学生的研究

阿里·吉斯勒,23岁

颗粒晶体中的弥散冲击波

由美国国家科学基金会拨款DMS-2107945资助

顾问: 克里斯托弗庄

分布图形

弥散冲击波(DSWs), 哪些通过膨胀波列连接不同振幅的状态, 在初始状态发生急剧变化时,已知在非线性色散介质中形成. Ari利用数值模拟和长波近似研究了颗粒链中的dsw.

 

Emmanuel Okyere, 23岁

离散守恒律中的孤波

由美国国家科学基金会拨款DMS-2107945资助

顾问: Chistopher庄

分布图形


离散守恒定律可用于模拟交通流等现象. 伊曼纽尔首先推导出一个准连续介质近似,研究离散守恒定律中的孤波, 找到那个模型的孤立波解. 他将他的解析近似与离散模型的孤波数值解进行了比较.

 

比约恩·路德维希,23岁

膜中的非线性共振

由美国国家科学基金会拨款DMS-2107945资助

顾问: Chistopher庄

分布图形


Bjorn研究了膜中的非线性共振. 2021年夏天, 他推导了一个平面ODE模型来描述膜,并使用定点迭代和微扰分析来预测共振峰. 2022年夏天, 他使用COMSOL对非线性膜进行了有限元模拟, 为他的ODE预测生成参数值, 并比较高维和低维模型之间的预测.

 

索尼娅·沙阿22岁

引力场的敏感性分析或Nelder-Mead

顾问: 亚当·利维

sonia.jpg

Nelder-Mead优化方法是一种求最小值的数值方法 多维空间中目标函数的. 索尼娅用这种方法 学习双变量函数和创建图像 这些功能相互吸引的盆地. 她用了三种不同的方法来制作这些 图像命名为系统点法、随机质心法和系统化法 质心法,并发现 系统化质心法是最精确、最有效的方法 在大多数情况下创造吸引力盆地的方法.

22岁的扎克·弗拉德和22岁的卢俊涛

图的组态空间

ZF由美国国家科学基金会资助DMS-2137628, JL由Gibbons Fellowship资助.

顾问: 埃里克·拉莫斯

扎克、军涛和我整个夏天都在研究图的组态空间. 更具体地说, 研究了一种定义在图构形空间上的随机缠绕过程. 这个过程最初是为了模仿更经典的平面缠绕过程而设计的, 但在这种情况下显示的行为与它的平面模拟物大不相同. 我们的目的是为一个猜想提供实验证据,假设当缠绕过程在树上进行时, 它足够精确,可以检测到它正在哪个树上执行. 为了实现这一目标,Juntao和Zach编写了在Bowdoin的超级计算集群上运行的代码. 特别是, 通过他们的工作, 我们现在有证据证明这个猜想远远超出了最初所知的范围, 哪一种树最多有10个顶点. 

 

吉尔·金22年

基于梯度的引流盆地敏感性分析 优化方法

顾问: 亚当·利维

gill.jpg

Gill分析了五种不同优化方法的有效性 产生吸引盆地的清晰图像的能力,这是一组初始点对于一个给定的函数,这是相同的最小值. 该方法的有效性会因函数的不同而略有变化,但是 一般定义为盆地图像模拟轮廓信息的接近程度 真正的最小值是定位的,并由所得到的图像的清晰度在描绘上定义良好 地区.  五个 方法根据其在四个不同目标函数中的总体有效性和一致性进行排名, 和 分析了该方法对函数微小变化的敏感性.

 

约翰·胡德22岁

随机梯度下降中噪声的重尾性

由斯科特和安妮·珀珀实习基金资助

顾问: 托马斯Pietraho

分布图形


随机梯度下降(SGD)是现代机器学习技术基础上的标准优化方法的一种令人惊讶的有效变体. 我们研究了它的随机性质, 重申它是重尾分布,而不是正态分布, 无论基础数据如何,这都是正确的.  我们还表明,在神经网络上部署的SGD尾部的重量随着模型中参数的数量而增加.

 

 

19岁的玛德琳·杰纳克斯和19岁的肖恩·麦克帕兰

用PDE逼近逼近离散dsw 

由美国国家科学基金会通过DMS-1615037资助

顾问: 克里斯托弗庄

色散冲击波图


弥散冲击波(DSWs), 哪些通过膨胀波列连接不同振幅的状态, 在初始状态发生急剧变化时,已知在非线性色散介质中形成. 在模拟激波管中的爆炸时,介质中的这种极端变化可能会发生, 当气体或液体在活塞腔内被压缩时, 或者当水坝决堤时. Sean和Madeline研究了一个由非线性弹簧耦合的质量组成的系统中的dsw. 使用多尺度分析, 他们就能推导出偏微分方程, 并以此来近似DSWs的形成和结构. 他们还进行了数值模拟来研究动力学.

Kevin Chen 19岁 

时变刚度颗粒链的参数不稳定性

由美国国家科学基金会通过DMS-1615037资助

顾问: 克里斯托弗庄

颗粒链是由具有弹性相互作用的粒子组成的一维网络.  凯文研究了一个颗粒链,其中颗粒的硬度会随时间变化. 特别是,刚度会周期性地变化(根据阶跃函数)。. 他通过色散关系的计算和数值模拟,探索了如何通过变刚度将不稳定性引入系统.

19岁的威弗利·哈登学生演练

空心椭圆圆柱阵列动力学

Stipend 和 travel support by the NSF through grant DMS-1615037; additional travel support provided by the Grua/O’Conell Fund

顾问: 克里斯托弗庄

应变软化材料在物理学中引起了极大的兴趣, 最近在数学和材料科学界. 我们所熟悉的大多数材料都是应变硬化的, 当它们变形的时候, 它们变得更难变形. Strain-softening materials have the opposite property; as they deform, they become easier to deform. 应变软化材料在实验环境下的动力学研究很少. 整整七个星期, 韦弗利致力于对一个表现出应变软化行为的系统进行建模和仿真. 它由一系列空心椭圆圆柱体(HEC)组成。. 她参观了她的导师和合作者的实验室, 杨金奎教授, 在她项目的最后三周,她将与开发HEC概念和实验装置的团队合作. 利用实验数据,她能够完善她的数学模型. 她还研究了一种控制链条撞击频率的实验装置, 并对通过数字图像相关获取的实验数据进行了处理.

帕特里克·布莱克斯通17届

SO(3,1)的线性谐波分析

由Kibbe机构研究奖学金资助

顾问: 威廉·巴克

The long term goal of this project was to determine the image of the Lp-Schwartz space (0 < p  2) under the operator-valued Fourier transform on the semi-simple Lie group SO(3,1), 固有洛伦兹群. 这将扩展20世纪80年代对李氏小组SL(2,R)进行的研究。. Patrick在SO(3)上的工作,1)反映了安德鲁·普赖休伯和贾斯汀·杜里-阿格里的SU(2),1), 尽管如此(3,1)与SU(2)相比,它是一个更容易处理的群体,因为它只有六维,1)它是八维的. 更重要的是, SO(3,1)没有“离散级数”的表示, 大大简化了SU(2,1). 帕特里克专注于项目中更多的代数基础, 建立了SO(3)的必要代数结构理论,1). 作为一名大二学生,Patrick并没有足够的背景去探索SO表征理论的更多分析方面(3),1), 这是解决终极Lp-Schwartz空间问题的必要条件. 

神经网络图像Parikshit Sharma '17

图像主题分类中的神经网络与迁移学习模型

顾问: 托马斯Pietraho

在迁移学习中, 经过训练以执行特定任务的机器学习模型被重新训练并重新用于执行补充任务.  经常, 神经网络在一种环境中学习到的低阶特征可以重新组合成在另一种环境中有用的高阶特征.  在这个项目中, 我们开始仅仅根据封面图像对一本书的主题区域进行分类. 使用迁移学习从许多预训练的图像分类神经网络,如谷歌的盗梦空间, 我们的新模型的分类准确率超过70%.  这接近于要求人类执行相同任务的准确性.

Sophie Bèrubè 16届和Tara Palnitkar 16届

diesel - leader Groups是图形自动的

由美国国家科学基金会通过DMS-1105407基金资助

顾问: 詹妮弗Taback

自动分组是在20世纪90年代引入的,目的是对与三维“形状”相关的分组进行分类,或者流形.  群是具有满足某些基本性质的操作的集合, 比如加法下的整数, 总的来说抓住了一些对称性, 也许复杂, object.  在自动组中, 称为有限状态自动机的简单计算机器被用来描述群元素以及群乘法.  这些自动机简化了组内的计算, 导致快速解决几何和计算问题的群论.  不幸的是, 并不是所有这三个不同的群体都属于这一类, 从而将该定义推广到图自动群的定义.  后者保留了自动分组的许多计算优势,同时大大扩大了班级.  

苏菲和塔拉努力展示了一个新的无限大家庭, 被称为“柴油领袖”组织, 或者更高级别的点灯人, 图形是自动的吗?.  这需要对这些群有深刻的几何和代数理解, 以及学习不同类型的有限状态自动机.  在此过程中,他们证明了一些相关的无限生成群也是图形自动的.  这项工作将作为一篇文章发表在《皇冠体育》上.

雅各布·哈特爆头17岁的雅各布·哈特和18岁的卡琳娜·斯皮罗实验室学生  

非线性能量收集

由缅因州空间资助协会提供的津贴, 此次旅行由美国国家科学基金会通过DMS-1615037基金资助

顾问: 克里斯托弗庄

在过去的几十年里,人们看到了振动能量收集研究活动的爆发, 哪一个涉及到机械能(如振动)转化为电能. 大多数商用能量收集器都是基于线性响应的, 有一个相对有限的振动频率范围,能量收集是有效的. Jake和Carina探索了非线性波动方程的新方面的整合,试图以新的方式获取能量. 他们特别研究了一组通过磁链耦合的悬臂梁. 项目的前六周, 他们致力于系统的建模, 数值模拟, 以及周期轨道的计算. 他们参观了他们的顾问和合作者的实验室, Chiara Daraio教授, 在苏黎世联邦理工学院进行最后两周的工作,与团队一起开发悬臂阵列的实验装置. 利用实验数据,他们能够完善他们的数学模型.

" class="hidden">吉吉影音影院