排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
扫描隧道显微镜原子操纵技术是指利用扫描探针在特定材料表面以晶格为步长搬运单个原子或分子的技术.它是纳米尺度量子物理与器件研究领域一种独特而有力的研究手段.利用这种手段,人们能够以原子或分子为单元构筑某些常规生长或微加工方法难以制备的人工量子结构,通过对格点原子、晶格尺寸、对称性、周期性的高度控制,实现对局域电子态、自旋序、以及能带拓扑特性等量子效应的设计与调控.原子操纵技术与超快测量及自动控制技术的结合,使得人们能够进一步研究原子级精准的量子器件,因而该技术成为探索未来器件新机理、新工艺的重要工具.本文首先简介原子操纵方法的发展过程和技术要点,然后分别介绍人工电子晶格、半导体表面人工量子点、磁性人工量子结构、人工结构中的信息存储与逻辑运算、单原子精度原型器件等方面的最新研究进展,以及单原子刻蚀和自动原子操纵等方面的技术进展,最后总结并展望原子操纵技术的应用前景和发展趋势. 相似文献
2.
为获得超低温冻土抗压强度预测模型, 探究超低温状态下冻土的物理性质及力学性质的变化, 对含水率19%, 22%, 25%和28%的低液限黏土土样进行?180 °C ~ ?10 °C的单轴压缩强度试验, 并测量?80 °C ~ ?10 °C土样的未冻水含量, 建立基于WOA-BP神经网络和BP神经网络的预测模型, 探究含水率、温度、未冻水含量与超低温冻土抗压强度关系. 预测结果表明: 含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系, 特别是在?180 °C ~ ?80 °C区间内, 现有的线性拟合公式已无法准确预测该区间内冻土抗压强度; 基于WOA-BP神经网络预测模型的整体预测效果较好, 其绝对误差平均值为1.167 MPa, 相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa, 相对误差平均值为47.99%. 基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值, 更接近实测值. 该预测模型具有较高精确度, 能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系, 可为人工冻结技术在地层应急工程中的应用提供参考. 相似文献
1