气相输运沉积制备c轴择优取向的碘化铋薄膜

铋基卤化物材料因其无毒和优良的光电性能而显示出巨大的应用潜力。BiI₃作为一种层状重金属半导体,已被用于X射线检测、γ射线检测和压力传感器等领域,最近其作为一种薄膜太阳能电池吸收材料备受关注。本文采用简单的气相输运沉积(VTD)法,以BiI₃晶体粉末作为蒸发源,在玻璃基底上得到高质量c轴择优取向的BiI₃薄膜。并通过研究蒸发源温度和沉积距离对薄膜物相和形貌的影响,分析了BiI₃薄膜择优生长的机理。结果表明VTD法制备的BiI₃薄膜属于三斜晶系,其光学带隙为~1.8 eV。沉积温度对薄膜的择优取向有较大影响,在沉积温度低于270 ℃时,沉积的薄膜具有沿c轴择优取向生长的特点,超过此温度,c轴择优取向生长消失。在衬底温度为250 ℃、沉积距离为15 cm时制备的薄膜结晶性能最好,晶体形貌为片状八面体。     

ZnO-PSAⅡ型异质结界面电荷转移过程研究

采用稳态光致发光光谱和纳秒时间分辨瞬态光谱(NTRT-PL)表征,揭示ZnO-PSA II型纳米异质结光生载流子电荷转移过程,通过甲基橙光降解实验,测得ZnO-NRs和ZnO-PSA紫外光降解率分别为25.5;和60.1;,光降解率提高到2.4倍,表明II型异质结相对于单一半导体而言,能促进光生载流子在界面间电荷转移,有利于载流子的分离.     

基于量纲分析和达西定律的地下化学爆炸气体泄漏规律

针对周围是均匀岩石介质的地下化学爆炸，研究爆炸后爆室内气体的泄漏规律.利用量纲分析，得到影响气体泄漏时间的主要物理量，包括气体动力学粘度、爆室内超压、围岩孔隙率及围岩厚度的平方与渗透率的比值等，并初步给出它们之间的函数关系.然后基于达西定律，推导计算气体泄漏时间的解析公式.得到的气体泄漏时间计算公式与通过量纲分析得到的定性函数关系式完全相符，二者从不同的角度对同一问题给出了相容的结果.可为地下化学爆炸气体泄漏的理论分析和规律性研究提供研究思路和工具，为地下爆炸有关的工程估算提供参考依据.     

基于平面度的燃料电池电化学性能模拟

 固体氧化物燃料电池的翘曲会影响电极-盖板界面的接触情况，从而影响电化学性能，对相关制造工艺提出了很大的挑战．为了分析燃料电池平面度对放电过程的影响，揭示其潜在的风险，我们建立了两个基于有限元法的仿真模型，对考虑平面度缺陷的燃料电池封装和放电进行分析．在对固体氧化物燃料电池进行平面度测量的基础上，首先建立了具有真实燃料电池翘曲特性的几何模型，分析封装过程中接触压力的分布情况．然后将接触电阻的仿真结果导入到三维多物理场耦合模型中，模拟具有平面度缺陷的燃料电池电化学性能．计算结果展示了燃料电池两侧封装过程中接触压力的分布情况．通过对比有接触电阻和无接触电阻的燃料电池电流密度，分析了电池与盖板的接触对放电过程的影响．结果表明，燃料电池的凹陷面较难达到满意的接触状态，需要比凸起面更大的封装压力．燃料电池表面接触电阻的变化将引起电流传导路径的变化，产生局部高电流或低电流．这项工作强调了在燃料电池中保持均匀分布的接触电阻的重要性，为今后的优化工作奠定了基础．     

环壳弹性静力及自由振动问题的弱形式求积元分析

基于旋转薄壳理论, 采用求积元法, 建立了求积元法求解环壳问题的单元列式, 并对圆环壳、椭圆环壳的静力及自由振动问题进行了分析. 数值算例与精确解及有限元结果相对比, 证明了求积元法分析此类连续环壳问题的准确和高效性. 同时, 分析结果表明, 椭圆环壳长短轴的比值k对壳体的受力特性及求积元法的收敛率有显著的影响.     

超越SNOM探针通光孔径尺寸的金属纳米间隙超分辨测量

采用电磁场有限元方法,数值模拟了孔径型扫描近场光学显微镜(aperture Scanning Near-field Optical Microscopy,a-SNOM)在照明模式下的工作过程.针对金偶极天线结构,改变天线长度和纳米间隙尺寸,计算了a-SNOM探针孔径的远场辐射速率随探针端面中心坐标变化的扫描曲线,实现了超越a-SNOM探针通光孔径尺寸的天线金属纳米间隙的超分辨测量,对于100nm通光孔径的探针,可分辨最小尺寸为10nm(0.016倍波长)的金属间隙.通过对比金属和介质偶极天线的a-SNOM探针远场辐射速率测量的计算结果,表明天线金属纳米间隙的超分辨测量的实现是由于金属间隙表面等离激元的激发.     

基于数字全息的热透镜效应测量

提出一种数字全息定量测量半导体激光二极管侧面泵浦Nd∶YAG晶体热透镜效应的方法。CCD采集Nd∶YAG晶体在不同泵浦电流下的数字全息图,通过数值重建得到热透镜效应引起的相位分布及其变化过程。再由相位分布计算得到对应的热透镜焦距。实验结果表明,利用数字全息技术可以准确和有效测量热透镜效应及热透镜焦距。     

基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.