人工神经网络模型在非ABO3型希土复氧化物电阻率特性分析中的应用

目前,人工神经网络在模式识别及其他领域的应用引起了普遍的关注.本文叙述“反向传播”神经网络模型,算法和在非ABO_3型希土复氧化物电阻率分析中的应用,实验结果表明,神经网络的判别正确率为100％,因此,该方法可望成为化合物分析,材料设计的辅助手段.     

CmⅠ奇宇称光谱能级的模式识别研究

应用新的模式识别方法PCA－BPN（PrincipalComponentAnalysis－BackPropagationNetwork）指认CmⅠ奇宇称未知能级，支持了前人应用传统的KNN（KNearestNeighbors）等模式识别方法及对传神经网络方法（CounterPropagationNetwork，CPN）对大部分谱线的指认，进一步确认了这些组态的归属；鉴别了KNN等与CPN不同的预报结果，纠正CPN的某些错误分类，并以可视非线性映照分类器加以佐证     

用超网链(HNC)近似研究唐南平衡

用超网链（ＨＮＣ）近似法研究了离子间势能对唐南平衡的影响，并计算了唐南平衡中的平衡密度，渗透压和唐南电位，计算表明，唐南电位比渗透压对离子间热能更灵敏，使用平均离子活度系数，所得唐南电位很接近于以前的研究，使用原正确的单离子活度系数，所得唐南电位更接近实验值。     

MgH^+,Mg2H^+量子化学从头计算的研究

用量子化学自洽场分子轨道从头计算方法,采用STO-3G基组计算了MgH~+,Mg_2H~+离子的位能曲线与位能面;给出电子波函数与电子集居数;得到MgH~+的平衡构型键长γ_(Mg-H)1.60A.Mg_2H~+的平衡构型有C_(∞v)与D_(∞h)两类,前者为[Mg—Mg—H]~+,键长γ_(Mg-Mg)2.41,γ_(Mg-H)1.63A;后者为[Mg—H—Mg]~+,γ_(Mg-H)1.73A.前者的总能量比后者低50kcal/mol.还讨论了它们的稳定性.MgH~+的键长计算结果和实测值较吻合,Mg_2H~+的平衡构型计算结果支持了Porter从热力学研究提出的假设.     

氧化物系碱度的ESCA研究

氧化物系的酸碱性至今尚无一套完整的标度。Duffy等根据Pb~(2+)等离子(d~(10)s~2组态)在氧化物玻璃系中的Rydberg跃迁提出光学碱度的概念,但这种碱度测量只适用于对紫外光透明的少数体系。Imagawa则根据Cu~(2+)在碱金属硼酸盐等玻璃系中的ESR谱变化而提出另一种碱度。     

铝酸钠熔体Monte Carlo法计算机模拟研究

用计算机Monte Carlo法研究铝酸钠熔体结构. 计算了径向分布函数和局部结构. 表明NaAlO_2熔体是由畸变的共隅AlO_4四面体离子集团、Na~+离子和xNa~+·yO~(2-)离子集团所组成.     

白钨矿结构物相含稀土异价固溶体的形成规律

运用原子参数-支持向量机算法(SupportVectorMachine,SVM)和熔盐相图智能数据库技术,研究了白钨矿型钼酸盐、钨酸盐和含稀土钼酸盐、钨酸盐形成异价固溶体的条件,建立了碱金属-稀土钼酸盐和钨酸盐的晶型以及这些化合物与稀土钼酸盐或钨酸盐形成连续固溶体的判据,并求得这类化合物的晶胞参数的计算式。计算表明:各组分元素的离子半径和电负性是影响固溶体形成、晶型和晶胞参数的主要因素。根据本文所得经验式估计TlPr(MoO4)2-Pr2(MoO4)3系固溶体情况与实测结果一致。     

DyF_3－LiF系熔体结构的计算机模拟研究

用ＭｏｎｔｅＣａｒｌｏ法计算机模拟研究ＤｙＦ＿３－ＬｉＦ系熔体，得到了径向分布函数和局部结构等信息。研究表明，Ｆ紧密聚集在Ｄｙ￣（３＋）周围，而与Ｌｉ之间却存在一定的缝隙。该熔体中主要存在着二种离子类型：以Ｄｙ￣（３＋）为中心的ＤｙＦ型络离子（以ＤｙＦ的八面体络离子为主）和“游离状”的Ｌｉ离子。同时，由于Ｆ的聚集，一些ＤｙＦ型络离子通过“氟桥”组成Ｄｙｍ型更加复杂的离子集团。各类离子位能计算表明：Ｌｉ是该熔体中位能最高的离子，在电解过程中起到迁移电流的作用．     

模式识别在化学键研究中的应用——金属间化合物若干经验规律

在键参数空间φ(z₁,z₂,R₁/R₂,εφ,△φ)中,用模式识别方法处理了2005个金属间化合物晶型的信息,总结出若干经验规律,并讨论了这些规律的物理基础。     

金属卤化物熔盐系相图的规律及计算机预报

Rules of molten salt phase diagrams of binary system MeX-Me’X4 (Me is monovalent metal, Me’ quadrivalent metal, X halides) were investigated using chemical bond parameter and pattern recognition-artificial neural networks method. Formability of intermediate compounds, chemical stiochiometry, melting type (congruent or incongruent) of intermediate compounds Me2Me’X6 and MeMe’X5 were summarized and predicted, the results were of good reliability.