基于机器学习和高通量计算筛选金属有机框架的甲烷/乙烷/丙烷分离性能

针对天然气中的甲烷、乙烷、丙烷（C₁、C₂、C₃）气体分离困难的问题，本工作采用高通量计算了137953种假设的金属有机框架（Metal-organic framework，MOF）对这三种混合气体的吸附分离吸能.为了避免水蒸气的竞争吸附，首先，筛选出31399种疏水性MOF.然后，单变量分析了这些MOF的最大孔径（LCD）、孔隙率（φ）、体积比表面积（VSA）、亨利系数（K）、吸附热（Q_st）、密度（ρ）共六种MOF结构/能量描述符与MOF对C₁、C₂、C₃的选择性、吸附量及两者权衡值（Trade-off between S_i/j and N_i，TSN）的关系，发现了吸附量和选择性“第二峰值”的存在；尤其对于C₁、C₂的分离，所有最优MOF都分布在第二峰值区间.随后采用决策树、随机森林（Random forest，RF）、支持向量机和反向传播神经网络四种机器学习算法，分别训练并预测了六种MOF描述符与性能指标的关系，结果表明RF预测效果最好.然后应用RF算法定量地分析出K、LCD和ρ三种描述符对TSN_C1、TSN_C2的相对重要性最高，而TSN_C3的是K、Q_st和ρ，根据这些描述符分别设计了吸附C₁、C₂、C₃最优MOF的决策树模型路径.最后筛选出针对C₁、C₂和C₃不同分离应用的18种最优MOF.本工作基于机器学习和高通量计算的研究思路和研究方法，第二峰值规律的发现以及最优设计路线的提出将有助于MOF在吸附分离领域的发展提供有力的指导和启示.     

基于EZW的图像压缩和树形加密同步算法

为了实现图像的压缩和加密同步提出一种基于内嵌零树小波编码 (embedded zerotree wavelet, EZW) 的压缩和树形加密算法. 加密过程在比特平面编码与熵编码之间进行, 使用密钥对图像压缩产生的上下文和判决进行修正, 实现压缩和加密同步. 对算法进行仿真, 结果表明, 算法具有良好的压缩效率和安全性. 关键词： 图像压缩 图像加密 内嵌零树小波编码(EZW) Logistic映射