果屬于大數(shù)據(jù)分析在醫(yī)療領(lǐng)域的具體應(yīng)用，有利于降低患者的放射劑量，使患者接受更精準(zhǔn)的放射治療，從而提高腫瘤患者的治療效果。

論文鏈接：

https://網(wǎng)址未加載/10.2352/J.ImagingSci.Technol.2021.65.3.030404

來源：科技服務(wù)中心

排版：宣文強(qiáng)

編輯：延雨濛

責(zé)編：李靜

微訊工作室

點擊“贊”與“在看”支持我們