可控化学腐蚀法制备碳化硅量子点及其表面修饰

通过可控的化学腐蚀法完成了对碳化硅量子点的制备,而后经超声空化作用及高速层析裁剪获得水相的碳化硅量子点溶液,利用化学偶联法,一步实现了SiC量子点的表面物化特性调控.通过对制备工艺参数调整前后量子点微观形貌、光谱特性的表征,结果表明:腐蚀次数、腐蚀剂组分及腐蚀剂配比是影响碳化硅量子点光致发光效率的主要因素,调整腐蚀次数与腐蚀剂组分的配比,同时加入偶联剂分析纯硫酸,当以V(HF):V(HNO3):V(H2 SO4)=6:1:1(体积比)的组分及比例腐蚀球磨后的β-SiC粉体时,制备出的水相碳化硅量子点光致发光相对强度最为理想.同时对碳化硅量子点表面巯基的形成机制与修饰稳定性进行了初步分析.     

全无机钙钛矿量子点的合成、性质及发光二极管应用进展

近年来,全无机铯铅卤素钙钛矿(CsPb X 3,X=Cl,Br,I)量子点由于其色纯度高、具有可调谐的发射波长(410~760 nm)、窄的半峰宽(12~42 nm)和较高的荧光量子产率(最高可达95%以上)以及可全溶液处理等优势而受到人们的高度关注,在显示和照明领域有着较为广阔的应用前景。本文首先介绍了近年来发展起来的全无机钙钛矿量子点的液相合成方法,如高温热注射法、一步反应法、阴离子交换法和过饱和重结晶法等;其次介绍了全无机钙钛矿量子点的形貌、尺寸和晶型调控及材料组分、反应温度和杂质离子对其发光性能的影响,进而总结了无铅全无机钙钛矿量子点的研究进展;然后介绍了全无机钙钛矿量子点在发光二极管方面的应用进展;最后概述了全无机钙钛矿量子点在未来发展中存在的挑战和机遇。     

碳量子点/曙红Y比率型荧光探针测定L-抗坏血酸

以天然生物质去皮的蓖麻为碳源,采用一步水热法合成了荧光性能优良的绿色荧光蓖麻碳量子点(CO-CQDs),对其形貌和发光性能进行了表征。通过将该CO-CQDs与荧光极强的卤代荧光素染料曙红Y(EY)复合,二者可形成荧光发射峰相距较远的新型CO-CQDs/EY复合物。在pH=4.00的Na2HPO4-柠檬酸缓冲溶液中,在320 nm的激发波长下,CO-CQDs/EY复合物于405 nm和540 nm处显示出两个独立的荧光发射峰。在该体系中加入Cr(Ⅵ),405 nm和540 nm两处的荧光信号均显著猝灭。L-抗坏血酸(L-ascorbic acid,AA)的加入可使复合物于540 nm的荧光信号恢复,而405 nm处的荧光强度基本不变。据此建立了一种以CO-CQDs/EY复合物为比率型荧光探针测定AA的新方法。实验测定了荧光信号恢复的最佳条件和影响荧光恢复的因素,初步探讨了反应机理。在优化的实验条件下,该探针于540 nm/405 nm两处的荧光强度比值与AA的浓度在5.0×10^-8~4.0×10^-6 mol/L范围内呈良好线性关系,检出限为3.7×10^-8 mol/L。该探针用于检测药物、水果和蔬菜中AA的含量,结果满意。     

格点量子色动力学在中国

1.格点量子色动力学概述经过多年努力,人们已经成功地将自然界四种基本相互作用(强、弱、电磁、引力)中的前三种统一在量子场论的框架之中,即粒子物理的标准模型(Standard Model,SM)。     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

基于三维荧光光谱法和PARAFAC对多环芳烃定性定量分析

三维荧光光谱法在研究多环芳烃(PAHs)类物质的荧光信息时起到了重要作用。多环芳烃类物质具有致癌性,难降解性,多由尾气排放,垃圾焚烧产生,危害着人类健康及环境,因此人们不断探索对多环芳烃检测的方法。实验选取多环芳烃中的苊和萘作为检测物质,利用FLS920荧光光谱仪,为避免荧光光谱仪本身产生的瑞利散射影响,设置起始的发射波长滞后激发波长40 nm,设置扫描的激发波长(λex)范围为:200~370 nm,发射波长(λem)范围为:240~390 nm,对多环芳烃进行荧光扫描获取荧光数据,采用三维荧光光谱技术结合平行因子算法对混合溶液中的苊和萘进行定性定量分析。实验选用的苊和萘均购于阿拉丁试剂官网,配制浓度为10 mg·L-1的一级储备液,再将一级储备液稀释,得到苊和萘浓度为0.5,1,1.5,2,2.5,3,3.5,4和4.5 mg·L-1的二级储备液,并将苊和萘进行混合。在进行光谱分析前需要对苊和萘的光谱进行预处理,采用空白扣除法扣除拉曼散射的影响,并采用集合经验模态分解(EEMD)消除干扰噪声。实验测得苊存在两个波峰,位于λex=298 nm,λem=324/338 nm处,萘存在一个波峰,位于λex=280 nm,λem=322 nm处。选用的PARAFAC算法对组分数的的选择很敏感,因此采用核一致诊断法预估组分数,估计值2和3的核一致值都在60%以上,分别对混合样品进行了2因子和3因子的PARAFAC分解,将分解后得到的激发发射光谱数据和各组分浓度数据进行归一化处理,并绘制光谱图,与归一化处理后的真实的激发发射光谱图和各组分浓度图进行对比。同时将PARAFAC得到的混合样本的预测浓度,通过计算回收率(R)和均方根误差(RMSEP)来判定定量分析的准确度。选择2因子时,各混合样品中苊和萘拟合度为95.7%和96.7%,平均回收率分别为101.8%和98.9%,均方根误差分别为0.0187和0.0316;选择3因子时,各混合样品中苊和萘拟合度为95.3%和95.8%,平均回收率分别为97%和102.5%,均方根误差分别为0.033和0.116,由三项指标可得选用2因子进行定性定量分析的效果明显好于选用3因子。分析实验结果表明,基于三维荧光光谱法和PARAFAC算法对混合样品进行定性定量分析,能够有效的判定混合样品的类别,同时能够成功的预测出混合样品的浓度。     

腔光子-自旋波量子耦合系统中各向异性奇异点的实验研究

通过耦合三维微波腔中光子和腔内钇铁石榴石单晶小球中的自旋波量子形成腔-自旋波量子的耦合系统,并通过精确调节系统参数在该实验系统中观测到各向异性奇异点.奇异点对应于非厄米系统中一种特殊状态,在奇异点处,耦合系统的本征值和本征矢均简并,并且往往伴随着非平庸的物理性质.以往大量研究主要集中在各向同性奇异点的范畴,它的特征是在系统参数空间中沿着不同参数坐标趋近该奇异点时具有相同的函数关系.在这篇文章中,主要介绍实验上在腔光子-自旋波量子耦合系统中通过调节系统的耦合强度和腔的耗散衰减系数两条趋近奇异点的路径而实现了各向异性奇异点,具体分别对应于在趋近奇异点时,本征值的虚部的变化与耦合强度和腔的衰减系数的变化会有线性和平方根不同的行为.各向异性奇异点的实现有助于基于腔光子-自旋波量子耦合系统的量子信息处理和精密探测器件的进一步研究.