机械磨抛对CdZnTe薄膜阻变特性的影响

采用磁控溅射法在ITO玻璃上制备了CdZnTe薄膜,探究机械磨抛对CdZnTe薄膜阻变特性的影响。通过对XRD图谱、Raman光谱、AFM显微照片等实验结果分析阐明了机械磨抛影响CdZnTe薄膜阻变特性的物理机制。研究结果表明,磁控溅射制备的薄膜为闪锌矿结构,F43m空间群。机械磨抛提高了CdZnTe薄膜的结晶质量;CdZnTe薄膜粗糙度(Ra)由磨抛前的3.42 nm下降至磨抛后的1.73 nm;磨抛后CdZnTe薄膜透过率和162 cm^-1处的类CdTe声子峰振动峰增强;CdZnTe薄膜的阻变开关比由磨抛前的1.2增加到磨抛后的4.9。机械磨抛提高CdZnTe薄膜质量及阻变特性的原因可能是CdZnTe薄膜在磨抛过程中发生了再结晶。     

单层MXene纳米片Ti2N电磁特性的过渡金属(Sc、V、Zr)掺杂效应

二维材料MXene纳米片由于具有较大的比表面积和较高的电子迁移率而受到广泛的关注。本文采用基于密度泛函理论的第一性原理计算,对单层MXene纳米片Ti₂N电磁特性的过渡金属(Sc、V、Zr)掺杂效应进行了系统研究。结果表明,所有过渡金属掺杂体系结合能均为负值,结构均稳定;其中Ti₂N-Sc体系的形成能为-2.242 eV,结构更易形成,且保持稳定;掺杂后Ti₂N-Sc、Ti₂N-Zr体系磁矩增大;此外,Ti₂N-Sc体系中保留了较高的自旋极化率,达到84.9%,可预测该体系在自旋电子学中具有潜在的应用价值。     

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。     

化学势依赖于系统内的所有物质

在热力学中，关于多元系的化学势的变量集，有互不一致的两种结论.一种结论认为，某种物质的化学势，仅仅依赖于其它物质的存在，另外一种认为，不仅依赖于其它物质，也依赖于自己.本文通过详细的分析论证了，一般而言，化学势依赖于系统内的所有物质.     

极端工况双矩形腔静压推力轴承动态特性

静压推力轴承动态特性受润滑油黏度、油膜厚度和油腔面积等因素影响, 极端工况运行过程中经常承受阶跃载荷或正弦载荷作用, 突加载荷将导致静压推力轴承动态特性改变, 表现为轴承的抗冲击能力和恢复平衡所需时间的变化. 为获得高速重载微间隙极端工况条件下双矩形腔静压推力轴承动态特性, 分别在不同油膜厚度、不同润滑油黏度以及不同油腔尺寸条件下对双矩形腔静压推力轴承的动态性能进行理论分析, 探讨了阶跃载荷作用下润滑油黏度、油膜厚度和油腔面积对轴承动态性能的影响, 揭示了油膜动态变化规律, 探究了正弦载荷作用下双矩形腔静压推力轴承的稳定性. 结果表明: 润滑油黏度、油膜厚度和油腔尺寸变化对其动态性能有很大的影响. 润滑油黏度越大、油膜厚度越小、油腔面积越大突加载荷作用下润滑油膜抵抗冲击的能力越强, 旋转工作台受到突加外力作用下恢复至平衡状态所用时间越短. 双矩形腔静压推力轴承油膜具有较大的阻尼系数, 轴承具有极强的抵抗正弦加载作用的能力      

不同润滑状态下表面润湿性的摩擦学特性研究

本文中以锡青铜为基底,采用纳秒紫外激光制备了具有微观粗糙结构的超疏水表面和亲水表面,利用扫描电子显微镜和接触角测量仪对所制备的微观结构和表面润湿性进行了表征,并通过XPS测试对所制备的样片表面润湿性转变的机理进行了分析,通过UMT-2型摩擦磨损试验机测试了在边界润滑及流体动压润滑状态下的摩擦系数,研究表面润湿性对摩擦学特性的影响.研究结果表明:材料表面润湿性在不同润滑状态下对摩擦学特性有显著的影响;在边界润滑状态下,亲水表面的摩擦学特性优于疏水表面,平均摩擦系数相对减少6.79%;在流体动压润滑状态下,疏水表面的摩擦学特性优于亲水表面,摩擦系数相对减少了10%.     

三维荧光结合三阶校正算法快速检测水中酚类化合物

苯酚和麝香草酚等酚类化合物对人体和动植物有着严重危害，且这些酚类化合物往往同时存在于水体。由于苯酚和麝香草酚的激发和发射光谱重叠严重，常规荧光方法不能实现直接快速测定。基于三维荧光光谱结合四维平行因子（4-PARAFAC）算法，对存在未知干扰物的湖水中苯酚和麝香草酚进行定性和定量分析。利用三维平行因子和四维平行因子算法分解光谱数据，探索三阶校正算法的“三阶优势”。通过引入温度维来构建四维数据阵，将不同温度下扫描得到的激发发射矩阵沿样本维叠加得到四维数据阵，结合基于四维平行因子的三阶校正算法对目标分析物进行定性定量分析。为避免溶剂散射和仪器的影响，需要对扫描得到的激发发射矩阵信号进行预处理。通过空白扣除法和Delaunay三角内插值法去除激发发射矩阵中散射信号，再进一步进行激发发射校正，得到真实光谱。然后分别使用基于平行因子的二阶校正算法和基于四维平行因子的三阶校正算法对光谱数据进行分析，对比两种算法的分析结果。结果表明，四维数据阵并不是三维激发发射矩阵简单的叠加，得到的四维数据可能含有丰富的高维信息，有助于改善对分析物的测量结果。四维平行因子算法解析得到的湖水中苯酚和麝香草酚的平均回收率分别为97.7%±9.2%和96.5%±8.8%，预测均方根误差为0.047和0.057 μg·mL-1，预测相对误差低于10%，分析结果优于三维平行因子（平均回收率分别为105.7%±15.3%和111.0%±3.6%，预测均方根误差为0.090和0.056 μg·mL-1，预测相对误差高于10%）。实验表明，样本中存在复杂干扰背景和数据共线性严重时，三阶校正算法能够得到比二阶校正算法更满意的结果，为复杂体系中苯酚和麝香草酚的检测提供了可靠方法。