- 综合排序
- 最热优先
- 最新优先
- 来自专栏量子化学
基态-激发态电子密度差等值面绘制
基态-激发态电子密度差可以比较直观地展示体系激发后电子的流向，分析体系的电子激发属性。关于电子密度，可以参看《从密度矩阵产生自然轨道-理论篇》一文。 同时使用了out=wfn，可以生成激发态的波函数信息，用于后续Multiwfn分析。若只用GaussView分析，则不需要此关键词。 一、用GaussView绘制等值面 1. 再次点击New Cube，Type中依然选择Total Density，而Density Matrix中选择CI，即生成激发态电子密度的cube文件。 4. 创建基态-激发态电子密度差的cube文件。 点击New Cube，Type中选择Subtract Two Cubes，Cube 1和Cube 2中分别选择前两步的电子密度cube文件： ? 可修改一下顺序，使第一个为激发态电子密度，第二个为基态电子密度。不改也无妨，结果相差负号而已。 5.
3.1K40发布于 2021-05-11 - 来自专栏模拟计算
第一性原理态密度计算的意义和用途-测试GO
第一性原理态密度分析的意义和用途在探索材料微观世界时，态密度（Density of States, DOS）犹如一把精密的电子扫描器，揭示电子在材料中能量分布的关键密码。 一、态密度分析的意义DOS 描述了材料中电子态在能量上的密集程度，即单位能量区间内可被电子占据的量子态数量。 二、态密度分析能获取的关键数据总体态密度（Total DOS, TDOS）：含义： 材料中所有电子态在能量上的总分布。核心信息：费米能级位置： 标志绝对零度下电子占据的最高能级。 核心信息：原子/轨道对电子态的贡献： 明确不同原子或不同轨道类型（如 Fe 的 3d 轨道，O 的 2p 轨道）在特定能量区间的电子态贡献大小。 第一性原理态密度分析通过计算并解读总态密度（TDOS）、投影态密度（PDOS）、局域态密度（LDOS）等关键数据，我们能精准定位材料的费米能级、精确计算带隙、深入解析复杂化学成键、揭示磁性微观机制、识别潜在的反应活性位点
64710编辑于 2025-07-24 - 来自专栏有价值炮灰
Android 用户态启动流程分析
init init 是用户态的第一个进程，由 Linux 内核启动，进程号为1。 second_stage 第二阶段的 init 进程，就是我们在 Android 用户态中见到的真正程序。 除了属性服务，init 中另外一个重要的功能就是对 initrc 的处理，毕竟作为用户态的第一个进程，其肩负了启动其他进程和服务的使命。 com.android.server.wifi.RttService com.android.server.wifi.aware.WifiAwareService com.android.server.wifi.p2p.WifiP2pService 参考链接 Android 操作系统架构 Android HAL 与 HIDL 开发笔记 Android进程间通信与逆向分析 从STM32L4看ARM裸板的启动过程
1.4K40编辑于 2023-02-12 - 来自专栏小明的数据分析笔记本
ggplot2画散点图拼接密度图
image.png 前几天有一个读者在公众号留言问上面这幅图应该如何实现，我想到一个办法是利用ggplot2分别画散点图和密度图，然后利用aplot包来拼图，aplot包是ggtree的作者新开发的一个包 df<-data.frame(x=x,y=y) head(df) 先做一个简单的散点图 library(ggplot2)ggplot(df,aes(x=x,y=y))+ geom_point() image.png 接下来是密度图 ggplot(df,aes(x))+ geom_density(fill="grey",alpha=0.5)+ scale_y_continuous(expand image.png y轴的密度分布也是这样画，下面就不重复了 接下来是拼图 library(ggplot2) library(aplot) p1<-ggplot(df,aes(x,y))+ geom_point image.png 遇到的问题是：如何给密度图的右下角的一部分填充另外一个颜色，这个我暂时还不知道如何实现？大家如果知道如何实现欢迎留言呀！ 欢迎大家关注我的公众号 小明的数据分析笔记本
1.1K20发布于 2020-12-08 - 来自专栏火星娃统计
ggplot2 核密度图和直方图
密度图和直方图 sunqi 2020/8/3 Density Plot Density Plot：也称作核密度图 函数和参数 geom_density() color, size, linetype: 颜色、大小和线的类型 fill：填充 alpha：透明度 绘图 # 需要的包 library(ggplot2) theme_set( theme_classic() + theme(legend.position = "lightgray") + # 添加垂直均值线 geom_vline(aes(xintercept = mean(weight)), linetype = "dashed") p1+p2 # 和和密度图组合 # 添加核密度图 p3 <- p + geom_histogram(aes(y = stat(density)), colour="black 结束语 核<em>密度</em>图和直方图一般在论文中使用的很少，这也就注定是一个数据探索阶段的绘图，所以修的再漂亮也没什么用 love&peace
5.7K61发布于 2020-09-15 - 来自专栏量子化学
分析激发态的跃迁类型
根据激发前后电子密度分布的变化情况又可分为局域激发(local excitation, LE)和电荷转移(charge transfer, CT)激发，顾名思义，前者电子密度在局部范围内变化，后者电子密度的分布区域发生了显著的变化 这里我们用PBE0/def2-TZVP优化结构，使用IEFPCM隐式溶剂模型考虑乙腈溶剂。之后做TD(nstates=50)激发态计算。以下我们分析S1和S2两个态。 S1态的输出为： Excited State 1: Singlet-A 4.4377 eV 279.39 nm f=0.0390 <S**2>=0.000 38- S2态的输出为： Excited State 2: Singlet-A 4.5032 eV 275.33 nm f=0.7058 <S**2>=0.000 38- 很多时候仅用一对轨道的跃迁无法很好地描述激发态，此时可以使用自然跃迁轨道来进行分析，我们后面进行介绍。
8.2K31发布于 2021-01-28 内容复习----visium分析hotspot与空间密度图
作者，Evil Genius今天我们来画一画空间密度图吧。不同条件的基因/细胞密度分布图一目了然可以看出疾病带来的影响。 + (spot[1] - sp[1]) ** 2) ** .5 if distance <= radius: surrounding.append(i) if # Add a score for each location cont = 1 for case, label in [(hexamer, 1), (extended, 2) ), columns=['code']) annotation['annotation'] = annotation.code.replace({0:'Hspot', 1:'dist100', 2: dist200': 8, 'dist300': 6, 'dist400': 4, 'dist500': 2,
33020编辑于 2025-04-08- 来自专栏EpiHub
R语言偏态分布的回归分析
偏态分布的回归分析 回归是我们经常遇到的模型，但是回归会根据Y因变量的类型，分成分类问题（Y是分类变量，如生存或死亡）与回归问题（Y是连续性变量，如身高体重）。 image.png 当然，我们遇到偏态分布时候，一般有两种处理方式。 通过将偏态数据进行log变换，转成正态分布进行回归。 直接使用 family=Gamma 指定Gamma分布。 Logistic Regression # where F is a binary factor and x1-x3 are continuous predictors fit <- glm(F~x1+x2+ Poisson Regression # where count is a count and x1-x3 are continuous predictors fit <- glm(count ~ x1+x2+ Gaussian Regression # where count is a count and x1-x3 are continuous predictors fit <- glm(count ~ x1+x2+
1.7K10编辑于 2022-11-03 - 来自专栏山河已无恙
如何使用 BPF 分析 Linux 内存泄漏，Linux 性能调优之 BPF 分析内核态、用户态内存泄漏
写在前面 博文内容为 通过 BCC 工具集 memleak 进行内存泄漏分析的简单认知 包括 memleak 脚本简单认知，内核态（内核模块）、用户态（Java,Python,C）内存跟踪泄漏分析 Demo ，下面的 Demo使用的最新版本的工具，实际上如果有特殊需求，可以定制化开发，感兴趣小伙伴可以尝试，欢迎留言讨论 内核态内存泄漏分析 这里我们通过一个内核模块来模拟内存泄漏的问题，memory_leak 用户态内存泄漏分析 java 内存泄漏分析 堆外内存 使用的 JDK 版本 [developer@developer ~]$ java --show-version openjdk 17.0.13 2024 ， tracemalloc 是 Python 标准库中的内存追踪调试工具，用于监控和分析 Python 程序的内存分配行为 C 内存泄漏分析 前面我们简单分析了这个 BCC 脚本，可以看到实际上他直接对内核库的一些用户态和内核态的内存分配函数进行埋点跟踪 关于 BCC 工具 memleak 进行内存泄漏分析和小伙伴分析到这里，上面都是一些 Demo，只是为了展示工具如何使用，实际的分析要结合调用栈复杂的多。
55800编辑于 2025-06-09 - 来自专栏黑光技术
【译】如何使用 eBPF 检测分析用户态程序
这篇文章较好的介绍使用 eBPF 对几种语言开发的应用程序进行可观测分析。介绍的也比较详细，对这块有兴趣的同学可以深入学习。 可用于检测分析应用程序的 eBPF 技术 跟踪用户空间进程有多种方法： 静态声明的 USDT 动态声明的 USDT 使用 uprobes 进行动态跟踪 静态声明的 USDT USDT (Userland 在简单的理论介绍之后，我们来看一些具体的例子，看看如何用跟踪分析不同的语言的应用程序。 让我们分析一下实际的 uprobe 程序。 在必需的 include 语句之后，有宏的定义，该宏通过偏移量处理的方式负责从堆栈中获取参数。 C 字符串是以空结束的序列串，而 Go 用 2 个值来描述：指向内存缓冲区的指针和字符串长度。
1.8K20编辑于 2022-11-29 - 来自专栏测试开发干货
接口测试平台代码实现106:登录态接口-2
本节我们要想办法构造出登陆态接口的div内的实际dom元素。 大部分内容我们仍然可以借鉴普通接口调试层的内容，所以打开P_apis.html，找到那个登陆态的div，开始进行添加内部控件，但是也不能全都照搬过来，有一些就不需要，比如接口名字。 : 98%;color: black"> <table class="table table-bordered table-striped" id="login_mytable<em>2</em>" Value <tbody id="login_mytbody<em>2</em>" 我们其他普通接口调用这个登陆态接口是为了什么？为了拿到token啊～，所以我们要写这个返回值设置。还要有提取结果展示： 在哪设置呢？
1.2K50编辑于 2022-05-19 - 来自专栏数据驱动实践
ggplot2拓展功能：局部放大和边际密度图
01 — ggExtra/ggpubr：边际密度示意图 ggplot拓展功能 第一部分的添加边际密度示意图。 #-----ggExtra:Add marginal density plots-------# library(ggplot2) # Create a scatter plot p <- ggplot Petal.Width, colour = Species)) + geom_point() + ggpubr::color_palette("jco") + facet_zoom(ylim = c(1,2)
2K10发布于 2020-11-03 - 来自专栏钱塘小甲子的博客
Python金融大数据分析-正态性检验
1.话题引入 我们在线性回归做假设检验，在时间序列分析做自回归检验，那么我们如何检验一个分布是否是正态分布的呢？ 首先，我们定义一个用来生成价格路径的函数。 rand = (rand - rand.mean())/rand.std() paths[t] = paths[t-1]*np.exp((r - 0.5*sigma**2) 2.正态性检验 我们知道，其实价格服从的是lognormal分布，而每天的收益率是服从正态分布呢，所以，首先我们根据上面的仿真数据来获得每天的收益率数据。 ('min',sta[1][0]) print "%14s %15.5f" % ('max',sta[1][1]) print "%14s %15.5f" % ('mean',sta[2] 所以，写个函数来分析： def normality_test(arr): print "Skew of dataset %14.3f" % scs.skew(arr) print "Skew
1.8K10发布于 2019-01-28 - 来自专栏用户3288143的专栏
【数据分析与可视化】直方图和密度图
# 理解取值范围分布直方图 a = np.arange(10) a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) # 0-2之间有一个，依次如此 plt.hist(a, rwidth 0.56231002, 0.07034966, 0.70300935, 1.33566903, 1.96832872, 2.6009884 , 3.23364809]) re[2] objects> # 参数修改间隔 默认10 bins=20,颜色，水平 plt.hist(s, rwidth=0.9, bins=20, color='red') (array([ 6., 2. 密度图 s.plot(kind='kde') ? <matplotlib.axes._subplots.AxesSubplot at 0x1a260c38d0>
76720发布于 2020-07-07 - 来自专栏Linux内核
用户态vdpa设备vduse简介及结合QEMU源码分析
术语vduse: VDUSE（vDPA Device in Userspace） 用户态vdpa设备VDUSE 简介：virtio 软件定义的数据路径2022 年 7 月 14 日 谢永吉, 王杰森标签 >domain->iotlb, info.start, info.last).compat_ioctl= compat_ptr_ioctl,.llseek= noop_llseek,};QEMU侧源码分析 # launch QSD exposing the VM image as `vduse1` vDPA device 通过vduse-blk将qcow2导出为用户态块设备$ qemu-storage-daemon \--blockdev file,filename=Fedora-Cloud-Base-39-1.5.x86_64.qcow2,node-name=file \--blockdev qcow2,file =file,node-name=qcow2 \--export vduse-blk,id=vduse1,name=vduse1,num-queues=1,node-name=qcow2,writable
1.2K10编辑于 2024-07-16 - 来自专栏思影科技
静息态功能磁共振成像:关于静息态功能连接和脑网络分析方法
在本文中，我们详细介绍了静息态功能磁共振成像的概念，然后讨论了三种最广泛使用的分析方法、描述了几种具有脑区特征的静息态网络及相关认知功能、静息态功能磁共振成像的临床应用。 即使在静息态，大脑也会消耗惊人的大量能量。一个成年人的大脑重量只占整个身体重量的2%，但是大脑消耗的能量大约占总能量消耗的20%。 图1显示了基于种子点的FC分析的处理过程。图2-7来自1.5T西门子MRI机(Magnetom Avanto TIM, Erlangen, Germany)获得的数据。 图2表示以左侧Brodmann 44区域和45区域为种子点区域进行的基于种子的FC分析。 图1：该流程图表示了使用基于种子的技术进行静息态连接性分析所涉及的基本步骤。 图2：以左侧Brodmann 44区域 (a, b, c)和45 区域 (d, e, f)作为种子点区域，进行基于种子的功能连接性分析。
5.7K30编辑于 2022-02-28 - 来自专栏韦东山嵌入式
DRV_07_UInput分析_用户态创建input_dev
git clone https://e.coding.net/weidongshan/linux/doc_and_source_for_drivers.git 视频观看 百问网驱动大全 UInput分析 _用户态创建input_dev 参考资料： 1. dev/input/uinput： 创建一个虚拟的输入设备 设置它的属性 APP发送数据给它，让它产生输入事件 uinput就会把这些输入事件分发给其他使用者(APP或内核里其他模块) 框图如下： 2. 结合应用程序分析uinput ibrate // 看到提示这个提示时: Will sleep 60s, in this time you should run ts_test // 运行测试程序 ts_test 结合应用程序分析uinput
1K20编辑于 2021-12-08 - 来自专栏硬件大熊
单火线设计系列文章2：闭态取电电路
本篇阐述单火开关开态、闭态取电电路的基本构成、工作原理，在进入文章之前，推荐阅读《单火线设计系列文章1：场景由来&技术问题》。 单火线智能开关的电子单元的基本电路构成包含：闭态取电电路、开态取电电路、开关电路、电源转换电路、无线通信SOC电路。 闭态取电电路 闭态的定义：灯具处于”关闭”的状态，即关灯。 闭态取电：灯具处于关态，通过该电路与灯具串联形成回路。闭态取电电路通过火线和灯线之间的电压差，从灯具回路中摄取一部分电流用来给无线通信SOC电路提供正常工作所需的电源，其电路简化模型如下图。 <12 mW）、晶丰明源的超低待机功耗的恒压驱动芯片（BP2535C：隔离应用待机功耗仅1.5mW） 2) RCC电路 3) 阻容降压电路 下面以晶丰明源的超低待机功耗的恒压驱动芯片BP2535C来说明闭态取电电路的工作原理 （详细设计可以参考学习书籍资料《精通开关电源设计》(第2版)：第3章 离线式变换器及其磁性元件设计） 开关电源控制IC及外围电路设计：查阅datasheet及demo资料，了解其内部架构，PWM控制模式
3K11编辑于 2022-06-23 - 来自专栏用户3288143的专栏
【数据分析可视化】seaborn实现直方图和密度图
# 密度图 Series 的方法直接画.plot s1.plot(kind='kde') <matplotlib.axes. seaborn画 # 直方图，密度图.distplot() # 参数 数据，分块，是否直方图，是否密度图,rug分布情况 sns.distplot(s1, bins=20, hist=True, kde # 密度图 # 参数 数据，颜色填充, 颜色 sns.kdeplot(s1, shade=True, color='r') <matplotlib.axes. 调用plot的方法(以前sns可以调用现在不行了) plt.plot(s1) [<matplotlib.lines.Line2D at 0x1a225d6650>] ?
1.1K20发布于 2020-07-07 - 来自专栏区块链入门
【链安】竞态条件漏洞分析及详细修复建议
什么是竞态条件 【竞态条件】竞态条件的官方定义是如果程序的执行顺序改变会影响结果，它就属于一个竞态条件。 详细分析 1、假设普通用户向原合约(Reentrancy.sol)存入15 ether； 2、攻击者部署攻击合约(POC.sol)，并调用setInstance()指向原合约部署地址； 3、攻击者调用攻击合约的 2、 确保状态变量改变发生在ether被发送(或者任何外部调用)之前，即Solidity官方推荐的检查-生效-交互模式(checks-effects-interactions); ? 有关The DAO原始漏洞的详细分析，请参阅Phil Daian的文章。 2. 交易顺序依赖攻击 问题描述 与大多数区块链一样，以太坊节点汇集交易并将其形成块。 引用： 本文转载自《弯道超车老司机戏耍智能合约 | 成都链安漏洞分析连载第三期 —— 竞态条件漏洞》，版权属于原作者*
1.3K20发布于 2018-08-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号