资讯
-
教育培训学院高端培训项目“峨眉讲坛”第一期成功举办峨眉校区党工委、管委会、教育培训学院内容简介
-
Unit roots of the unit root L-functions数学学院内容简介
-
Zeta Functions of p-Adic Analytic Varieties数学学院内容简介
-
【专项提升】实验教师教学能力提升讲座党委教师工作部(教师发展中心)2023年7月6日(周四)上午9:00—11:30犀浦校区综合楼430李福海+樊代和+王东梅内容简介实验教学是“四新”建设中创新人才培养和教育改革的重要保障,是培养学生理论联系实际能力、创新实践能力、分析和解决问题能力的重要环节。 本讲座将由3位获得西南交通大学“立德树人”“教书育人”新秀奖和“实践育人”先进个人称号的专家,各自分享在工程教育专业认证、创新本科人才培养以及虚拟仿真一流课程建设方面的实验教学先进经验,激发教师创新教学动力,助力教师实验教学能力有效提升,从而充分发挥实验室在“双一流”建设中对创新型人才培养的支撑作用。
-
【创源大讲堂】从核子到奇子:谈一类新型物质物理科学与技术学院2023年7月18日(周二)16:00犀浦校区3教30345徐仁新 北京大学物理学院教授内容简介众所周知,日常物质的基本单元是原子(或离子、分子,无本质差别),它们往往因之间的电磁相互作用而凝聚(即“电”凝聚态物质)。顺此逻辑,原子核也可以看作由核子构成的“强”凝聚态物质:强相互作用力将核子束缚在一起。关于这两类物质似有一惑:电物质可轻可重,难道存在比原子核重得多的强物质?我们将在这里给出肯定回答,并解释:诚然原子核的基本单元是核子,而奇子却构成大块强物质。作为一种新型物质形态,奇子物质具有多重表现形式。
-
【创源大讲堂】新型高时间分辨和高抗辐照性能的硅探测器研究物理科学与技术学院2023年6月29号上午10:00犀浦校区X2539李梦朝 中科院高能物理研究所博士后内容简介位于欧洲核子中心(CERN)的大型强子对撞机(LHC)将于2029 年升级为高亮度LHC(HL-LHC)。对撞亮度的提高会产生严重的事例堆积效应,并伴随着更强的辐射环境。低增益雪崩二极管(LGAD)是一种新型的高精度硅基时间探测器,具有10-50倍的增益,时间分辨率可达30ps。基于LGAD的高颗粒度时间探测器(HGTD)设计方案将用于LHC上ATLAS实验中时间探测器的建造,并承受2.5×1015neq/cm2的等效中子辐照通量。提高LGAD 的时间性能和抗辐照性能是目前的重要研究方向。本报告将介绍抗辐照超快LGAD的研发工作:(1)影响LGAD时间分辨率的因素以及优化研究;(2)研发碳离子注入工艺大幅提高了LGAD的抗辐照性能,达到了目前国际最优的抗辐照性能;(3)超快ASIC与HGTD探测器模块的研发;(4)同时具有高精度时间和空间分辨率的新型交流耦合LGAD(AC-LGAD)的研发,可用于未来中国环形正负电子对撞机(CEPC)中4D径迹探测器的建造。
-
【创源大讲堂】植物细胞本草:中药和植物药的源头创新和未来生命科学与工程学院2023年7月3日(星期一)10:00犀浦校区三号教学楼30616张卫 澳大利亚技术科学与工程院院士内容简介
-
【学术提升】巧用检索工具助力研究选题党委教师工作部(教师发展中心)2023年6月27日(周二)下午2:30~5:00犀浦校区综合楼430朱维凤内容简介1. 通过信息素养的方法获取研究选题; 2. 通过使用检索工具,获取学科领域的研究热点和研究趋势; 3. 聚焦研究选题,通过文献调研,阅读文献对选题进行细化分析。
-
创源大讲堂—Joint Dimension Assignment and Compression for Deterministic Parameter Vector Estimation in Distributed Multisensor Networks数学学院2023年6月27日20:00-21:00Zoom会议号:892 7122 4882 密码:0627宋恩彬内容简介报告题目:Joint Dimension Assignment and Compression for Deterministic Parameter Vector Estimation in Distributed Multisensor Networks 报告摘要: This talk considers distributed estimation of an unknown deterministic parameter vector in a bandwidth constrained multisensor network with a fusion center (FC). Due to the stringent bandwidth requirements, each sensor compresses its observation as a low-dimensional vector via a linear transformation. Then, the FC linearly combines all received compressed data to estimate the deterministic parameter vector based on the best linear unbiased estimator. The problem of interest is to jointly design the dimension assignment (i.e., the compression dimension of each sensor) and the corresponding compression matrix when the total number of compression dimensions is given. Such a joint design problem is formulated as an optimization problem with rank and linear matrix equality constraints, which is shown to be NP-hard for the first time. In addition, penalty decomposition (PD), successive quadratic upper-bound minimization method of multipliers (SQUM-M), and SQUM-M-block coordinate descent (SQUM-M-BCD) are proposed to solve it approximately. Furthermore, we show that any accumulation point of the sequence generated by the PD satisfies the Karush-Kuhn-Tucker conditions of the equivalent formulation of the joint design problem; the SQUM-M admits the same convergence property as the PD under some conditions. Numerical experiments corroborate the merits of PD and SQUM-M-BCD as compared with existing strategies for the heterogeneous scenario, and further illustrate the effectiveness of the proposed algorithms for the correlated noise case.
-
【创源大讲堂】Some topics onq-analysis数学学院内容简介