背景提升之约翰霍普金斯科研项目

约翰·霍普金斯大学，是一所世界顶尖的私立研究型大学，也是美国第一所研究型大学，美国大学协会的14所创始校之一，全球最富学术声望的大学之一。霍普金斯大学被公认为是当今世界一流的高等教育机构之一，不仅拥有全球顶级的医学院、公共卫生学院、国际关系学院，其生物工程、空间科学、社会与人文科学，音乐艺术等领域的卓越成就也名扬世界。所以参加约翰霍普金斯的科研项目是实现背景提升的好方法。今天小编想要为大家推荐的科研项目就是约翰霍普金斯的项目。

约翰霍普金斯科研课题：调制信号的实时识别与控制

课题简介

振幅调制（Amplitude modulation）和频率调制（Frequency modulation）在无线通讯，（例如：收音机）中有着重要应用，然而传统的调试识别以及解调方法主要基于带通滤波，其侧重于获得承载信号，而其中大量的调制信息却损失了。近年来，加权最小二乘法在水动力特性识别中获得了成功应用，其对于调制信号识别的适用性也获得了初步的验证。

本课题将设计一信息-物理系统（Cyber-Physical system），假想调制信号满足一时变的质量-弹簧-阻尼器系统，应用加权最小二乘法，实时识别该系统中的时变参数（时变质量，时变阻尼），从而获得调制信号的振幅调制和频率调制信息。进一步，通过实时控制该系统的虚拟参数，从而实现对调制信号的实时控制。

科研方法

AI+X数据驱动型科研

AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

授课导师

约翰霍普金斯大学 博士

多次以第一作者身份，在Journal of Fluids and Structures、Journal of Fluid Mechanics、Journal of Vibration and Shock等国际知名期刊和杂志上发表过多篇专业学术论文；

曾荣获ASC17超级计算机挑战赛第一名；年度“2016年度Top Academics”国际学术会议杰出表现奖；

研究方向：Turbulence, Control Theory, Energy System"。

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

英文：

具备基本的学术英语阅读能力；

接触过英文写作，有论文写作经验者更佳；

数学：

微积分（偏微分）

线性代数

计算机：

MATLAB入门

物理：

简谐运动

约翰·霍普金斯博士科研课题：卫星轨道的计算机模拟与最优控制

课题简介

卫星轨道的计算机模拟与最优控制

Simulation and Optimal Control of Satellite Orbit

限制性三体问题是太阳系小天体运动的主要力学模型，也是研究月球、火星、行星、以及飞行器运动中的简化力学模型。三体问题的周期解对于人造卫星的轨道设计具有重要的指导意义。例如即将发射的詹姆斯·韦伯空间望远镜，其将放置于太阳-地球的第二拉格朗日点，其为三体问题的五个特殊解之一。在该点上，韦伯空间望远镜将永远背对地球。

本课题旨在运用应用数学的方法，使用计算机编程对于卫星轨道进行模拟并设计最优控制策略。首先基于牛顿第二定律，有限差分方法完成单体卫星轨道的数值模拟。其次，使用摄动法将其拓展为考虑卫星与行星的双体问题甚至考虑卫星、行星与恒星的三体问题。尝试对于三体问题中出现的混沌现象进行初值敏感性分析。基于该分析结果，结合最优控制理论，设计人造卫星的优化运行路径，获得对于工程应用具有指导意义的结论。

本课题是使用数学方法，通过计算机编程研究航空航天中的实际问题。研究者将建立起系统的使用数学工具与计算机编程研究科学与工程问题的能力。

科研流程

课程模块一：预备课程

在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。

课程模块二：科研辅导

来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：

微积分、线性代数和概率统计入门；

学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；

学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析

学习回归分析(regression)，对金融数据进行社交媒体效应的评估

学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；

课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。

指导速度可能因实际教学情况而异

课程模块三：论文写作&发表

在科研辅导结束后

项目导师将辅导学生完成论文写作

协助学生完成论文在英文学术期刊上正式发表。

整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。

授课导师

约翰·霍普金斯大学  博士

多次以第一作者身份，在Journal of Fluids and Structures、Journal of Fluid Mechanics、Journal of Vibration and Shock等国际知名期刊和杂志上发表过多篇专业学术论文。

曾荣获ASC17超级计算机挑战赛第一名；年度“2016年度Top Academics”国际学术会议杰出表现奖

研究方向：Turbulence, Control Theory, Energy System

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

本项目适合适合对于使用数学方法，以及计算机编程解决和探究实际科学与工程问题有浓厚的兴趣的学生。

英文：

能使用英文阅读相关文献并撰写论文

数学：

微积分

计算机：

MATLAB入门

上面的两个科研项目就是翰林国际教育的名校名校导师科研项目中的约翰霍普金斯的科研课题。不管是对学校还是项目感兴趣都可以踊跃报名，是实现背景提升的好方法。

报名/咨询课题详情

请识别下方二维码