近期，电子电气工程学院苏前敏副教授指导2024届硕士研究生程高艺（第一作者）在国际著名期刊《Nuclear Science and Technology》上，发表题为“The Study of Intelligent Algorithm in Particle Identification of Heavy-Ion Collisions at Low and Intermediate Energies”的最新研究成果，该文章被选为《Nuclear Science and Technology》2024年2月的封面论文，该期刊系中科院SCI分区一区Top期刊。该生为我校和中国科学院上海应用物理研究所联合培养研究生，该生目前已经报考中科院博士。

粒子鉴别技术是核物理研究中的重要基础和里程碑，随着技术的发展，传统粒子鉴别方法越来越难以有效应对复杂的实验环境和海量的实验数据，论文提出了一种使用监督学习分类算法对中低能重离子碰撞的反应产物进行粒子鉴别的方法，文中选择了多种机器学习和深度学习的分类算法进行研究。利用Geant4仿真软件工具包构建模拟实验获取有益的实验数据，在Texas A&M University的NIMROD-ISiS实验数据和Geant4模拟数据上使用各种算法进行测试研究，此可为未来核物理粒子鉴别国产软件开发提供关键算法。该研究得到了中国科学院战略先导专项(XDB34030000)、国家重点研究发展计划(2022YFA1602404)、国家自然科学基金(11975210， U1832129)、中国科学院青年创新促进会(2017309)的资助，合作者为中国科学院上海应用物理研究所的曹喜光博士，特别感谢Professor J. B. Natowitz(Texas A&M University)的支持。

同时，苏前敏副教授还指导该生参与2022年上海保隆汽车科技股份有限公司的轮胎胎压监测系统开发项目。在2023年该生参与了广西桂林第二届核物理及核数据中的机器学习应用研讨会，并在会议上进行了学术汇报。

除此之外，苏前敏老师还指导2023届学生行帅（第一作者）在国际著名期刊《Expert Systems with Applications》上（DOI:10.1016/j.eswa.2023.120195），中科院分区计算机科学大类一区Top期刊影响因子为8.5， 发表题为“PDCSN: A partition density clustering with self-adaptive neighborhoods”的最新研究成果，创新提出了一种自适应的密度分区聚类的方法。

1. Cheng G Y, Su Q M, Cao X G, et al. The Study of Intelligent Algorithm in Particle Identification of Heavy-Ion Collisions at Low and Intermediate Energies[J]. Nuclear Science and Technology, 2024，DOI:10.1007/s41365-024-01388-3.

2. Xing S, Su Q M, Xiong Y J, et al. PDCSN: A partition density clustering with self-adaptive neighborhoods[J]. Expert Systems with Applications, 2023, 227: 120195.