三维轴子绝缘体、多端口隔离器及其设计方法

    公开(公告)号:CN119340044A

    公开(公告)日:2025-01-21

    申请号:CN202411650072.0

    申请日:2024-11-19

    Applicant: 南京大学

    Abstract: 本发明提供一种基于旋磁光子晶体构建的三维轴子绝缘体,包括交替堆叠的A层和B层光子晶体,以及层间耦合层,且顶层和底层均为A层光子晶体;A层和B层光子晶体均由旋磁介质柱按正方晶格形式排列而成,且具有相同的晶格常数,且B层和A层光子晶体中的旋磁介质柱在x方向和y方向上错开半个周期;B层和A层光子晶体中施加于的旋磁介质柱的磁场等大相反;层间耦合层具有反演对称性的AB层间耦合层和BA层间耦合层。上述三维轴子绝缘体具有非共面手性棱态,能实现能量的非互易传输。进一步,本发明还基于上述三维轴子绝缘体提供一种多端口隔离器及其设计方法,得到的多端口隔离器在微波频段具有高隔离度和低损耗的特点。

    面向知识图谱表示学习的数据增广方法

    公开(公告)号:CN112417171B

    公开(公告)日:2023-10-03

    申请号:CN202011319011.8

    申请日:2020-11-23

    Applicant: 南京大学

    Abstract: 本发明公开了一种面向知识图谱表示学习的数据增广方法,包括以下步骤:给定一个知识图谱,首先将当前知识图谱中的三元组作为已观测到的事实,并从中挖掘逻辑规则。接下来,通过规则实例化步骤,利用当前观测到的事实推导出含有部分噪声的潜在事实,将其作为用于增广的候选三元组。由于表示学习模型对三元组存在一定辨别能力,本发明基于当前观测到的事实训练得到一个知识图谱嵌入模型。最后,通过结合嵌入模型,对候选三元组进行验证,过滤出噪声,得到增广三元组并补充进当前知识图谱中。重复上述步骤直到达到迭代最大次数。应用本发明能够对知识图谱进行用户可理解的数据增广,并提升知识图谱表示学习的效果。

    面向知识图谱表示学习的数据增广方法

    公开(公告)号:CN112417171A

    公开(公告)日:2021-02-26

    申请号:CN202011319011.8

    申请日:2020-11-23

    Applicant: 南京大学

    Abstract: 本发明公开了一种面向知识图谱表示学习的数据增广方法,包括以下步骤:给定一个知识图谱,首先将当前知识图谱中的三元组作为已观测到的事实,并从中挖掘逻辑规则。接下来,通过规则实例化步骤,利用当前观测到的事实推导出含有部分噪声的潜在事实,将其作为用于增广的候选三元组。由于表示学习模型对三元组存在一定辨别能力,本发明基于当前观测到的事实训练得到一个知识图谱嵌入模型。最后,通过结合嵌入模型,对候选三元组进行验证,过滤出噪声,得到增广三元组并补充进当前知识图谱中。重复上述步骤直到达到迭代最大次数。应用本发明能够对知识图谱进行用户可理解的数据增广,并提升知识图谱表示学习的效果。

    一种基于路径的知识图谱嵌入方法

    公开(公告)号:CN109815345A

    公开(公告)日:2019-05-28

    申请号:CN201910136349.0

    申请日:2019-02-25

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于路径的知识图谱嵌入方法,包括以下步骤:对于给定的单个知识图谱或由两个知识图谱构成的联合知识图谱,首先使用有偏随机游走方法对其进行采样。接下来,将得到的采样路径使用一种新的跳跃循环网络进行建模,该网络能够在有效学习路径中元素间依赖的同时,克服传统循环神经网络无法识别知识图谱结构的缺陷。对于跳跃循环神经网络的输出,采用基于类型的噪音对比估计方法高效地评估网络的损失,并以反馈更新的方式迭代进行训练。与现有技术相比,本发明所训练的知识图谱嵌入具有可表达性高,泛化能力强等优点,应用本发明能够显著提升知识图谱补全和实体对齐的准确率和效率。

Patent Agency Ranking