紫外可见偏振成像光谱仪的光谱定标与匹配方法

紫外可见偏振成像光谱仪中沃拉斯顿棱镜的色散效应会导致探测器同一空间通道的中心坐标发生偏移，影响目标信号探测精度。根据偏振解调算法，利用沃拉斯顿棱镜出射的两正交分量调制光谱(S光和P光)实现偏振信息解调时，还需要完成光谱匹配。针对这一问题，提出了一种光谱定标与匹配方法。首先利用平行光源标定了仪器视场角与空间维像元的对应关系，提取出各空间通道对应的像元坐标集合并确定了视场定标方程；在同一空间通道内，通过低压汞灯标准光源对波长与像元的对应关系进行标定，得出光谱定标方程；利用视场定标和光谱定标结果完成正交分量光谱的匹配；最后利用太阳光谱中Fraunhofer线的特征波长对定标结果进行了检验。结果表明：紫外可见偏振成像光谱仪正交分量的光谱吸收峰位具有较好的一致性，定标值和标准值的偏差在0.1 nm以内，这验证了定标结果的准确性。     

CeO2基磨粒在化学机械抛光中的研究进展

CeO₂由于其适当的机械性能及高的化学活性，更重要的是其对Si₃N₄/SiO₂的高选择性去除，使其被广泛应用于浅槽隔离化学机械抛光工艺中。本文论述了CeO₂基抛光液的抛光机制的研究进展，从CeO₂磨料的形貌尺寸、晶体结构、力学性能方面分析了磨料性质对抛光性能的影响，并进一步讨论了CeO₂基研磨颗粒及相关辅助抛光技术在CMP应用上的研究进展。以此为CeO₂基磨料的可控制备及新型抛光技术的发展提供借鉴，并希望能够促进CeO₂基研磨颗粒在抛光工艺中作用机制的揭示，使CeO₂抛光液更广泛地应用于材料的平坦化处理中。     

CdS/Si nanofilm heterojunctions based on amorphous silicon films:Fabrication,structures,and electrical properties

Shortening the distance between the depletion region and the electrodes to reduce the trapped probability of carriers is a useful approach for improving the performance of heterojunction.The CdS/Si nanofilm heterojunctions are fabricated by using the radio frequency magnetron sputtering method to deposit the amorphous silicon nanofilms and Cd S nanofilms on the ITO glass in turn.The relation of current density to applied voltage(I-V)shows the obvious rectification effect.From the analysis of the double logarithm I-V curve it follows that below~2.73 V the electron behaviors obey the Ohmic mechanism and above~2.73 V the electron behaviors conform to the space charge limited current(SCLC)mechanism.In the SCLC region part of the traps between the Fermi level and conduction band are occupied,and with the increase of voltage most of the traps are occupied.It is believed that Cd S/Si nanofilm heterojunction is a potential candidate in the field of nano electronic and optoelectronic devices by optimizing its fabricating procedure.     

高亲和力抗eGFP纳米抗体的筛选与应用

将增强型绿色荧光蛋白（Enhanced Green Fluorescent Protein, eGFP）免疫羊驼后构建纳米抗体免疫库,固相淘选eGFP纳米抗体;构建E.coli Rosetta表达载体,诱导表达纳米抗体,并鉴定其结合活性及特异性;辣根过氧化物酶（Horseradish peroxidase, HRP）标纳米抗体,确定其工作浓度及稳定性;将纳米抗体与纳米磁珠偶联应用于免疫沉淀B13-EGFP融合蛋白。四免后抗血清滴度超过1.28×106,获得库容量为1.85×108 cfu的抗eGFP纳米抗体噬菌体展示文库;原核表达10种独特基因序列的纳米抗体,均为可溶性表达;采用ForteBio Octet确定出纳米抗体4-28与eGFP的亲和常数（KD）最高,达到9.67×10-11M;纳米抗体4-28与eGFP、绿色荧光蛋白（Green Fluorescent Protein, GFP）特异性结合;HRP标记纳米抗体4-28检测范围是1:10 000～1:25 000(浓度100～40 ng·mL-1),比市场上现有的检测二抗（稀释范围1:5 000～1:20 000）灵敏度更高;纳米抗体4-28偶联羧基化纳米磁珠,免疫沉淀B13-eGFP融合蛋白,实现了简单快速分离目的蛋白B13-eGFP。     

硅和锗纳米线的原子排布和电荷分布的密度泛函紧束缚方法研究

低维硅锗材料是制备纳米电子器件的重要候选材料，是研发高效率、低能耗和超高速新一代纳米电子器件的基础材料之一，有着潜在的应用价值。采用密度泛函紧束缚方法分别对厚度相同、宽度在0.272 nm~0.554 nm之间的硅纳米线和宽度在0.283 nm~0.567 nm之间的锗纳米线的原子排布和电荷分布进行了计算研究。硅、锗纳米线宽度的改变使原子排布，纳米线的原子间键长和键角发生明显改变。纳米线表层结构的改变对各层内的电荷分布产生重要影响。纳米线中各原子的电荷转移量与该原子在表层内的位置相关。纳米线的尺寸和表层内原子排列结构对体系的稳定性产生重要影响。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

基于卷积神经网络的HL-2A装置H模辨识研究

基于HL-2A装置的放电实验数据，利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法，得到了可靠的高成功率的高约束模时段识别结果。算法中，选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习，得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验，高约束模识别的正确率达到了98.17%。     

基于测试分析视角透析数学高考改革方向——以2022年新高考全国1卷为例北大核心

高考是国家选材最直接的方式,也是检验教学教研质量的基本手段.2022年新高考全国1卷(下称新1卷)坚持素养导向、能力为重原则[1],紧扣高中数学主体内容,突出学科特点,重视理性思维,强调关键能力.试题比例恰当,基础题源于课本、中档题追求内涵、高档题灵活创新,呈现出“低起点、多层次、高落差”的特点.试卷注重对概念理解的考查,引导教学回归本源,大部分试题以经典问题为载体,通过适度改编,考查学生对问题本质的理解程度.同时,试卷充分发挥数学的应用价值,多处设置问题情境,真正让知识学以致用.在一些关键的能力题上,试卷通过多题引导、层层递进的方式进行提示,力求有效区分学生层次.试题的解答追求通法通解,摒弃各类“秒杀”技巧,体现公平性原则.