听觉距离感知在识别潜在危险、确定声源位置、日常活动、人际交流、音乐和艺术表演以及学习与记忆过程中扮演至关重要的角色.因此，结合主观评价和事件相关电位（Event⁃Related Potential，ERP）分析，通过行为学实验和脑电图（Electroencephalography，EEG）生理测量，探究了听觉距离感知的现象及其潜在机制.主观评价结果表明，被试在近距离条件下的距离感知较为准确.在远距离条件下，感知准确性下降，呈现出与幂函数拟合一致的低估现象.行为学实验结果表明，与近偏差刺激相比，被试对远偏差刺激的响应错误率与反应时间均显著增加.在ERP实验结果中，观察到P1⁃N1⁃P2复合体的存在.在无注意力条件下，P3a成分仅在偏差更明显的近偏差刺激处出现，而引入注意力后，无论远偏差还是近偏差刺激，P3a成分均有显现.P3b成分仅在引入注意力的条件下显著，并且随着刺激强度降低和任务难度增加，其时延增加且振幅下降.ERP图像还揭示了大脑半球特异化的现象，结果显示右半球对于距离相关的听觉刺激更为敏感.
声场分区控制系统向声场中不同区域传播不同的音频信息，由于声源的指向性使它在不同方向辐射的声功率大小不同，针对汽车座舱这一应用场景，研究声源指向性对声场分区控制性能的影响.首先，基于自由场的理论模型进行声场分区控制的仿真，针对前区和后区分别为亮区的情况，分析不同位置声源对亮区和暗区声能量的贡献，研究声源指向性对声场分区控制性能的影响并给出定性解释.其次，通过优化两个闭箱扬声器之间的幅值比和相位差，设计具有不同指向性的组合源.最后，在消声室环境中使用组合源进行实验，比较使用不同指向性组合源得到的声场分区控制效果，并与仿真结果进行对比.结果表明，以前区为亮区时，声源指向性对声对比度有显著影响，通过调整组合源的指向性，分区控制效果可优于使用单极子声源得到的控制效果；以后区为亮区时，使用不同指向性声源得到的控制效果没有明显差别.
针对石化行业管道中埋藏微裂纹的检测和定位问题，提出了一种基于融合特征矩阵和卷积神经网络（Convolutional Neural Network，CNN）模型的新方法.首先，使用ABAQUS软件建立包含埋藏微裂纹的三维管道仿真模型，并部署传感器阵列采集超声导波信号.然后，提取并融合两类特征因子来构建融合特征矩阵：反映微裂纹非线性特征的零频分量和表征微裂纹位置信息的损伤指数.最后，将该矩阵输入到构建的CNN模型中进行训练和测试，实现了对管道中埋藏微裂纹的精确定位.仿真分析结果表明，与传统的高次谐波分量相比，零频分量对微裂纹的非线性效应更敏感；损伤指数可以放大原始信号中包含的损伤信息，对埋藏微裂纹的定位具有重要价值；CNN模型可以有效地从融合特征矩阵中提取微裂纹的位置信息，确定其空间坐标，为无损检测领域管道微裂纹的定位提供了新的思路.
介绍了一种声学超表面的设计方法，其利用多个非线性弹簧振子链在辐射声场中产生谐波.超表面单元是由两个非线性弹簧连接的质量链，该单元具有两个谐振频率.单元振动幅度的基波和二次谐波分量通过多重尺度法求解.通过将较高的谐振频率设置为较低频率的n倍，并以较低的谐振频率激励系统，能量会从低频模式转移到高频模式.非线性引起系统内部共振并带来能量转移，这导致高频模式出现较大的振动幅度.理论与数值结果的一致性验证了该方法的有效性.对弹簧二次非线性系数、单元谐振频率和外界激励频率进行的参数调控，验证了这种非线性系统的鲁棒性.此外，有限元仿真模拟了具有更强的高次谐波传输能力的非线性超表面模型.本研究为实现非线性弹簧振子系统中的谐波提供了思路，将声学超表面的研究范围扩展到非线性动力学.
氨气（NH3）是人类生活与化工生产中最常见的气体之一.高浓度的NH3对人体与环境会产生危害，需要开发高灵敏度的NH3传感器对痕量的NH3进行检测，因此，提出了一种用于室温下检测痕量NH3的声表面波传感器.该传感器是在128° YX⁃LiNbO3压电基底上生长一层还原氧化石墨烯（Reduced Graphere Oxide，RGO）敏感层，并通过真空溅射的方法在敏感层上镀一层铂（Pt）来进一步增强传感器的传感能力.实验表明，该传感器具有高灵敏度，在室温下对浓度为50 ppm的NH3能获得8.68 kHz的频率偏移.此外，研究了湿度与背景气对传感器性能的影响，实验结果表明，较高的湿度有利于提高传感器灵敏度，并且传感器在氩气背景气中的灵敏度稍高于在空气背景气中的灵敏度.该传感器的响应与NH3浓度呈线性关系，并且具有良好的可重复性与稳定性.
时间序列预测是一项重要的数据分析技术，在交通、经济、气候等领域有广泛的应用，可以辅助资源合理分配、重大风险决策以及规划未来走向.近年来，随着机器学习和深度学习方法的发展，多变量时间序列预测问题受到广泛关注，然而，现有多变量时间序列预测方法无法同时捕捉复杂的时序间和变量间的依赖关系.提出一种融合转置嵌入方法与时间序列分解的时间序列预测模型DItrans.首先，针对时间序列进行趋势项、周期项和残差项分解，并在此基础上，分别执行转置嵌入，利用不同的编码器结构来学习表征.转置嵌入方法使DItrans模型可以更好地获取多变量之间的相关性，而趋势项、周期项和残差项的分解有助于捕获邻近时间点的信息.同时，DItrans模型引入一种新的编码器结构，其结构更灵活，使模型能够捕获更复杂的时间序列特征.在三个真实数据集上对提出的模型进行了性能评估.实验结果表明，DItrans模型的均方误差和平均绝对误差均取得了最佳效果，和对比算法相比，其均方误差下降了1.71%~79.28%，平均绝对误差下降了0.72%~57.52%.
在谣言检测的场景中基于已有事件的数据实现对新兴突发事件上的谣言检测至关重要，这要求谣言检测模型在不同的数据分布上具有鲁棒性和泛化性.然而，很多现有的谣言检测方法都是使用随机数据集划分来进行训练的，虽然这些模型在给定的数据划分方式下实现了高预测精度，但它们不符合谣言检测的初衷——对正在发生的事件进行谣言检测.为了增强谣言检测模型对实时发生的新兴事件的鲁棒性，提出一种新颖的数据划分方案用于对谣言检测方法进行评测，该方案充分考虑了数据集中事件的发生时间，并根据事件发生的顺序将数据划分为训练集、验证集和测试集.为了评估其有效性，在目前被广泛使用的开源谣言检测数据集上应用了提出的数据划分方案，并使用六种最先进的谣言检测模型进行了充分的实验.实验结果表明，在提出的数据划分方案下，模型的准确率显著下降，最大的下降值达到53%.证明提出的划分方案为早期谣言检测提供了新的思路，并提供了更贴近现实、更有意义的解决方案.通过考虑事件的时间维度信息，该方案能引导谣言检测模型更加关注新兴环境中的谣言检测，有助于推动实际场景中谣言检测技术的进步.
现代药物发现面临对大规模化合物库进行虚拟筛选的挑战，提高分子对接的速度与精度是核心问题.AutoDock Vina是最受欢迎的分子对接工具之一，我们的Vina⁃GPU和Vina⁃GPU+方法在确保对接准确性的同时，分别实现了对AutoDock Vina最高50倍和65.6倍的加速.近年来，大规模预训练模型在自然语言处理和计算机视觉领域取得了巨大成功，这种范式对解决虚拟筛选面临的重大挑战也具有巨大潜力.因此，提出一种多模态虚拟筛选新方法Vina⁃GPU GT，结合了Vina⁃GPU+分子对接技术和预训练的Graph Transformer （GT）模型，以实现快速精确的虚拟筛选.该方法包括三个连续步骤：（1）通过对已有分子属性预测的预训练GT模型进行知识蒸馏，学到一个小的SMILES Transformer （ST）模型；（2）通过ST模型推理化合物库中所有分子，并根据主动学习规则微调ST模型；（3）利用微调后的ST模型进行虚拟筛选.在三个重要靶点和两个化合物库上进行了虚拟筛选实验，并与两种虚拟筛选方法进行了比较，结果表明，Vina⁃GPU GT的虚拟筛选性能最优.
图神经网络在处理事件图的节点特征时会出现过平滑性的问题，导致较难获取全面的事件特征；同时，由于事件发展是动态的，网络在处理过程中会忽略短时间切片之间的数据变化，难以捕捉事件的全局时间特征.针对以上问题，提出基于动态增强图注意力网络的突发事件预测模型（Dynamic Enhanced Graph Attention Network，DEGAT），通过构建使用高斯扰动增强的图注意力网络（Enhanced Graph Attention Network，EGAT）来获取历史事件图全面的事件特征.将初始事件向量和EGAT输出的事件向量分别输入线性层进行融合，得到时间特征，再将多个不同历史时间特征序列输入多头注意力机制与LSTM相结合的时间编码层，获得全局时间特征.最后，将全局时间特征输入EGAT，经过非线性变换后输出预测结果.在四个社会突发事件数据集上的实验结果表明，提出的模型与DynamicGCN的方法相比，准确率和精确率分别提高了3.88%和4.12%.
针对无人机跟踪地面运动目标过程中目标场景发生遮挡、光照变化等复杂情况下，相关滤波模型易退化进而导致跟踪精度降低等问题，提出了一种针对无人机对地面目标的稳定实时跟踪算法.首先，利用FHOG，CN和灰度等特征构建外观融合模型，提高对复杂场景的适应性；然后，在相关滤波跟踪的基础上，设计自适应局部时空正则化策略，在跟踪器中引入空间正则化来实现像素级的滤波器限制，同时设计时间正则化来优化滤波器的更新；其次，对滤波器进行通道可靠性融合，设计了自适应模型更新策略，防止滤波器退化，提高目标定位的精确度；最后，设计目标恢复模块来提高跟踪器强度，能更好地应对复杂环境.实验结果表明，提出的算法与同类文献算法相比，能更好地适应无人机对地面目标复杂场景的跟踪任务并满足实时性.
属性约简是形式概念分析的主要研究问题之一.在真实的应用场景下，数据集往往会随时间的推移而发生变化，其属性可能动态地增加或减少.现有方法一般需要从头开始计算，不能充分利用已有的约简结果，缺乏快速更新的运算方法导致计算效率低下，因此，借助矩阵信息熵探讨形式背景属性集更新时的粒约简更新机制.首先，定义对象粒对角矩阵，在此基础上引入对象粒对角矩阵信息熵、对象粒对角矩阵条件熵、DMCE （Diagonal Matrix Conditional Entropy）属性内外重要性度量，讨论了基于矩阵信息熵的属性约简方法.其次，进一步探讨动态形式背景下属性集增加和属性集删除时的对象粒对角矩阵的动态更新机制，并开发其对应的基于矩阵信息熵动态属性约简算法.最后，在UCI的六个数据集上进行实验验证，结果表明在面对较大规模的数据集时，提出的属性约简算法比其他算法在运行时间上更具优越性.
腈水解酶作为一类在工业应用中具有巨大价值的绿色生物催化剂，能够高效地催化腈基化合物转化为羧酸.尽管其应用广泛，但腈水解酶的具体催化机制仍然不明确.先前的研究揭示了腈水解酶活性中心的GLU⁃LYS⁃GLU⁃CYS四联体在催化中起到关键作用，其中CYS残基作为亲核试剂攻击腈基，其硫醇基团的电离是反应中的一个关键步骤，然而，CYS的去质子化过程尚未被清晰揭示.研究聚焦于来自Rhodococcus zopfii （RzNIT）的腈水解酶，并研究了底物尚未进入酶活性位点时CYS165的质子化状态.通过对CYS165去质子化可能路径的详细分析，确认了在无底物状态下RzNIT中的CYS165处于中性状态.这一发现为进一步研究RzNIT的催化机制奠定了基础.
纳米材料具有良好的稳泡效果，材料经改性后能进一步提升泡沫性能，提高三次采油泡沫驱原油采收率.以氧化石墨烯（Graphene Oxide，GO）为基体，通过表面羧基化改性，利用乙二胺（Ethylenediamine，EDA）为桥梁，接枝具有耐盐和增黏效果的黄原胶（Xanthan Gum，XG）作为新型稳泡剂.通过FT⁃IR，XPS，Raman，TEM对不同改性阶段的材料的形貌、结构以及官能团进行表征分析.同时，考察了浓度、矿化度、pH对体系的影响.结果表明，和XG体系相比，新型稳泡剂的效果随着其浓度的增加而更加明显，还具有更好的抗盐性和pH稳定性.在85 ℃老化30 d后，新型稳泡剂损失13%，大幅减小了损失率.体系的界面张力值达到10-2，具有良好的界面性能.在85 °C，4 MPa条件下，进行了双管驱替室内实验，结果表明，泡沫体系在高渗透岩心实现了封堵，改善了低渗透岩心的驱替效果，最终提高采收率达21.11%.
采用水热反应合成了镍基金属氢氧化物有机骨架纳米片（Ni⁃MHOF）材料，通过聚硅氧烷胶黏附法制得固相微萃取纤维涂层，研究了该涂层对水中硝基芳烃（Nitro⁃PAHs）的萃取性能.通过单因素控制变量实验探究了萃取温度、萃取时间、盐浓度、pH、搅拌速度、解吸温度、解吸时间和纤维长度对萃取性能的影响，优化了实验条件，结合气相色谱建立了基于该涂层的水体Nitro⁃PAHs定量分析方法.结果显示，Ni⁃MHOF的萃取效果优于普通商用涂层，特别是对有四个环的Nitro⁃PAHs，具有超高的富集系数（3447~5238），方法的线性范围宽（0.01~8.00 μg·L-1，R2≥0.990），检测限低（0.001~0.02 μg·L-1），精确度好（日内相对标准偏差为5.8%~12.0%，三日日间相对标准偏差为6.7%~11.8%，多根纤维间相对标准偏差为7.4%~12.3%）.该方法对自来水、湖水、污水等实际水样中的Nitro⁃PAHs检测表现出良好的适用性，加标回收率达到69.9%~112.6%.
2022年2月至2023年3月对南京大学仙林校区校园进行了鸟类调查，同时在校园内的天文山上布设五架红外相机，对校园内的兽类进行调查.鸟类调查共记录129种，隶属于17目41科，包括黑鸢、红隼等国家二级保护动物19种.鸟类名录中雀形目鸟类最多，有22科74种.兽类调查共发现七种，隶属于四目六科，有国家二级保护动物两种，分别为獐和貉.基于红外相机数据，对校园内稳定存在的野猪的活动节律进行了分析，发现野猪日活动高峰在5：00-7：00，次高峰在15：00-19：00，对其一整年的数据进行分析，发现其秋季晨间活动高峰出现最早，夏季的夜间活动高峰出现最迟.调查结果突出了大学校园对保护城市生物多样性的重要性，为促进公民保护自然资源提供参考.
光响应材料在光刺激下能改变自身的物理或化学性质，因其对电磁波多自由度的高敏感、多维度响应能力，在与传感、驱动相关的多种应用领域中备受关注.近年来，基于光响应软材料的光驱动系统逐渐完成了从简单的感知、受激作动到持续自主反馈控制的进化，这意味着柔性材料在受到刺激发生形态变化的基础上，逐步具备接受和转化能量的能力，进而实现自主驱动.一系列基于柔性光响应材料的软体作动系统对与方向实时改变的光源、热源、声源等能量源，表现出方向识别与准确跟踪的能力.这种“向光性”“趋光性”实现的难点在于让光响应柔性材料识别刺激源的方向并向其作动、在对准方向时停止作动，在受外部扰动、方向失准时自主向光调整，从而在一定程度上体现类似动、植物的自主性.因此，对近年来光响应材料在传感、驱动及自适应调节领域的研究进展进行综述，总结了柔性材料作动从响应型到自控型的发展历程，从传感、驱动、反馈三个组成循环的关键过程剖析其能量转化、传递过程中的物理、化学机制，并展望自控制光响应材料系统在仿生驱动器和软体机器人等研究领域的发展方向与潜力.
