当前位置：文档之家 › QUANTIZATION–BASED SIMULATION OF HYBRID SYSTEMS

QUANTIZATION–BASED SIMULATION OF HYBRID SYSTEMS

  • 格式：pdf
  • 大小：497.84 KB
  • 文档页数：6

Abstract— This paper extends the use of quantization–based integration methods to the simulation of hybrid systems. Using the fact that these methods approximate ordinary differential equations (ODEs) and differential algebraic equations (DAEs) by discrete event systems, it is shown how hybrid systems can be approximated by pure discrete event simulation models. In this way, the treatment and detection of events representing discontinuities – which constitute an important problem for classic ODE solvers– is efficiently solved. The resulting advantages are illustrated and discussed through the simulation of two examples. Keywords— Hybrid systems, ODE integration, Discrete Event Systems. I. INTRODUCTION Continuous system simulation is a topic which has advanced significantly with the appearance of modern computers. Based on classic methods for numerical resolution of ODE’s like Euler, Runge–Kutta, Adams, etc., several variable–step and implicit ODE solver methods were developed. Although there are several differences between the mentioned ODE solver algorithms, all of them share a property: they are based on time discretization. That is, they give a solution obtained from a difference equation system (i.e. a discrete–time model) which is only defined in some discrete instants. The complexity of most technical systems yields models which often combine a continuous part (described by ODEs or DAEs) and discrete components. The interaction between these subsystems can produce sudden changes (discontinuities) in the continuous part which must be handled by the integration algorithms. The mentioned sudden changes are called events and two different cases can be distinguished according to the nature of their occurrence. The events which occur at a given time, independently of what happens in the continuous part are called Time Events. On the other hand, events which are produced when the continu-
u f1 . . . fn
x1
q1
where x(t) ∈ Ê n is the state vector and u(t) ∈ Ê m is an input vector, which is a known piecewise constant function. The QSS–method (Kofman and Junco, 2001) simulates an approximate system, which is called Quantized State System: x ˙ (t) = f (q (t), u(t)) (2)
This work attempts to show that, due to the discrete event nature of QSS and QSS2, the main difficulties related to discontinuity handling in hybrid systems are solved with these methods. II. QUANTIZATION–BASED INTEGRATION A. QSS–Method Consider a time invariant ODE in its State Equation System (SES) representation: x ˙ (t) = f (x(t), u(t SIMULATION OF HYBRID SYSTEMS
Ernesto KOFMAN†
†Laboratorio de Sistemas Din´ amicos. FCEIA – UNR – CONICET. Riobamba 245 bis – (2000) Rosario – Argentina Email: kofman@.ar
ous subsystem state reaches some condition are called State Events. The integration along discontinuities can cause severe inefficiency because the non–smoothness violates the theoretical assumptions on which solvers are founded (Barton, 2000). Thus, time and state events must be detected in order to perform steps at their occurrence. The event detection techniques have been being studied since Cellier’s Thesis (Cellier, 1979) and many works can be found in the recent literature (Park and Barton, 1996; Taylor and Kebede, 1996; Schlegl et al., 1997; Esposito et al., 2001). Although these ideas work quite efficiently, the techniques do not say how to represent discrete parts and how to schedule the time events in general cases. Moreover, the state event detection requires performing some iterations to find the time of the event occurrence. Due to these facts , the simulation of hybrid systems constitutes one of the most difficult topics in the numerical integration area. A completely different approach for ODE numerical simulation has been being developed since the end of the 90’s where time discretization is replaced by state variables quantization. As a result, the simulation models are not discrete time but DEVS (Zeigler et al., 2000). The origin of this idea can be found in the definition of Quantized Systems and their representation in terms of DEVS models (Zeigler and Lee, 1998). Quantized Systems weres reformulated with the addition of hysteresis and formalized as a simulation method for ODE’s in (Kofman and Junco, 2001) where the Quantized State Systems (QSS) were defined. This new method was improved with the definition of the Second Order Quantized State Systems (QSS2) (Kofman, 2002a) and then extended to the simulation of DAEs (Kofman, 2002b). Despite their simplicity, the QSS and QSS2 methods satisfy some strong stability, convergence and error bound properties. They can also reduce the number of calculations, their parallel implementation is straightforward and they can exploit sparsity in a very efficient fashion.

合集下载

人类丝氨酸消旋酶的同源模建及其与多肽类抑制剂的分子对接_赵勇山

人类丝氨酸消旋酶的同源模建及其与多肽类抑制剂的分子对接_赵勇山

人类丝氨酸消旋酶的同源模建及其与多肽类抑制剂的分子对接赵勇山郑清川*张红星楚慧郢孙家钟(吉林大学理论化学研究所,理论化学计算国家重点实验室,长春130023)摘要：利用同源模建和分子动力学模拟方法构建了人类丝氨酸消旋酶(hSR)的三维结构,并利用profile -3D 和procheck 方法评估了模型的可靠性.在此基础上用分子对接程序(affinity)将多肽类抑制剂A 和B 分别与hSR 进行对接,获得了其复合物结构的理论模型.通过配体与受体之间相互作用能和结构分析给出了此类抑制剂与hSR 的具体结合方式,明确了hSR 与此类抑制剂结合时起重要作用的氨基酸残基,为基于人类丝氨酸消旋酶三维结构的药物设计提供重要的参考信息.关键词：人类丝氨酸消旋酶;分子动力学模拟;分子对接;同源模建中图分类号：O641Homology Modeling of Human Serine Racemase and Its Molecular Docking with Peptide InhibitorsZHAO Yong -ShanZHENG Qing -Chuan *ZHANG Hong -XingCHU Hui -YingSUN Chia -Chung(State Key Laboratory of Theoretical and Computational Chemistry,Institute of Theoretical Chemistry,Jilin University,Changchun 130023,P.R.China )Abstract ：The three dimensional structure of human serine racemase (hSR)was modeled and refined using homology modeling and molecular dynamics simulation.This model was assessed by profile -3D and procheck,which confirmed that the refined model was plex structures of peptide inhibitors with hSR were obtained and investigated through ligand -receptor docking studies by a molecular docking program,affinity.The binding pattern predicted by the affinity module revealed that important residues interacted with the peptide inhibitors and the module provided further refinement of the hSR/inhibitor binding interaction that may be used as a basis for new structure -based design efforts.Key Words ：Human serine racemase;Molecular dynamics simulation;Molecular docking;Homologymodeling[Article]物理化学学报(Wuli Huaxue Xuebao )Acta Phys.-Chim.Sin .,2009,25(3)：417-422Received:November 4,2008;Revised:December 11,2008;Published on Web:January 13,2009.*Corresponding author.Email:zhengqch@;Tel:+86431-88498962.国家自然科学基金(20573042)、国家科技支撑计划重点项目(2006BAE03B01)和高等学校博士点学科专项基金(20070183046)资助鬁Editorial office of Acta Physico -Chimica Sinica一直以来,人们普遍认为D 型氨基酸只存在于细菌和无脊椎动物体内[1,2],但是研究发现[3,4],依赖磷酸吡哆醛的人类丝氨酸消旋酶(hSR)在体内可催化丝氨酸从L 型转变为D 型,从而调节D 型丝氨酸在组织中的表达水平.近年来研究也证实,D 型氨基酸在高等有机体的脑部和其他一些组织,特别是在中枢神经系统中高度表达,并有着非常重要的作用[5-8],如D 型丝氨酸在哺乳动物的大脑中具有非常高的丰度,而且作为内源性配体,能够结合于N -甲基-D -天门冬氨酸(NMDA)受体的“甘氨酸”位点,从而调节该受体的活性[9-11].实验上证明NMDA 受体在神经的兴奋传递、神经元和海马区的突触的可塑性、视网膜的发育、学习与记忆等方面发挥着非常重要的作用,NMDA 受体的过度激活会导致神经细胞的死亡和引起脑缺血后的脑部损伤以及其他神经病理学方面的疾病[12].因此调节D 型丝氨酸在组织中的March 417Acta Phys.-Chim.Sin.,2009Vol.25表达水平对研究神经方面的疾病具有非常重要的意义[13-15].到目前为止,已有大量关于hSR的实验研究报道[12-15],表明hSR含有一个磷酸吡哆醛(PLP)结构域,并且结构保守区残基Lys50与PLP共价结合,在催化过程中把L型丝氨酸转换成D型丝氨酸.2006年,Dixon等人[16]利用高通量虚拟筛选和实验等手段获得了hSR的多肽类抑制剂,其研究结果表明本文所研究的多肽类抑制剂A和B(图1)能够很好地抑制hSR的活性并使其活性降低75%以上.但是, hSR三维结构详细信息的缺失,阻碍了对该酶的功能、催化机理等的进一步研究.同源模建和分子动力学模拟的方法能很好地应用于生物大分子的理论模拟,并指导和解释实验现象[17,18],本文采用这两种方法构建了hSR的三维结构模型,并通过分子对接和量子化学计算方法考察了多肽类抑制剂A和B与hSR的结合模式,以期为基于人类丝氨酸消旋酶的三维结构药物设计提供重要的参考信息.1计算方法1.1模型搭建以hSR的一级序列(来源于Swiss-Prot and TrEM BL数据库,编号:EC5.1.1.18)为探针,在NCBI数据库中利用protein blast程序搜索Brookheaven蛋白晶体数据库,得到模板蛋白裂殖酵母菌丝体的丝氨酸消旋酶的三维结构,收录号为1V71.整个模型的构建分为以下四个步骤.(1)利用clusterW程序进行序列比对,确定模板与序列之间的残基匹配.(2)模型的建立:根据序列比对的结果,采用modeler自动模建程序搭建hSR的三维结构并进行侧链异构化,对所得模型在pH为8.0条件下进行加氢、补建等化学修饰,然后把模板1V71中的辅酶磷酸吡哆醛的坐标赋到模建所得结构的相应位置,得到hSR的初始结构模型.(3)模型优化:将整个体系加入0.5nm TIP3P 水分子,借助Insight II程序包[15]中Discover3模块,首先采用最陡下降法(steepest descents,SD)进行500步的能量最小化,再采用共轭梯度法(conjugate gradient,CG)优化至能量梯度小于4.18×10-2kJ·mol-1·nm-1,能量优化采用分级方法,即先对溶剂水和蛋白质的氢原子进行能量优化,进而优化蛋白质的环区侧链、环区主链、结构保守区侧链和结构保守区主链,直至全部放开优化.优化后的hSR模型在没有任何约束条件下进行500ps分子动力学优化,所用力场为CVFF(consistent valence force field)力场.(4)模型的合理性评估:用profile-3D[19]和procheck[20]检查优化后模型的键长、键角及二面角的合理性,并计算了hSR与1V71主链原子的均方根偏差(RMSD).1.2分子对接hSR的活性位点的预测用binding-site程序、CASTp[21]程序以及CAVER[22]程序来确定.hSR与多肽类抑制剂的分子对接采用affinity程序[15].Affinity 是一套自动对接配体(客体)到受体(主体)的程序,对给定的由配体分子和受体分子组成的体系,它能自动地依据配体/受体复合物的能量得到最佳的配体和受体结合结构.分子对接时采用Monte Carlo极小化方法与模拟退火的方法,每次优化1000步,并考虑溶剂化效应,计算过程中采用cell multiple模型计算非键相互作用.配体和受体间的能量匹配用半经验的自由能计算方法来评价.1.3量子化学计算多肽类抑制剂A和B分子的几何构型见图1,它们都含有一个3-苯基丙乙酸部分和一个组氨酸部分.构型在6-31G(d,p)水平下采用B3LYP[23,24]方法优化,溶剂化模型采用CPCM模型[25](介电常数ε= 80).此外,在分子对接的基础上,截取抑制剂0.3nm 范围内的氨基酸残基获得截断hSR-抑制剂复合物模型.在B3LYP/6-31G(d,p)水平下分别计算抑制剂、氨基酸残基以及截断复合物的单点能,从而获得抑制剂与hSR之间的相互作用能.所有量子化学计算由Gaussian03程序包[26]来完成的.2结果与讨论2.1hSR三维结构的同源模建由自动模建程序modeler构建的初始模型,经图1多肽类抑制剂A和B的结构示意图Fig.1Structures of peptide inhibitors A and B418No.3赵勇山等：人类丝氨酸消旋酶的同源模建及其与多肽类抑制剂的分子对接过能量最小化和分子动力学模拟后,得到了hSR三维结构的合理模型,如图2所示.hSR的三维结构中含有14个α螺旋,10个β折叠和11个β转角. hSR与1V71主链原子的均方根偏差为0.054nm.在分子动力学的模拟过程中,如图3所示,体系的势能在50ps之后能量基本保持不变,蛋白质的RMSD 值也在最后达到了平衡.同时应用profile-3D对模建结构进行氨基酸残基的兼容性评测,其结构兼容性得分为130.13,远远高于临界得分60.89.从图4可以看出,绝大多数残基得分都是正值,均位于合理可信的位置,只有2个处于loop区的Tyr225和Ser296处于不合理范围之内,但它们远离活性位点,对后续研究没有不良影响.另外,还应用procheck 程序检查了hSR主链构型中的Φ-Ψ二面角的分布,图5给出的是Ramachandran plot检测图,图中处于合理区域的氨基酸比例大于99.6%,以上检测结果都表明,模建所得的hSR三维结构是合理可信的.2.2分子对接在同源模建所得hSR三维结构基础上,利用binding-site程序搜寻得到了hSR的2个可能的活图5人类消旋酶模建结构的Ramachandran图Fig.5Main-chain dihedral angles(Ramachandran plot)of the modeled human serine racemase A,B,and L represent the residues in most favoured regions;a,b,l, and p represent the residues in additional allowed regions;~a,~b,~l, and~p represent the residues in generously allowed regions.图2人类丝氨酸消旋酶三维结构的带状显示图Fig.2Ribbon representation of human serineracemaseDots model depicts pyridoxal phosphate(PLP).图3体系的势能曲线(a)以及蛋白质的RMSD曲线(b) Fig.3Potential energy of the system(a)and the root mean square deviation(RMSD)of the protein(b)图4人类丝氨酸消旋酶模建结构的profile-3D图Fig.4Profile-3D plot of the modeled human serineracemaseScore S means the compatibility of an amino acid sequence with aknown3D protein structure.419Acta Phys.-Chim.Sin.,2009Vol.25性位点,位点1由Lys50,Ser77,Gly79,His81,Pro147,Asn148,Gln149,Gly179,Gly180,Lys235,Ser236,Ser237,Gly239等残基和辅酶PLP 组成,而位点2由Ser78,Val99,Val100,Pro101,Cys122,Pro124,Gly127,Ser128等残基组成,根据消旋酶的催化机制以及实验上的相关报道[27],位点1中包含了催化残基Lys50、辅酶PLP 以及保守残基Gly179,Gly180等,因此选择位点1作为本文研究对象.我们还应用CASTp 和CAVER 位点预测程序验证所选位点的合理性.从图2中可以看出,hSR 的活性位点1位于蛋白质表面较为狭长的凹槽,并位于辅酶磷酸吡哆醛的上方.为了明确hSR 与多肽类抑制剂的相互作用情况,借助affinity 程序分别进行了hSR 与多肽类抑制剂A 和B 的分子对接研究,计算所得复合物的总能量(total energy),hSR 与配体的最低相互作用能(ΔE ),其主要作用的关键氨基酸残基分别列于表1中.hSR 与多肽类抑制剂A 的对接结果表明,二者的结合方式具有2种不同的空间取向.取向(1)在10个对接结果中为优势构象(图6(a)),其最低相互作用能为-347.86kJ ·mol -1.从图6(a)可以看出,抑制剂A 的咪唑环伸向活性位点的深处,其末端的羰基O 与E130的羧基O 形成水合氢键,K235的侧链氨基N 与3-苯基丙乙酸部分的氨基H 形成氢键,从而使3-苯基丙乙酸部分和引入的乙丁基恰好位于活性部位的空腔中.取向(2)与(1)的结合方式存在明显差异,选取其中相互作用能最低(-325.96kJ ·mol -1)的复合物构象来进行分析(图6(b)).抑制剂A 的3-苯基丙乙酸部分伸向活性位点的深处,3-苯基丙乙酸基团上的O 分别与S78和K235形成水合氢键,增强了复合物的稳定性.但是由于配体末端羰基O 与NH 分别与R129胍基和S78的羟基形成氢键,使配体引入的乙丁基暴露在hSR 的表面,从而减弱了多肽类抑制剂A 与hSR 之间的相互作用.从表1可以看到,借助affinity 程序计算得到的取向(1)的体系总能量和分子间相互作用能都比取向(2)的低,也就是说,取向(1)为最佳的作用模式.为了进一步验证抑制剂A 在hSR 中的结合方式,根据配体的作用机理,抽取对接结果中的抑制剂的几何结构,利用B3LYP 方法,在6-31G(d ,p )水平下,用截断复合物表1抑制剂A 和B 与hSR 对接的结果Table 1Results of docking runs for inhibitors A and B with hSRa)N is the total number of docking results,b)the lowest interaction energy of protein with the inhibitor obtained by docking results,including electrostatic and van der Waals interactions,c)the residues that form hydrogen bonds with the ligand,d)the interaction energy between the proteinand inhibitors calculated at B3LYP/6-31G(d ,p )level,e)the total energy of the complex from the docking results.energy in kJ ·mol -1Inhibitor Cluster N a ΔE b Contacting residue cEnergy d Total energy e A 16-347.86K235,E130-35.65-5.28×10424-325.96S78,R129,K235-15.05-5.25×104B15-462.79H76,N148,E130-68.95-5.22×10425-398.23D232,N148,H76,K235-52.96-5.21×104图6抑制剂A 与人类丝氨酸消旋酶活性位点的对接结果Fig.6Docking results of inhibitor A with hSR(a)cluster 1,(b)cluster 2420No.3赵勇山等：人类丝氨酸消旋酶的同源模建及其与多肽类抑制剂的分子对接模型计算了抑制剂A与蛋白质的相互作用能,从表1可以明显地看出,取向(1)的相互作用能明显的低于取向(2),从而进一步说明抑制剂A是以取向(1)的方式与hSR结合的.此外,还利用Ludi程序来评判所得复合物结构的合理性,取向(1)和(2)的打分分别为371和323,可以看出(1)的对接方式的打分远远高于(2),也进一步证明了抑制剂A是以(1)的方式与hSR结合的.对于抑制剂B,从得到的复合物的构象来看,在hSR活性位点中的结合情况也主要有两种方式,并且二者出现几率是一样的,对接结果见表1与图7.同样地,分别选取其中能量最低的构象进行讨论,以明确抑制剂B和hSR的具体作用方式.在方式(1)的最低相互作用能(-462.79kJ·mol-1)复合物构象中(图7(a)),抑制剂B的3-苯基丙乙酸部分伸向活性位点的深处,氨基酸残基E130与抑制剂B形成两个氢键,一个由E130的O与抑制剂的末端的NH形成,另一个是E130的O通过水分子与抑制剂B中间肽键上的O形成的水合氢键;残基N148也与抑制剂形成了两个氢键,即N148上的侧链O和氨基H分别通过水分子与抑制剂B末端的羰基O形成水合氢键.这些氢键对稳定空间体积较大的苯甲基有很大贡献.此外,咪唑环上的氮原子与H76的氨基H之间还有一个氢键存在.在方式(2)的最低相互作用能(-398.23kJ·mol-1)的复合物构象中,抑制剂B与hSR之间形成了四个氢键(图7(b)),抑制剂B 的咪唑环伸向活性位点的深处,但由于苯甲基所在的末端链太长,不能完全包埋在活性部位的空腔中而暴露于hSR的表面,导致了hSR和抑制剂B之间的相互作用减弱.为了进一步证明抑制剂B在hSR中结合的优势几何构型,同样的,利用B3LYP 方法,在6-31G(d,p)水平下,计算了方式(1)和(2)的相互作用能.结果如表1所示,方式(1)比(2)的相互作用能低,也就是说抑制剂是以方式(1)的结合方式与hSR结合的.方式(1)和(2)的Ludi打分分别为504和488.以上分析结果都表明,抑制剂B也是以(1)的方式结合在hSR中.3结论通过比较分析hSR与多肽类抑制剂A和B的对接结果,得到了hSR与抑制剂分子的最佳作用模式的详细理论信息.从二者之间的相互作用能、氢键的形成以及Ludi打分的数据来看,在多肽类抑制剂的R位点上引入体积较大的苯甲基(抑制剂B)更适合作为hSR的抑制剂.而且在hSR与多肽类抑制剂的对接结果中发现,人类丝氨酸消旋酶的Asn148, His76,Glu130,Lys235等残基在与抑制剂的作用过程中起到非常重要的作用.References1Corrigan,J.J.Science,1969,164:1422Corrigan,J.J.;Srinivasan,N.G.Biochemistry,1966,5:11853Panizzutti,R.;De Miranda,J.;Ribeiro,C.S.;Engelender,S.;Wolosker,H.Proc.Natl.Acad.Sci.U.S.A.,2001,98:52944De Miranda,J.;Santoro,A.;Engelender,S.;Wolosker,H.Gene, 2000,256:1835Nagata,Y.;Konno,R.;Yasumura,Y.;Akini,T.Biochem.J.,1989,图7抑制剂B与人类丝氨酸消旋酶活性位点的对接结果Fig.7Docking results of inhibitor B with hSR(a)cluster1,(b)cluster 2421Acta Phys.-Chim.Sin.,2009Vol.25257:2916Hashimoto,A.;Nishikawa,T.;Hayashi,T.;Fujii,N.;Harada,K.;Oka,T.;Takahashi,K.FEBS Lett.,1992,296:337Hashimoto,A.;Nishikawa,T.;Oka,T.;Takahashi,K.J.Neurochem.,1993,60:7838Nagata,Y.;Horiike,K.;Maeda,T.Brain Res.,1994,634:2919Matsui,T.;Sekiguchi,M.;Hashimoto,A.;Tomita,U.;Nishikawa, T.;Wada,K.J.Neurochem.,1995,65:45410Ivanovic,A.;Reilander,H.;Laube,B.;Kuhse,J.J.Biol.Chem., 1998,273:1993311Miyazaki,J.;Nakanishi,S.;Jingami,H.Biochem.J.,1999,340: 68712Choi,D.W.;Rothman,S.M.Annu.Rev.Neurosci.,1990,13:171 13Wolosker,H.;Blackshaw,S.;Snyder,S.H.Proc.Natl.Acad.Sci.U.S.A.,1999,96:1340914Hoffman,H.E.;Jiraskova,J.;Ingr,M.;Zrelebil,M.;Konvalinka, J.Protein Expr.Purif.,2009,63:6215Menghang,X.;Yuan,L.;David,J.F.;Chiu,C.;Wei,N.;Lawlor,A.;Lu,P.;Sur,C.;Ken,S.K.;Thomas,M.C.Mol.Brain Res.,2004,125:9616Dixon,S.M.;Li,P.;Liu,R.;Wolosker,H.;Lam,K.S.;Kurth,M.J.;Toney,M.D.J.Med.Chem.,2006,49:238817Zheng,X.L.;Zhang,H.X.;Sun,C.C.Chem.J.Chin.Univ.,2006, 27(7):1298[郑喜亮,张红星,孙家钟.高等学校化学学报,2006,27(7):1298]18Hu,J.P.;Ke,G.T.;Chang,S.;Chen,W.Z.;Wang,C.X.Acta Phys.-Chim.Sin.,2008,24(10):1803[胡建平,柯国涛,常珊,陈慰祖,王存新.物理化学学报,2008,24(10):1803]19Insight II user guide.San Diego:Molecular Simulation Inc.,2000 20Morris,A.L.;MacArthur,M.W.;Hutchinson,E.G.;Thornton,J.M.Proteins,1992,12:34521Liang,J.;Edelsbrunner,H.;Woodward,C.Protein Science,1998, 7:188422Damborsk伥,J.;Petǐek M.;Baná觢,P.;Otyepka,M.Biotechnol.J., 2007,2:6223Becke,A.D.J.Chem.Phys.,1993,98:564824Lee,C.;Yang,W.;Parr,R.G.Phys.Rev.B,1988,37:78525Barone,V.;Cossi,M.J.Chem.Phys.,1998,102:199526Frisch,M.J.;Trucks,G.W.;Schlegel,H.B.;et al.Gaussian03, Revision D.01.Pittsburgh PA:Gaussian Inc.,200327Yoshimura,T.;Esaki,N.J.Biosci.Bioeng.,2003,96:103422。

199820(04)计算机模拟法研究铀钚的非还原分离

199820(04)计算机模拟法研究铀钚的非还原分离

第20卷　第4期核　化　学　与　放　射　化　学V o l.20　N o .4　1998年11月Jou rnal of N uclear and R adi ochem istryN ov .1998 收稿日期:1997205221 收到修改稿日期:1997209202 韩宾兵:男,27岁,化学工程专业,博士计算机模拟法研究铀钚的非还原分离韩宾兵　吴秋林　朱永贝睿(清华大学核能技术设计研究院,北京102201) 应用遗传算法研究了铀钚的非还原分离,得到了一个可行的工艺条件,计算了该工艺条件下U ( )、Pu ( )和酸的浓度剖面,分析了各变量的灵敏度和操作弹性。

计算结果表明,用稀酸可以实现铀钚的非还原分离,同时得到铀产品及不同钚浓度的制备M OX 元件的铀钚混合液。

关键词　遗传算法　非还原分离　灵敏度　操作弹性 中图分类号　O ・652162PU R EX 流程中的铀钚分离是用还原的方法将钚还原到三价,为此需要加入氨基磺酸亚铁、羟胺或四价铀作还原剂[1],其中四价铀具有不向体系中引入其它离子的优点,但也存在体系易乳化和四价铀加入量较多的问题。

而电还原法还不太成熟。

国外近年来开始了铀钚的非还原分离研究,JA ER I [2]的研究表明在低温下通过稀酸反萃可以实现铀钚的较完全分离,并分析了改变反萃水相和补萃有机相流量对铀钚分离的影响。

本文试图用遗传算法[3]对铀钚的非还原分离进行优化计算,为实验研究提供指导。

1　计算原理 铀钚的非还原分离原则流程图示于图1。

计算中选定温度为25℃,原始有机相中TB P 的体积分数为30%,固定负载有机相的相对流量V ′为1,选取反萃段总级数N 1、补萃段总级数N 2、反萃水相酸度c (H +)、反萃水相相对流量L (与进料负载有机相流量之比)、补萃有机相相对流量V (与进料负载有机相流量之比)为待优化变量。

假定负载有机相中铀的质量浓度为90g L ,钚的质量浓度为110g L ,酸浓度为011m o l L 。

混合纳米氢氧化镍的球镍电极材料的电化学活性研究

混合纳米氢氧化镍的球镍电极材料的电化学活性研究


采用配位沉淀法制备出了 (4 . AB 0 ! 样品 - 经 CDE 测试为 !#(4 . AB 0 ! - F1G 测试结果表明其为平均粒径 ,"72 左右的不规 则的颗粒。 将所制备的纳米 (4 . AB 0 ! 按 $H?I 的比例在球镍中混合后制成电极 - 可使正极的比容量提高 ’’I 左右。 热分析表明 纳米 (4 . AB 0 ! 的电化学活性高于球镍的电化学活性。激光拉曼光谱的测试结果说明了 $H?I 混合后制成的纳米电极确实有较 好的放电容量- 同时也证实了用拉曼光谱可以表征电极材料的充放电性能。 关键词& 分类号 & 纳米氢氧化镍 A<’%* $’ J = 拉曼光谱 FK=$= 电化学活性
掺杂后能提高球镍的电化学活性 G 使模拟电池容量 提高 IIF 左右。 "- = 激光拉曼光谱 将纳米 %& ’ () * " 样品、球镍G 纳米电极与球镍 电极分别进行拉曼光谱测量 G 所得谱图见图 M N 图 $G 测量结果列于表 ! 中。 在拉曼光谱谱图上 G 若谱峰较多且峰的强度较 大 G 说明该材料放电容量较好。晶体的有序性越差 G 结构缺陷越多 G 谱峰就越强 O D P 。由表 ! 可以看到 G 单
’%()$*( +, *-% !-./0 1.(2-"/3% !%(* +, 4"56$%( .7 8+9 :)//%7* ; <= >5? @
@&9;:25,4 3&R4 H : M- U M- # =- M =- ! =- ! =- !
91:45&;2< %& ’ () * " 4<4;357@4
第=期 !""= 年 = 月
可变聚类无标度网络上的谣言免疫策略

可变聚类无标度网络上的谣言免疫策略

可变聚类无标度网络上的谣言免疫策略
何郁郁;邹艳丽;许旋风;郑京
【期刊名称】《计算物理》
【年(卷),期】2014(0)6
【摘要】提出一种聚类免疫策略,使用改进的经典谣言传播模型,在可变聚类无标度网络上研究其免疫效果.研究发现,聚类免疫的效果随着网络聚类系数的增加而变好.在不同聚类系数下,比较目标免疫、介数免疫、紧密度免疫和聚类免疫的免疫效果发现,无论网络的聚类特性如何,介数免疫始终是几种免疫策略中效果最好的,当网络聚类系数较大时,聚类免疫的效果超过紧密度免疫接近目标免疫,进一步增大网络的聚类系数,聚类免疫的效果超过目标免疫而接近介数免疫.
【总页数】6页(P751-756)
【关键词】聚类系数;免疫;谣言传播模型;可变聚类无标度网络
【作者】何郁郁;邹艳丽;许旋风;郑京
【作者单位】广西师范大学电子工程学院
【正文语种】中文
【中图分类】TP393.02
【相关文献】
1.在线社交网络谣言传播的仿真研究——基于聚类系数可变的无标度网络环境 [J], 朱张祥;刘咏梅
2.基于两层可变聚类系数无标度网络的即时信息传播建模和仿真 [J], 吴渝;杨艳蓉;
吴焕政
3.无标度网络上具有时滞的S IRS谣言传播模型 [J], 李涛
4.二部无标度网络上病毒传播模型和免疫策略研究 [J], 曾凤琳;温罗生
5.可变聚类系数无标度网络上的谣言传播仿真研究 [J], 潘灶烽;汪小帆;李翔
因版权原因，仅展示原文概要，查看原文内容请购买。