<正>《郑州大学学报(理学版)》(原刊名《郑州大学学报(自然科学版)》)是郑州大学主办的自然科学综合性学术刊物(双月刊,国内外公开发行),中文核心期刊,主要刊登信息与计算机科学、数学、物理学、化学、生物工程科学、材料科学、电气工程科学等自然科学的基础研究及应用研究方面的学术论文。1要求及注意事项1.1来稿应具有创新性、科学性、准确性和可读性。稿件必须包括(按顺序):题名、作者姓名、作者单位(具体到院系)及省份、城市邮政编码、中英文摘要(100～300字)、关键词(3～8个)、中图分类号、文献标志码、正文、参考文献。请在文稿首页地脚处依次注明基金项目、作者简介(内容包括姓名、出生年、性别、职称、学位、主要研究方向及E-mail)。
高校学报是一个特殊的学术期刊群体，在当今的发展中普遍存在缺少优质稿源、办刊理念滞后的困境。42所“双一流”高校学报自然科学版的学术影响力在2015—2024年均获得了大幅提升，其刊文规律值得研究。本文选择其中的20种基础学科学报作为研究对象，围绕4个关键办刊指标进行数据分析，得出了以下规律：年载文量要和期刊学术水平相匹配，要结合自身持续优化年载文量；要尊重参考文献的正常引用，拒绝非正常引用，尊重平均引文数量的客观发展规律；要破除“唯基金论”,用包容性吸引优质稿件；要客观对待和科学使用复合影响因子指标，注意自身历史数据的对比和同类期刊的对比。高校学报要尊重这些规律，注意从栏目、学科、出版周期、国际传播等多项因素综合考量，找出适合自身发展的期刊道路。
近些年，为支持国际中文教学，学界构建了大量的知识库，但大多是针对某一具体的资源对象，比如搭配库、例句库等，其孤立性问题较为突出。在万物智能的时代背景下，国际中文教学也面临着数智化转型的问题，其对语言教学资源提出了更高的要求，构建细粒度、各个资源对象相互关联的知识图谱成为必要。在教学过程中特别注重“因材施教”,因此，在构建教学用知识图谱时必须考虑知识的来源和用处，即场景化。利用BCC结构检索工具关联各个资源实体，充分考虑知识的来源以及适用的场景，构建了场景化的国际中文教学知识图谱，并初步进行了国际中文智慧教学的工程实践。
为了揭示双环芳烃茚的生成机制，研究了甲基自由基和苯乙炔的反应势能面，并计算了动力学数据。首先，采用B3LYP/6-311+G(d, p)方法对苯乙炔与甲基自由基反应体系中的所有物种进行了几何构型优化和振动频率分析。其次，采用CCSD(T)/aug-cc-pVDZ方法获得各物种的高精度能量。最后，采用RRKM/ME主方程动力学方法，计算重要路径的反应速率常数和路径分支比。研究结果表明，甲基自由基通过加成在苯乙炔的乙炔基侧链上可触发分子异构和断键反应，生成茚及其同分异构体；在变压力(0.001～0.1 MPa)和温度(300～3 000 K)条件下，1-苯基-1-丙炔(C_9H8)+H均为苯乙炔与甲基自由基反应体系的主要产物；低压条件更利于茚的生成，且与双分子产物C_6H_5+C_3H4、C_6H_5+C_3H4-2及Int41-P4+C_2H2的生成竞争激烈，而高压条件更有助于双分子产物的生成。
在大语言模型的助力下，知识图谱凭借结构化和语义丰富的特征，提升了数据关联与解释能力，为复杂知识推理和智能决策支持等领域提供了新的研究方向和应用潜力。从知识图谱的角度出发，总结了大语言模型驱动下知识图谱的构建及应用的最新研究进展。首先，从知识建模、信息抽取、知识融合以及知识图谱补全等角度探讨了知识图谱构建的新方法；其次，阐述了知识图谱在增强大语言模型、提升检索能力以及与大语言模型协同增强三个方面的应用；最后，对大语言模型与知识图谱结合的未来研究方向进行了展望。
针对多目标鲸鱼优化算法在解决武器目标分配时存在参数设置经验化、种群多样性差以及空间搜索能力弱等问题，提出一种自适应禁忌搜索多目标鲸鱼优化算法。首先，通过自适应网格划分和外部存档调整策略，使网格和档案大小能够根据种群分布状态和多样性变化情况自动调整。其次，设计了动态轮盘赌选择方法来控制全局最优个体的生成，以提高种群分布的多样性和均匀性。此外，引入了禁忌搜索算法中的禁忌列表和邻域搜索策略，扩大种群对新区域的探索能力。仿真实验结果表明，所提算法在种群分布性和解集多样性方面表现更优，同时具有更快的求解效率，有效提高了解集的质量，能够较好地解决多目标武器分配优化问题。
针对小样本医学图像分割的现有方法忽略了支持集和查询集之间的分布偏移和局部边缘细节的问题，提出了一种用于小样本医学图像分割的原型优化和细化分割网络(PORSNet)。网络中包含一个原型循环迭代模块，通过迭代执行初始原型校正、原型全局感知、原型蒸馏等步骤，抑制初始原型和查询集之间的分布偏移及增强原型的表达能力。此外，还包含一个原型细化分割模块，通过掩码引导聚合和特征归一细化，进一步处理边缘细节信息。在两个广泛使用的小样本医学公共数据集ABD-MRI和ABD-CT上进行大量验证表明，笔者提出的PORSNet可以利用少量样本在确保分割效果的同时具有良好的泛化能力。
公平交换协议旨在为数字信息交换提供安全、公平的机制，分析该类协议的公平性是信息安全领域中一个重要的研究内容。时间-事件逻辑具有描述协议主体知识和状态随时间变化的机制，是一种分析协议安全属性的有效方法。基于时间-事件逻辑针对公平交换协议中主体互不信任、存在欺骗行为的特点，通过分析当协议结束运行时，是否存在使不诚实主体获得额外优势的策略来分析协议的公平性。以一个基于身份的混淆乐观公平交换(identity based-ambiguous optimistic fair exchange, ID-AOFE)协议为例进行分析，定义了一种规范的消息交互过程，对ID-AOFE协议消息交互过程中的时间进行了细粒度分析，发现协议中存在两个公平性漏洞，结合图形描述方式给出了攻击发生的全过程，说明了时间-事件逻辑理论的有效性。
针对公交车客流预测中时空依赖关系难以有效利用的问题，提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先，利用时间特征编码器捕获不同时段客流之间的相似性，引入公交车站点的兴趣点(point of interest, POI)信息以辅助模型捕捉更多的节点特征。其次，采用动态建模时空依赖关系的方法完成对非欧几里得关系的建模，利用SimAM注意力模块捕获不同站点客流数据之间的整体差异性。在真实公交车客流数据集上的实验结果表明，相比最优基线模型，所提模型在预测未来12个时间步时的平均MAE和RMSE分别降低了0.34和0.33,展现了其在公交车客流预测中的有效性和优越性。
领域自适应面临现实场景复杂多变的问题，且现有的方法大多注重优化分类的一致性，而忽略了分类的确定性。针对上述问题，提出一种结合对比语言-图像预训练(constrastive language-image pre-training, CLIP)与分类确定性最大化的网络模型。CLIP作为一个多模态预训练模型，通过对大规模的图像-文本对进行预训练，具有强大的跨域泛化能力。通过提示学习和对比学习获取CLIP模型的知识，使模型适应更多的复杂现实场景。通过分类确定性最大化的方法，采用双分类器评估分类的一致性，减少模型在推理过程中的混淆。在Office-31、Office-Home和MiniDomainNet三个领域自适应基准数据集上进行实验，结果表明，与现有的先进方法相比，所提模型在三个数据集上的图像分类精确度均有提升。