1 中国科学院 高能物理研究所，北京 100049
2 中国科学院大学，北京 100049
3 华中科技大学 电气与电子工程学院，武汉 430074
4 南京大学 现代工程与应用科学学院，南京 210023
5 北京大学 重离子物理研究所&核物理与核技术国家重点实验室，北京 100871
6 中国科学院 上海高等研究院，上海 201204
7 散裂中子源科学中心，广东 东莞 523803
机器学习技术在近十几年发展迅猛，并被广泛地用于解决复杂的科学和工程问题。最近十年间，基于机器学习的粒子加速器相关研究也开始呈现出井喷式发展趋势。国际上许多加速器实验室开始尝试用机器学习和大数据技术处理加速器中的海量复杂数据，以期解决加速器及其子系统中的诸多物理和技术问题。不过，迄今为止，机器学习在加速器中的应用仍处于初步探索阶段，不同机器学习算法在解决具体加速器问题的效果及其适用范围尚待摸索，机器学习在实际加速器中的应用仍非常有限。因此，有必要对加速器领域中的机器学习研究做一个整体回顾和总结。将回顾机器学习在大型粒子加速器（以储存环加速器和直线加速器为主）中的加速器技术、束流物理以及加速器整体性能优化等研究方向中已取得的研究成果，并探讨机器学习在加速器领域的未来发展方向和应用前景。
机器学习 粒子加速器 大科学装置 大数据 加速器技术 束流物理 machine learning particle accelerator large scientific facilities big data accelerator technology beam physics 强激光与粒子束
2021, 33(9): 094001
华中科技大学材料成形与模具技术国家重点实验室, 湖北 武汉 430074
基于机器视觉的加工控制过程中，对工件上待加工点的定位是关键，其难点在于构建一种形状描述方法，既要能实现形状匹配，又要能完成定位，且满足加工过程中的精度和实时性要求。为解决上述问题，提出了一种基于多边形拟合的形状匹配和定位算法。该方法针对平面二维(2D)轮廓，通过对轮廓进行多边形拟合，获取轮廓上关键点，然后构建形状描述子用于形状匹配，再利用这些关键点坐标进行定位计算，获得模板轮廓到目标轮廓的变换关系。结果表明，通过运用所提出的旋转不变性形状描述算法，可获得高精度、高实时性的形状匹配和定位算法。
机器视觉 形状匹配 定位 多边形拟合 激光与光电子学进展
2016, 53(4): 041501
1 安徽大学生命科学学院, 安徽 合肥 230039
2 安徽医科大学附属省立医院, 安徽 合肥230002
为了探讨肿瘤抑制因子LKB1蛋白在肿瘤光动力疗法中作用, 先用MTT法检测藻蓝蛋白亚基脂质体(PEG-PCS-Lip)对人乳腺癌细胞MCF-7, 鼠乳腺癌细胞MA-782的光动力杀伤效果, 分光光度法检测活性氧ROS的产量, Western blot检测LKB1激酶表达水平; 然后用免疫组织化学方法观察PEG-PCS-Lip介导的光动力作用在乳腺癌模型鼠对LKB1基因表达影响。 结果显示在光照剂量为29.17 J/cm2时, 用0~25 μg/mL PEG-PCS-Lip处理会小幅度促进MA-782和MCF-7细胞的生长, 同时细胞中的ROS和LKB1蛋白的量下降; 当用25~100 μg/mL PEG-PCS-Lip处理则明显抑制MA-782和MCF-7细胞的生长, 同时细胞中的ROS和LKB1蛋白的量随PEG-PCS-Lip量的增加而增加。用10 mg/kg PEG-PCS-Lip静脉注射荷瘤小鼠, 光照剂量为208.2 J/cm2时, 其抑瘤率可达到68.9 %, LKB1在乳腺癌组织中的表达量则增加了33.9 %, 同时, LKB1激酶从细胞核转移到细胞质的量也在增加。 因此, PEG-PCS-Lip PDT作用所产生的ROS可能是激活LKB1的表达的原因之一, 二者协同作用在一定的光敏剂浓度范围内增强了PDT抑制肿瘤生长的疗效。
藻蓝蛋白亚基脂质体 光动力学疗法 乳腺癌 phycocyanin subunit liposome photodynamic therapy breast cancer LKB1 LKB1 ROS ROS
