2021年10月6日下午光能数理学院秋季“研究生创新学术论坛”活动在热动教研室拉开序幕，本次活动由光能数理学院院办主办，各班班委主持，全院各年级研究生学生参加。

报告人：周治威 徐倩倩 方楚杰 熊章涛 牛婷婷 周云鹏 胡智伟 张俊 李晓芳 杨子祥 龚彬 张钰鹏 彭浩南 顾有健 王倩 朱鑫姝

本次活动有光学工程、热动、计算机三个专业16名学生作学术报告。每个报告分为三个部分，第一部分是自我介绍，第二部分是专业PPT讲解，第三部分是相互提问和讨论，每人最少讲解15分钟。 会上同学们的讲解逻辑清晰，专业性强，情绪激昂有活力。

光学工程胡智伟同学围绕着“激子与激元的弱耦合”，介绍自己关于纳米颗粒（Ag）——金属薄膜系统的等离子体间隙模式的调控和在近红外实现的激子与激元弱耦合的一些研究。当把金属纳米颗粒放置到有一定间隙的金属薄膜附近时，由于表面等离激元共振模式之间的杂化，电磁场模式被进一步压缩到金属纳米颗粒和金属薄膜之间的间隙(通常只有几个纳米)中，形成称之为间隙模式的等离子体共振。此时局域电场被显著的增强，而且它对于间隙距离非常敏感，这为报告人研究等离激元与分子激子之间的耦合效应提供了一个很好的研究平台。

热动专业张钰鹏同学以“叶道涡形成机理和压力脉动”为报告题目，讲述了随着混流式水轮机的不断发展，在发现尾水涡和卡门涡以后，还存在着如叶道涡这种水力不稳定现象，但由于人们之前普遍将水轮机运行在高负荷工况下，在该工况下叶道涡很被发现，但是如今节能减排的倡导，人们开始把水轮机运行在低负荷工况下，此时叶道涡现象率有发生，并且对水轮机的稳定性产生了严重危害。并且还对混流式水轮机叶道涡现象从形成机理道、形成的位置、叶道涡的种类、空化特征、流动特性、压力脉动特征、以及危害和对策进行了讨论和总结。

计算机专业彭浩南同学的报告题目为“SCMAG: A Semi-supervised Single-Cell Clustering Method Based On Matrix Aggregation Graph Convolutional Neural Network”。本次报告主要讲述了一个基于矩阵聚合图卷积神经网络的半监督单细胞聚类算法，图卷积神经网络将单元格之间的相似性转化为图中边之间的连接关系，然后利用卷积运算进一步提取边的分类特征。由于其强大的特征提取能力，该算法在半监督聚类中表现出很强的性能。然而，该算法在实际应用中需要调整很多参数，尤其是如何将细胞上基因的表达矩阵转化为能够有效反映细胞间相似关系的连接图是一个关键问题。 为了解决这个问题，报告人提出了 SCMAG。与传统的图卷积神经网络相比，将相似度矩阵通过不同的阈值划分得到不同的关联矩阵，然后构建最小距离矩阵，可以充分利用细胞中的高维信息，更好地反映细胞的特征。此外，报告人还测试了几种常用的半监督学习方法、标签传播、标签传播、自训练和普通 GCN 在相同条件下的细胞分类准确性。发现与其他四种竞争方法相比，SCMAG在分类准确度方面表现出最佳的平均性能。

此次报告会为“研究生创新学术论坛”系列活动之一，后续学院将会继续举办。此活动为加强研究生学术交流，拓宽了学术视野，启发思路，以及学院的学科发展起到了积极的推动作用。