【摘 要】
：
用密度泛函理论(DFT)中的B3LYP方法,在6-311+G(2 df)基组水平上优化气相条件下甲硫氨酸(Met)分子的几何构型,并在PBE0/def2-TZVPP下,用含时密度泛函理论(TDDFT)方法计算得到
【基金项目】
：
吉林省教育厅“十三五”科学技术研究项目(批准号:吉教科合字[JJKH20180825KJ]).
论文部分内容阅读
用密度泛函理论(DFT)中的B3LYP方法,在6-311+G(2 df)基组水平上优化气相条件下甲硫氨酸(Met)分子的几何构型,并在PBE0/def2-TZVPP下,用含时密度泛函理论(TDDFT)方法计算得到隐式溶剂甲醇下Met与H_(2)O分子以1∶1和1∶2混合体系手性转换反应物的分子轨道(MO)特征及空穴-电子分布等值面图,并用图解对比分析电子激发特性.结果表明:三者定性分析结果基本一致,其中S-Met-CH_(3)OH与S-Met-CH_(3)OH+1H_(2)O和S-Met-CH_(3)OH
其他文献
针对高速列车越区切换过程中,切换带为多信道分布的问题,提出一种基于多臂老虎机(multi-armed bandit,MAB)模型的信道选择算法.首先,以置信区间上界(UCB)算法为基础,通过设置
针对油田遥感图像在灰度有明显差异的情况下,联合位置、尺度和方向的尺度不变特征变换(PSO-SIFT)算法很难为其找到足够多的正确对应关系,且花费时间较长的问题,提出一种基于改进PSO-SIFT算法的图像匹配算法.首先采用"回"字型分块思想构建特征描述符,降低特征描述子的维度;然后使用基于全局运动建模的双边函数(BF)算法与快速样本共识(FSC)算法相结合的匹配策略,对所得的匹配对进行误匹配剔除,以
利用不同于概率空间的研究方法,给出当C_(V)|ε|^(p)<∞时次线性期望下具有随机系数的相依线性过程的完全积分收敛性,从而将概率空间下具有随机系数的相依线性过程的完全矩收
分析HTTP自适应流媒体直播系统中对终端用户体验质量(QoE)产生影响的各类因素及其相互之间的作用关系,对基于服务器端、网络传输以及客户端的QoE优化策略进行总结。认为HTTP自适应流媒体直播系统的QoE优化重点在于降低延时,提出结合网络层和应用层影响因素来降低时延并提升用户QoE的建议。
针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失,并导致精度下降的问题,提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型.该优化模型通过在MLP
提出了利用硅基光电子芯片进行人工神经网络计算处理的方法。硅基光电子芯片凭借光子的独特性质,能够在人工神经网络的计算处理中发挥高带宽、低时延等优势。在处理深度学习中大量的矩阵计算的乘加任务时,硅基光电子芯片拥有更高的处理速度和更低的能耗,从而有利于深度学习中的人工神经网络计算速度和性能的提升。
针对软件缺陷预测过程中未充分使用源代码语义特征以及训练数据集中的类重叠问题,提出一种面向类重叠的跨版本软件缺陷深度特征学习方法.该方法采用混合式最近邻清理策略缓解
小视频数量呈爆炸式增长态势,并引发了许多技术需求,包括小视频的编辑、搜索、推荐、溯源、审查和监管等。介绍了小视频数据的主要特点和小视频内容分析技术面临的挑战,并对目标检测、追踪、重识别等小视频内容分析技术的研究进展做了综合分析。认为只有构建一个整合多种不同算法的系统,才能够更准确、更鲁棒地解决分析问题,才能系统性地完成小视频内容分析任务。
5G将促进视频业务的大繁荣,包括极大地改善现有的视频业务体验和催生新型的视频服务形态。为应对5G视频业务所面临的超低时延、高可靠及高体验质量等方面的挑战,中兴通讯提出构建智能实时视频网络(SmartRTN)的理念,并围绕这一理念,创新性地研发出一系列技术和方案,包括基于内容智能分析的低码高清视频编码技术、超低时延的网络传输、基于深度学习的内容处理与增强、结合边缘计算以及网络切片的组网方案和智能调度
提出了一种基于人工智能(AI)的保障视频云体验质量(QoE)的系统架构。该系统针对多个维度创建运维知识图谱,例如运行数据、运行环境、运维数据,以用于建模、感知、映射和分析。在对系统的微服务保障中,运用了图神经网络(GNN)等方法进行分类和预测。通过知识图谱和机器学习,该系统可实现实时监控、自愈恢复、智能预测和主动运维,从而实现QoE的智能保障。