Monolayer-molybdenum-disulfide-based nano-optomechanical transistor and tunable nonlinear responses

Atomically thin two-dimensional semiconductor nanomaterials have attained considerable attention currently. Here, we present a nano-optomechanical system based on a suspended monolayer molybdenum disulfide (MoS₂). The linear and nonlinear coherent optical properties of this system, and the phenomenon of phonon-induced transparency are demonstrated. The transmission of the probe field can be manipulated by the power of a second ‘gating'' (pump) field, which indicates a promising candidate for an optical transistor. We further study the nonlinear effect of the system, and the optical Kerr effect of the monolayer MoS₂ resonator can be regulated under different parameter regimes. This scheme proposed here may indicate potential chip-scale applications of monolayer MoS₂ resonator in quantum information with the currently popular pump-probe technology.     

基于因果行为轮廓的流程变体聚类挖掘方法

由于应用的更改和流程模型的自适应性,导致现实应用中存在大量来自同一模型的流程变体。这些流程变体在结构功能上存在诸多共同之处,但至少存在一些细节结构相互区分,配置和维护这些流程变体非常困难。为实现使用较少的系统模型来描述流程变体,提出一种流程变体聚类挖掘算法。首先结合因果行为轮廓的概念将变体模型矩阵化,然后应用加权余弦相似度来聚类活动并确定它们之间的行为关系,最后通过反复迭代直到聚类所有活动,得到一个目标参考流程模型,该模型比原参考模型更容易配置不同的流程变体。仿真实验中,将该算法和传统的流程挖掘算法,以及经典的启发式算法进行对比,结果表明了该算法在挖掘参考模型方面的可行性和有效性。     

基于接口变迁的交互流程模型挖掘方法

流程模型挖掘是基于系统运行记录下的事件日志来还原特征对应流程模型的技术。目前已有的挖掘方法多是基于由系统分解出的不同模块之间交互频繁且模块包含特征较少的场景。在挖掘包含较多特征、交互不频繁的流程模型方面,目前的方法存在一定的局限性。鉴于此,文中提出了基于接口变迁的交互流程模型挖掘方法。首先,利用现有的挖掘方法来挖掘模块内部的特征序,确定初始模块网;其次,遍历事件日志以查找疑似接口变迁;然后,通过挖掘特征网来确定接口变迁,并对接口变迁增加接口库所;最后,基于开放Petri网,利用合成网的观点将交互模块合成为一个完善的流程模型Petri网。通过实例分析,验证了该挖掘方法的有效性。     

基于Petri网行为紧密度的有效低频行为模式分析

低频行为模式分析是流程管理的重要内容之一,有效区分低频日志和噪音日志在业务流程过程挖掘中显得尤为重要。目前已有的研究大部分是将流程模型中的低频行为当作噪音直接过滤,但有些低频行为对模型是有效的。文中提出了基于Petri网行为紧密度的有效低频模式分析方法。首先,根据给定的事件日志建立合理的流程模型;然后,通过迭代扩展初始模式来发现流程模型中的所有低频日志序列,并在此基础上计算日志与模型的行为距离向量,利用日志与模型的行为紧密度找出有效的低频行为模式;最后,通过实例分析验证了所提方法的可行性。     

P/T_网中的同步距离

同步距离既可以对两组事件之间同步程度进行定量分析,也可以刻画系统动态行为,然而Petri中同步距离计算一直存在难题。采用加权观察库所的原理讨论了P/T_网中任意两个变迁子集之间同步距离的计算,并通过本原权函数的定义指出了如何给连接变迁和加权观察库所之间的弧配置一个唯一的权值。为了得到处于同一个公平分支变迁子集之间的同步距离值,需构造一个带权同步观察P/T_系统,通过模拟原网系统的可覆盖树得到带权观察库所的最大和最小tokens,从而求得变迁子集之间的同步距离值,并给出相应算法,给出了求解P/T_网中任意两个变迁子集之间同步距离计算算法。     

基于行为特征网的流程模型分解挖掘

为了使包含活动数目较多的事件日志有效挖掘流程模型,提出基于行为特征网的流程模型分解挖掘方法,基于活动日志确定各活动间的行为足迹关系,推得相应的行为矩阵;结合行为矩阵计算行为关系图,从而产生活动聚类;通过现存挖掘算法过滤子日志挖掘子网,并对子网添加接口库所形成子网行为特征网;在行为特征网的基础上,运用合成网的观点合成整网,以此挖掘流程模型。最后通过仿真分析验证了该分解挖掘方法的有效性。     

融合特征网与模块网的业务过程挖掘

过程挖掘目的是通过分析由信息系统记录的日志得出的过程模型,从而改善和维护业务流程。目前,许多业务流程都以模块化的方式进行交互。虽然很多过程挖掘算法已经被提出来,不过对于处理多模块还有一定的局限性。提出了基于特征网与模块网的挖掘算法,根据日志将特征分为不同模块;在此基础上,分别求出模块间特征交互的特征网与模块内的特征交互模块网;将两者根据提出的融合算法进行融合,得到完整的过程模型。通过一个用户网上购物的实例说明了该算法的可行性。     

基于时延Petri网数据并行问题的分析

Petri网作为一种直观的图形建模工具和一种具有丰富数学基础的形式模型,非常适合描述具有并发、异步和分布特征的系统。数据并行即将相同的操作同时作用于不同的数据,利用时延变迁Petri网来分析数据并行问题,可以找出具有相同操作的结构,这对于数据并行问题在并行机上进行模拟有很大好处。     

基于颜色Petri网和Lookahead的数据分发管理研究

对高层体系结构（HLA）中数据分发管理（DDM）的研究,主要目标是在符合HLA标准的前提下,提高数据的过滤效率,同时减少计算量,并提供较好的可扩展性适应于各种规模的分布式仿真应用。Lookahead是分布式模拟时间管理协议中的一个重要概念,各模拟实体使用Lookahead把自己产生事件的时间标记情况更早地通知给其它实体,以加快程序的运行。采用颜色Petri网和Lookahead的数据分发机制,能够很好地对数据进行过滤,提高数据的过滤效率,并能保证数据收发的成功率。仿真实验结果表明：基于颜色Petri网和Lookahead的数据分发机制是优于区域匹配方法的。     

基于微分Petri网的业务流程模块适配方法

为适应业务流程多功能及动态变化的需求，用模块替换的方法对业务流程建模是解决问题的快速有效途径之一.以开放Petri网与微分Petri网为基础，提出了微分控制Petri网和微分数据Petri网的概念，分别从语义学角度利用微分Petri网的演化表达式对模型的控制流网与数据流网进行活性检测，利用微分Petri网对替换模块及其离散部分与连续部分进行结构稳定性分析，以达到业务流程模块适配分析.理论分析结果表明，所建立的微分表达式能够反映模型活性与稳定性，模块适配效果较好.最后基于平台数据进行仿真分析，实验结果表明本文所提的方法有一定的可行性.