چکیده
ما به شرح پلتفرم (مبنای) پیشرفت محاسبات ابری علمی (SCC) که ظرفیت محاسبه کارآمد را ارائه میدهند، می پردازیم. این پلتفرم شامل نمونه آزمایشی از دستگاه مجازی علمی شامل سیستم عامل یونیکی و چندین کد علمی مواد، به همراه ابزارهای رابط مهم (تولست SCC) می باشد که نقش های قابل مقایسه با خوشه های محاسبه محلی را ارائه می دهد. مشخصا، تولست SCC (محاسبات ابری علمی) ایجاد اتوماتیک خوشه های مجازی را برای محاسبات موازی، و همچنین تسهیلات I/O (صفر و یک) مناسبی را که امکان ارتباطات یکپارچه را در مورد محاسبات ابری ایجاد می کنند، فراهم می کند. پلفرم SCC (محاسبات ابری علمی) مورد نظر ما برای محاسبات ابری انعطاف پذیر آمازون مطلوب می باشد (EC2). ما به ارائه مبنایی برای برنامه های کاربردی علمی پیش الگو پرداخته و به اثبات عملکردهای قابل مقایسه با خوشه های محاسباتی محلی می پردازیم. برای ساده سازی اجرای کد و فراهم کردن دسترسی کاربرپسند، همچنین به ادغام قابلیت محاسبه ابری در رابط گرافیک کاربری (GUI) مبتنی بر زبان برنامه نویسی جاوا پرداخته ایم. پلتفرم SCC (محاسبات ابری علمی) مورد نظر ما، به عنوان جایگزینی برای منابع HPC (محاسبه با کارایی بالا) برای علم مواد یا کاربردهای شیمی کوانتوم می باشد.
کلیدواژه: محاسبه ابری، محاسبه علمی، محاسبه کارامد، فیزیک ماده چگال (فشرده شده)
مقدمه
محاسبه ابری (CC) به عنوان الگوی محاسباتی می باشد که منابع مقیاس پذیر پویا، مجازی به عنوان خدماتی بر روی اینترنت می باشند [1–4]. این الگو شاهد پیشرفت های قابل توجهی در چند سال گذشته، به ویژه با ظهور چندین سرویس محاسبه ابری تجاری که از صرفه جویی های مقیاس مزایای بدست می آورند، بوده است [5–9]. درحالیکه بسیاری از کاربردهای تجاری به سرعت پیشرفت CC (محاسبه ابری) را مد نظر قرار داده اند، دانشمندان در بکارگیری ظرفیت های محیط CC کندتر عمل کرده اند. اشتراک منابع محاسباتی همانند خوشه های بیوولف که اغلب برای مواد چگال (به هم فشرده) امروزی و شبیه سازی علم مواد، برای دانشمندان چیز جدیدی نیست. همچنین منابع ابرمانند همانند محاسبه گرید و خوشه های کندور برای بعضی از کاربردهای علمی مفید می باشد.
چکیده
ضرب المثلی وجود دارد که می گوید، اگر بتوانید چیزی را بشمارید، قادر به کنترل آن می باشید. ترکیب به عنوان عملیات بنیادین برای هر سیستم دیجیتالی، پردازش سیگنال دیجیتال، یا سیستم کنترل می باشد. فعالیت سریع و دقیق سیستم دیجیتال به شدت تحت تاثیر عملکرد افزونه های ثابت می باشد. با توجه به این، افزونه هیبریدی کارآمد که به ترکیب افزونه انتخابی انتقال و افزونه انتقالی موج دار با استفاده از فناوری QCA می پردازد، برای برآوردن تمام نیازهایی که برای جریانات دیجیتالی ضروری می باشند، طراحی شده است. QCA به عنوان نانوفناوری نوظهور، با پتانسیل سرعت بالاتر، اندازه کوچکتر، و توان مصرفی پایین تر از فناوری مبتنی بر ترانزیستور می باشد. پیشرفت های اخیر در نانوالکترونیک مقدمه خوبی برای مکانیک کوانتوم الکترون ها، مفاهیم الکترون های آزاد و محدود شده، می باشد. از این رو، با کمک فناوری QCA، افزونه های هیبریدی مطرح شده، زمانی که در مقایسه با افزونه های قبلی قرار می گیرند، محصولاتی با تاخیر منطقه ای کمتر تولید می کنند و این افزونه های پیشنهادی برای الگوریتم ضریب تکثیر درخت والاس بکار گرفته می شوند، که در اینجا بازده تاخیر منطقه تاخیرکاهش یافته و سرعت ضریب تکثیر چند برابر می شود.
کلیدواژه: افزونه هیبریدی، QCA- اتوماتون سلولی کوانتوم نقطه ای، نانوالکترونیک
مقدمه
در طی دهه اخیر، تجهیزات نانوالکترونیک مختلفی مورد توجه جوامع تحقیقاتی قرار گرفته است. این موارد شامل نانولوله های کربنی، نانوسیمهای سیلیکونی، دیودهای تونل ساز تشدید کننده، و موارد دیگر می باشد. این تجهیزات به عنوان جایگزینی برای فناوری VLSI بر مبنای CMOS می باشد. فیزیک تجهیزات متعارف بر مبنای مدل الکترون آزاد و بر مبنای کوچک بودن ابعاد دستگاه می باشد. این مدل مناسب نمی باشد زیرا انرژی که یک الکترون می تواند داشته باشد به صورت تفکیک شده می باشد. کتاب های اخیر در زمینه نانوالکترونیک به عنوان مقدمه خوبی برای علم مکانیک الکترون ها، مفاهیم مربوط به الکترون های آزاد و محدود، و همچنین الکترون های مجزا و بسیاری از دستگاه های الکترون می باشد. یکی از تجهیزات پیشنهادی در تحقیقات به عنوان جایگزین برای فناوری مبتنی بر CMOS متعارف، به نام اتوماتون سلولی کوانتوم نقطه ای (QCA) می باشد. در QCA، ابزار مورد استفاده برای منطق، همچنین برای پیوند مورد استفاده قرار می گیرد. گیت های منطقی پایه در معماری QCA بر مبنای گیت های اکثریت (که به عنوان ووتر اکثریت نیز نامیده می شود) و وارونگر می باشد.
چکیده
کاربرد بالقوه کلکتورهای کاتیون مختلف در غلظت فلوتاسیون (شناور) میکا، فلدسپار و ماسه کوارتزی بررسی شده است. مواد خام (بوجانوواک و یوب) از دو محل در صربستان مورد استفاده قرار گرفته اند. نتایج نشان داد که برای فلوتاسیون فلدسپارها، عملکرد آاِرو3030سی بهتر از فلوتیگام دَت است. آاِرو3030سی برگزینشی تر بوده، و با کاربرد آن، بازیابی جرمی بیشتری از فلدسپار بدست آورده شد. مشخصا، بازیابی جرمی فلدسپار موقعی که آاِرو3030سی اعمال شد 19.5% بود و موقعی که فلوتیگام دَت به کار برده شد. 7.58% بود. به هر حال، ترکیب شیمیایی غلظت های فلدسپار به طور قابل توجهی متفاوت نبوده و مهم نبود کدام یک از این واکنشگرهای شیمی ایی به کار برده می شود. برای فلوتاسیون ناخالصی ها از ماسه کوارتزی، آاِرو3030سی نسبت به ترکیب آاِرو825 و آرمارک سی بهتر بود. موقعی که آاِرو3030سی به کار برده شد، کیفیت عالی تری از کنسانتره ماسه کوارتزی نسبت به زمانی که ترکیبی از این کلکتورها اعمال شده بودند، بدست آمد. بازیابی جرمی ماسه کوارتزی تقریباً یکسان بود: 64.47% موقعی که آاِرو3030سی به کار برده شد و 61.72% موقعی که ترکیب آاِرو825 و آرمارک سی به کار برده شد.
کلیدواژه: واکنش گرهای فلوتاسیون، کلکتورهای فلوتاسیون، مواد معدنی صنعتی، پردازش معدن
مقدمه
کانه پگماتیتی گرانیت سفید از بوجانوواک شامل K-Na فلدسپار (60%) ، کوارتز (25%) ، موسکویت (10%) و ناخالصی ها. در «فلدسپات»، بوجانوواک، از غلظت فلدسپار، میکا و ماسه کوارتزی در نتیجه این ماده خام برای استفاده صنعتی تولید شده است. رسوب ماسه کوارتزی «یوب» شامل کوارتز چنانچه کانی اصلی و فلدسپار، میکا و کانی های فلزی سنگین چانچه ناخالصی ها (آی تی اِن اِم اِس، 1998). مدارک زیادی روی کاربرد کلکتورهای متفاوت در فلوتاسیون فلدسپار در 80 سال گذشته چاپ شده اند. به طور خاص انتخاب اصلی رشته بلند نمک الکیل آمونیوم معمولاً بیشتر کلکتور های فلوتاسیون برای پرعیار سازی سیلیکات ها به کار برده شده اند (شیموییزاکا، 1996؛ سالماوی و دیگران، 1993). در این مطالعه، نتایج کاربرد کلکتور های متفاوت در غلظت فلوتاسیون میکا و فلدسپار از ماده خام گرانیت سفید از رسوب «بوجانوواک» ارائه شده است. همچنین، کاربرد کلکتور های متفاوت در فلوتاسیون معکوس ماسه کوارتزی از ماده خام از رسوب «آوالا»-«یوب» بررسی شده است.
دسته: برق
حجم فایل: 342 کیلوبایت
تعداد صفحه: 5
یک الگوریتم ابتکاری جدید برای مساله تخصیص واحد + نسخه انگلیسی
A New Heuristic Algorithm for Unit Commitment Problem
چکیده
تخصیص واحد (UC) سیستمهای قدرت مقیاس وسیع یک مساله پیچیدۀ بهینهسازی غیرخطی و نوع عدد صحیح مختلط با قیود مختلف است. این مقاله بر اساس اصلاح الگوریتم جستجوی هارمونی (HS) یک روش نوین و موثر برای حل برنامهریزی راهبردی تخصیص واحدهای تولیدی ارائه میکند. این الگوریتم در مقایسه با دیگر روشهای تکاملی (EM) کاربرد آسانی داشته و در دستیابی به پاسخ بهینه در یک زمان مناسب توانمند است. روش پیشنهادی به کمک یک مجموعه دادهها مورد ارزیابی قرار میگیرد. نتایج بدست آمده نیز با نتایج مقالات دیگر مقایسه میشود. نتایج عددی نشان دهنده کارائی و بهبود پاسخ از لحاظ هزینه و زمان اجرا در مقایسه با نتایج دیگر الگوریتمهای قدرتمند بهینهسازی ابتکاری است.
کلیدواژگانها: تخصیص واحد، الگوریتم تکاملی، جستجوی هارمونی (HS) ، توزیع اقتصادی
مقدمه
مساله تخصیص واحد یکی از مسئل مشکل بهینه سازی است که تحت قیود خاصی که از جانب سیستم و شرایط فیزیکی تحمیل میشوند تحت تاثیر قرار میگیرد. حل مساله تخصیص واحد از هر دو جنبه زمان اجرا و طرح صحیح و مناسب نیروگاهها با حداقل هزینه حائز اهمیت است. در رابطه با این موضوع و حل مساله تخصیص واحد منابع متنوعی منتشر شده است. در ذیل به روشهای مختلف حل مساله تخصیص واحد در نوشتجات اخیر اشاره مختصری شده است. لیست اولویت (PL) [1]-[2] به ترتیب صعودی واحدهای با هزینه بار کامل را اختصاص میدهد تا اینکه ابتدا واحدهای از لحاظ اقتصادی به صرف تخصیص داده شوند تا تقاضای سمت بار برآورده شود. روش PL بسیار سریع است اما به شدت ابتکاری بوده و زمانبندیهایی با هزینه اجرای نسبتا بالا ارائه میدهند. روش شاخه و حد (BB) [3]-[4] دارای خطر نقص در ظرفیت ذخیرگی و افزایش قابل توجه زمان محاسبه برای مساله مقیاس وسیع است. روش آزادسازی لاگرانژ (LR) [5]-[7] بر روی یافتن یک تکنیک هماهنگی مناسب برای تولید یک پاسخ اولیه ممکن و در عین حال کمینه کردن شکاف دوگانگی متمرکز است. مشکل اصلی روش آزادسازی لاگرانژ دشواری در دستیابی به پاسخهای ممکن است. روشهای فوقابتکاری تکنیکهای جستجوی مبتنی بر تکرار هستند که قادرند نه تنها پاسخهای بهینه محلی بلکه پاسخ بهینه جهانی را نیز جستجو کنند. در روشهای فوقابتکاری، برای تخصیص واحد از GA، TS، EP، SA و غیره استفاده میشود [8]-[11]. این روشها دارای مزیت جستجو کاملتر فضای پاسخ بوده و از همگرایی زودرس به بهینههای محلی اجتناب میکنند. دشواری اصلی آنها حساسیتشان به انتخاب پارامترهاست. با این حال، برای یک مساله مقیاس وسیع، این روشها به دلیل ذات تکراری بودنشان، زمان و فضای بیشتری را به خود اختصاص میدهند.
چکیده
تحقیق حاضر گزارشی در مورد مدلسازی سیستم کبالت- پلاتین با فازهای منظم مکعب با وجوه مرکز دار با ساختارهای L10 و L12 با استفاده از روش کلفاد (CALPHAD) است. فازهای مایع، hcp و fcc به عنوان محلول های جانشینی مدلسازی شده و در آن پارامترهای اندرکنشی به شکل چند جمله ای ردلیچ-کیستر وابسته به ترکیب هستند. فازهای fcc منظم و نامنظم بر حسب عبارات انرژی ترکیبی با یک تابع ساده انرژی آزاد گیبس مدلسازی شده اند. معادله فازی و اکتیویته های بدست آمده برای کبالت و پلاتین با اطلاعات تجربی موجود سازگاری خوبی دارند. محاسبات قوانین اول برای بدست آوردن آنتالپی تشکیل برای فازهای منظم fcc در 0 درجه کلوین انجام شدند. آنتالپی های تشکیلی که برای فازهای منظم محاسبه شد نسبت به آنتالپی تشکیل حالت نامنظم در دماهای کمتر که توسط مدلسازی کلفاد بدست آمدند، کمتر منفی هستند. سیستم های Fe-Pt و Ni-Pt حالتی مشابه سیستم Co-P دارند که بر حسب عبارات گشتاور مغناطیسی کلی فازهای منظم fcc مورد بررسی قرار می گیرند.
کلیدواژه: کلفاد، مدلسازی ترمودینامیک، سیستم کبالت- پلاتین، استحله منظم / نامنظم
مقدمه
ترکیبات کبالت-پلاتین به دلیل خواص کاتالیستی فوق العاده ای که در واکنش های شیمی ایی دارند مورد استفاده قرار گرفته اند [3-1]. آلیاژ کبالت پلاتین L10 برای توسعه محیط ذخیره مغناطیسی با دانسیته بسیار بالا مورد مطالعه قرار گرفته است [5، 4]. سیستم کبالت-پلاتین هم یک قسمت مهم از داده های موجود در مورد ابرآلیاژهای پایه نیکل مثل TTNI8 است [6].
سیستم کبالت-پلاتین یک استحاله منظم/نامنظم در محلول جامد fcc نشان می دهد که در آن فاز نامنظم (A1) در دماهای بالا به ساختار L10 با نزدیک به 50% اتمی پلاتین و ساختار L12 با نزدیک به 25 و 75% اتمی پلاتین منظم می شود. این فرآیند در بسیاری از سیستم های دوتایی بین پلاتین و فلزات واسطه ای چون نیکل و آهن رخ می دهد [8، 7]. یک روش برای توصیف چنین استحاله منظم/نامنظم fcc با روش کلفاد و انرژی ترکیب، با استفاده از یک مدل با چهار زیرشبکه ایجاد شده است [9]. مدل چهار زیرشبکه همانطور که از نام آن برمی آید از چهار زیرشبکه برای توصیف چهار مکان در چهاروجهی fcc استفاده می کند که ساختارهای A1, L12 و L10 را از هم متمایز می کند. با این روش، می توان از اطلاعات ترمودینامیکی تجربی حالت نامنظم مانند آنتالپی ترکیب و اطلاعات حالت منظم مانند آنتالپی تشکیل و آنتالپی های استحاله فازی نامنظم به منظم برای بررسی پارامترهای مدل استفاده نمود.