物理学课题
- 基于量子蚁群算法的交通调度优化策略
- 圆偏振光下的thouless样抽运
- 卷积神经网络在星系形态识别中的应用
- 基于硫系相变开关在射频传输中的应用研究
- 斯隆数字巡天中的变脸类星体
- 基于量子蚁群算法的交通调度优化策略
- 探索利用大气电场发电的可行性与优化策略
- 基于简单神经网络的粒子识别
1.基于量子蚁群算法的交通调度优化策略
本项目关注于如何通过设计合理的量子蚁群算法，使得城市中的交通调度策略达到最优化设计，以解决城市交通拥堵的问题。首先，学习量子计算的基本原理，以及量子蚁群算法的内容和步骤；其次，建立我们对城市中的交通调度过程进行建模，抽象出其中待优化的目标及相应的约束条件；最后，根据量子蚁群算法对相应的模型进行求解，确定交通调度的最优化策略。
相关学科
物理学
2.圆偏振光下的thouless样抽运
本项目旨在通过引入圆偏振光，实现复数周期性调制，从而探索一种广义的类Thouless泵浦机制。虽然体系整体仍保持厄米性，但圆偏振光有效地在体系中引入了复跃迁幅度与合成相位，使调制方式较传统实数调制更加丰富。这种修改有望在泵浦过程中引发新的拓扑特性，改变能带中Berry曲率的分布，并可能引导出超越严格量子化极限的新型输运现象。
相关学科
物理学
3.卷积神经网络在星系形态识别中的应用
在观测天文学中，星系可以分为旋涡星系、椭圆星系和不规则星系等多类。现代巡天项目（如SDSS）获取了海量天文图像，若仅靠人工分类费时费力。卷积神经网络（CNN）在图像识别领域大放异彩，非常适合对星系图像进行自动分组。对于高中生而言，这是一个结合天文知识与深度学习技术的理想入门项目。
相关学科
物理学
4. 基于硫系相变开关在射频传输中的应用研究
本课程旨在解决硫系相变材料在射频(RF)传输开关中的关键问题，通过合理设计器件结构与优化材料特性，实现射频器件在高速切换、低插损、高线性度及宽频适应性方面的性能提升，以满足新一代无线通信和微波电路对器件高性能和高可靠性的需求。
相关学科
物理学
5.斯隆数字巡天中的变脸类星体
通过对天体光谱及其编变化的研究可能解释类星体的点燃机制和吸积过程。本课题将在斯隆数字巡天的光谱数据库中挖掘更多的变脸类星体，研究超大质量黑洞的点燃机制和吸积过程。
相关学科
物理学
6.探索利用大气电场发电的可行性与优化策略
城市中随处可见的高楼大厦为实验这一想法提供了天然的平台。本项目致力于探索利用这一原理发电的可能性。首先，我们可以测量高度差对电流强度的影响。其次，我们可以量化探讨电极的设计对电流的影响，包括裸露面积，尖端的个数等等。
相关学科
物理学
7.基于简单神经网络的粒子识别
在高能对撞实验（例如LHC的CMS或ATLAS实验）中，探测器会捕获大量粒子碰撞数据。如何区分不同类型的粒子（如光子、电子、µ 子、强子等）至关重要。本课题可使用CERN Open Data或模拟数据集，通过多层感知器（MLP）等基础神经网络模型，对数据进行分类与识别，体会高能物理数据分析的基本流程与机器学习技术结合的优势。
相关学科
物理学
【竞赛报名/项目咨询+微信：mollywei007】
