文章模拟了CO_(2)与绿氢合成甲醇的过程,提出了CO_(2)储能密度指标,研究了多个参数对甲醇储能性能的影响。研究结果表明:系统能效和甲醇能量产率随着电解水效率、单程CO_(2)转化率、电解水压力和CO_(2)初始压力的升高而升高,随着甲醇合...文章模拟了CO_(2)与绿氢合成甲醇的过程,提出了CO_(2)储能密度指标,研究了多个参数对甲醇储能性能的影响。研究结果表明:系统能效和甲醇能量产率随着电解水效率、单程CO_(2)转化率、电解水压力和CO_(2)初始压力的升高而升高,随着甲醇合成压力的升高而降低;CO_(2)储能密度随以上参数的变化趋势与系统能效和甲醇能量产率相反;电解水效率和单程CO_(2)转化率是敏感关键的参数;在最优组合工况下,基于甲醇高位和低位热值的系统能效分别为68.0%和59.6%,CO_(2)储能密度为6.07 k W·h/kg,能量产率为0.108 kg/(k W·h),表明以CO_(2)为原料的电制甲醇的系统能效不够理想,但储能密度优势显著。展开更多
提出了一种基于双层双向长短时记忆网络(bi-directional long short term memory,BiLSTM)和自注意力(self-attention)机制的药物-药物相互作用(drug-drug interactions,DDIs)预测方法SA-BiLSTM。首先,利用FP3指纹、MACCS指纹、Pubchem...提出了一种基于双层双向长短时记忆网络(bi-directional long short term memory,BiLSTM)和自注意力(self-attention)机制的药物-药物相互作用(drug-drug interactions,DDIs)预测方法SA-BiLSTM。首先,利用FP3指纹、MACCS指纹、Pubchem指纹和PaDEL分子描述符对药物特征信息进行提取。其次,使用套索回归(least absolute shrinkage and selection operator,Lasso)方法消除对分类无关的特征,并利用重复编辑最近邻(repeated edited nearest neighbors,RENN)方法对数据进行平衡处理,得到最优特征向量。最后,将最优特征向量输入结合自注意力机制和双向长短时记忆网络的分类器预测DDIs。基于五折交叉验证,同时与其它预测方法进行比较,本工作所提出的方法在两个数据集上获得较高的预测准确率。为了综合评价SA-BiLSTM的性能,对药物-药物相互作用网络进行验证。实验结果表明,SA-BiLSTM表现出优秀的预测能力,可以为DDIs的预测提供一种新的思路。展开更多
文摘文章模拟了CO_(2)与绿氢合成甲醇的过程,提出了CO_(2)储能密度指标,研究了多个参数对甲醇储能性能的影响。研究结果表明:系统能效和甲醇能量产率随着电解水效率、单程CO_(2)转化率、电解水压力和CO_(2)初始压力的升高而升高,随着甲醇合成压力的升高而降低;CO_(2)储能密度随以上参数的变化趋势与系统能效和甲醇能量产率相反;电解水效率和单程CO_(2)转化率是敏感关键的参数;在最优组合工况下,基于甲醇高位和低位热值的系统能效分别为68.0%和59.6%,CO_(2)储能密度为6.07 k W·h/kg,能量产率为0.108 kg/(k W·h),表明以CO_(2)为原料的电制甲醇的系统能效不够理想,但储能密度优势显著。
文摘提出了一种基于双层双向长短时记忆网络(bi-directional long short term memory,BiLSTM)和自注意力(self-attention)机制的药物-药物相互作用(drug-drug interactions,DDIs)预测方法SA-BiLSTM。首先,利用FP3指纹、MACCS指纹、Pubchem指纹和PaDEL分子描述符对药物特征信息进行提取。其次,使用套索回归(least absolute shrinkage and selection operator,Lasso)方法消除对分类无关的特征,并利用重复编辑最近邻(repeated edited nearest neighbors,RENN)方法对数据进行平衡处理,得到最优特征向量。最后,将最优特征向量输入结合自注意力机制和双向长短时记忆网络的分类器预测DDIs。基于五折交叉验证,同时与其它预测方法进行比较,本工作所提出的方法在两个数据集上获得较高的预测准确率。为了综合评价SA-BiLSTM的性能,对药物-药物相互作用网络进行验证。实验结果表明,SA-BiLSTM表现出优秀的预测能力,可以为DDIs的预测提供一种新的思路。
