SnSxSe2-x单晶纳米片的可控制备与表征

锡二硫族化合物可以通过改变硫和硒的含量来连续调控三元合金材料的带隙、载流子浓度等物理化学性质,在电子和光电子器件应用上具有巨大的潜力。本文采用化学气相沉积(CVD)技术可控地制备了不同元素组分的SnS_xSe_2-x(x=0,0.2,0.5,0.8,1.0,1.2,1.5,1.8,2.0)单晶纳米片。采用扫描电子显微镜(SEM)、原子力显微镜(AFM)、能量色散X射线光谱(EDS)、透射电子显微镜(TEM)以及拉曼光谱等手段对SnS_xSe_2-x纳米片进行了综合表征。结果表明本方法成功实现了元素百分比可调的SnS_xSe_2-x单晶纳米片的可控制备。重点研究了依赖于元素百分比的SnS_xSe_2-x的拉曼特征谱,实验结果与基于密度泛函理论(DFT)的第一性原理计算得到的SnS_xSe_2-x的拉曼仿真谱高度吻合,理论计算结果较好地诠释了实验拉曼光谱发生变化的原因。本研究提供了一种元素百分比可调的三元SnS_xSe_2-x单晶纳米片的可控制备方法,同时对锡二硫族化合物的明确、无损识别提供了方案。     

双激光脉冲打靶形成Gd等离子体的极紫外光谱辐射

高端芯片制造所需要的极紫外光刻技术位于我国当前面临35项"卡脖子"关键核心技术之首.高转换效率的极紫外光源是极紫外光刻系统的重要组成部分.本文通过采用双激光脉冲打靶技术实现较强的6.7 nm极紫外光输出.首先,理论计算Gd¹⁸⁺—Gd²⁷⁺离子最外层4d壳层的4p-4d和4d-4f能级之间跃迁、以及Gd¹⁴⁺—Gd¹⁷⁺离子最外层4f壳层的4d-4f能级之间跃迁对波长为6.7 nm附近极紫外光的贡献.其后开展实验研究,结果表明,随着双脉冲之间延时的逐渐增加,波长为6.7 nm附近的极紫外光辐射强度呈现先减弱、后增加、之后再减弱的变化趋势,在双脉冲延时为100 ns处产生的极紫外光辐射最强.并且,在延时为100 ns处产生的光谱效率最高,相比于单脉冲激光产生的光谱效率提升了33%.此外,发现双激光脉冲打靶技术可以有效地减弱等离子体的自吸收效应,获得的6.7 nm附近极紫外光谱宽度均小于单激光脉冲打靶的情形,且在脉冲延时为30 ns时刻所产生的光谱宽度最窄,约为单独主脉冲产生极紫外光谱宽度的1/3.同时...     

氮分子A3Σu+、B3Пg、C3Пu电子态的高温高振转光谱研究

采用态平均（CASSCF）/高度相关多参考组（MRCI）方法，对N2分子A3Σu+、B3Пg、C3Пu电子态的势能、跃迁偶极矩进行了高度相关的精确计算．计算的势能在平衡位置附近与RKR拟合的势能曲线非常一致，获得的跃迁偶极矩与已有实验值符合很好。首次对A3Σu+、B3Пg、C3Пu电子态的振转光谱常数随振动量子数v的变化进行系统定量计算，其结果与已有的实验观测数据相符．同时，获得了N2分子第一正带系的0-1、0-2、1-0、1-2、1-3、2-0、2-1、2-3、3-0、3-1和3-2光谱带分别在300，3000，6000，10000K时的谱线强度，如1-0带在3000，6000，10000K时的高温谱线带强度分别为1.58543×10-16 cm-1/(分子 cm-2)、6.07889×10-17 cm-1/(分子 cm-2)和2.3781×10-17 cm-1/(分子 cm-2)．这些结果对N2分子进一步的理论研究、实际应用和高温大气的建模与研究具都有一定的参考价值．     

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。     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

“联用技术及元素形态”国际课程探索与实践*

充分利用线上教学的优势,对化学院本科生开设了“联用技术及元素形态”国际课程,避免了传统教学中组织、协调外籍/外地专家资源过程中必要的各种消耗,极大程度地整合教学资源、改善教学效果。在该课程的探索与实践过程中,学生们对痕量元素形态及基于等离子体质谱的各种联用技术产生了极大的兴趣,激发了他们的主动学习热情;教师之间及师生之间的沟通趋向更简单、更灵活、更实时,为后续线上线下混合式国际课程建设提供了良好的基础和借鉴。     

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VR技术的发电厂危险化学品安全管理模式研究——评《发电企业危险化学品安全管理基础与实务》

电力是我国十分重视的资源密集型以及知识密集型产业内容之一,由于其作业环境相对于其他行业而言更加复杂恶劣,经常需要接触锅炉、热力管道等高温高压设备以及有毒有害的化学药品,而且其特种作业的项目较多,包括风险较大的高空作业以及带电作业等,一旦出现疏漏便会造成严重的经济损失以及人员伤亡。     

基于差分反射高光谱成像的薄层TMDC材料检测技术研究

二维过渡金属硫化物(TMDC)材料因为独特的激子效应和材料学性质，在太阳电池、光催化、传感器、柔性电子器件等领域得到广泛的应用。层数对其性质有显著的调控作用，自动检测识别所需层数的样品是其从实验室走进半导体制造工业的重要技术需求。本文结合反射高光谱成像技术与图像处理算法，发展了一种二维TMDC薄层样品的显微成像自动检测技术。基于自主搭建的反射高光谱成像系统，对制备的不同层数TMDC标准样品进行了光学对比度的系统研究，阐明了层数的差分反射光谱机理，提出了可靠的层数判定方法。基于传统边缘检测技术优化设计了一套图像处理算法，实现了TMDC样品的图像检测及层数鉴定。本文方法具有普遍性、实用性，结合自动对焦的扫描控制，能够实现大规模的自动化样品检测，这也为其他表面目标的显微识别和检测提供了新的灵感和参考。