Coxeter群上Kazhdan-Lusztig多项式的组合研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11801409
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    23.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0408.组合数学
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Since the Kazhdan-Lusztig theory was established, the Kazhdan-Lusztig polynomials have gained much attention. Because the theory of Coxeter groups stands a strong combinatorial background, combinatorics of Kazhdan-Lusztig polynomials have become important topics in algebraic combinatorics. As a well-known combinatorialist, F. Brenti had conjectured that many kinds of Kazhdan-Lusztig polynomials should be well expressed or generated. This project mainly focuses on the following problems: 1. Express or generate some kinds of Kazhdan-Lusztig polynomials, by engaging the combinatorial structures of Coxeter groups; 2. Discover or rediscover the properties of Kazhdan-Lusztig polynomials from combinatorial aspects, by focusing on the combinatorial interpretations of Kazhdan-Lusztig polynomials; 3. Investigate the partial order structure of Coxeter groups and make progress on the combinatorial invariance conjecture of Kazhdan-Lusztig polynomials.
Kazhdan-Lusztig理论一经提出, 其上的关键结构Kazhdan-Lusztig多项式就得到了广泛的关注. 由于Coxeter群所具有的组合背景, 从组合角度研究Kazhdan-Lusztig多项式成为了代数组合学的一个重要课题. 著名组合学家F. Brenti曾猜测多数Kazhdan-Lusztig多项式具有封闭的表达式或良好的生成函数. 本项目计划从以下几个方面对Kazhdan-Lusztig多项式进行组合研究: 一, 从Coxeter群上经典组合结构入手, 研究计算Kazhdan-Lusztig多项式的特殊表达式. 二, 从Kazhdan-Lusztig多项式的组合解释入手, 给出其上新的组合性质或对已有代数性质进行组合证明. 三, 对Coxeter群上的偏序结构进行研究, 希望在Kazhdan-Lusztig多项式组合不变性猜想上有所进展.

结项摘要

Coxeter群及其上的Hecke代数、Kazhdan-Lusztig理论一经提出就受到了广泛的关注。Kazhdan-Lusztig多项式是其相关的关键结构,且具有丰富的组合特征及背景。关于Kazhda-Lusztig多项式的组合不变性猜想更是几十年来关于Kazhdan-Lusztig理论重要的猜想。本项目主要从组合学角度研究了若干类型的Kazhdan-Lusztig多项式的性质、表达式及生成函数。具体来说,我们讨论了一类具有p-nesting、p-crossing结构的Bruhat区间的Kazhdan-Lusztig多项式;研究了有限反射群上抛物商的Kazhdan-Lusztig多项式的封闭表达式。另外,我们还针对此类研究中用到的数学工具进行了深入挖掘,扩展了Tinhofer快速图同构算法并给出了其在机器学习中应用,并对计算机代数等工具进行了若干应用研究。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Using Artificial Neural Networks to Model Errors in Biochemical Manipulation of DNA Molecules
使用人工神经网络模拟 DNA 分子生化操作中的错误
  • DOI:
    10.1109/tcbb.2021.3088525
  • 发表时间:
    2021-06
  • 期刊:
    IEEE/ACM Transactions on Computational Biology and Bioinformatics
  • 影响因子:
    --
  • 作者:
    Alan J. X. Guo;Hao Qi
  • 通讯作者:
    Hao Qi
Group-based network pruning via nonlinear relationship between convolution filters
通过卷积滤波器之间的非线性关系进行基于组的网络修剪
  • DOI:
    10.1007/s10489-021-02907-0
  • 发表时间:
    2022-01
  • 期刊:
    Applied Intelligence
  • 影响因子:
    5.3
  • 作者:
    Guanqun Zhang;Shuai Xu;Jing Li;Alan J.X. Guo
  • 通讯作者:
    Alan J.X. Guo
Classification of small-scale hyperspectral images with multi-source deep transfer learning
利用多源深度迁移学习对小尺度高光谱图像进行分类
  • DOI:
    10.1080/2150704x.2020.1714772
  • 发表时间:
    2020-04-02
  • 期刊:
    REMOTE SENSING LETTERS
  • 影响因子:
    2.3
  • 作者:
    Zhao, Xin;Liang, Yi;Zhu, Fei
  • 通讯作者:
    Zhu, Fei
Improving deep hyperspectral image classification performance with spectral unmixing
通过光谱分解提高深度高光谱图像分类性能
  • DOI:
    10.1016/j.sigpro.2020.107949
  • 发表时间:
    2021-01-21
  • 期刊:
    SIGNAL PROCESSING
  • 影响因子:
    4.4
  • 作者:
    Guo, Alan J. X.;Zhu, Fei
  • 通讯作者:
    Zhu, Fei

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码