基于迁移理论提升大学物理实验教学质量的探索与实践

为有效提高大学物理实验课程的教学质量,本文提出了基于迁移理论的教学方法.该方法利用肖像式结构原则进行课前预习,构建良好的知识体系进行课前认知和态度迁移,在教学过程中通过探究式教学提高迁移效率,并通过课后反思和拓展来巩固迁移效果.实践表明,这一模式可以充分实现迁移理论在教学中的优势,加强学生思维的活跃性,使学生的实验过程从机械性的简单重复走向深度理解,最终增强学生的学习能力和创新能力。     

Al2O3忆阻器中氧空位对阻值转换性能的影响研究

忆阻器能够在外加电压下实现高阻态与低阻态的转换,在存储器件及仿神经网络计算等方面有着重要的应用。本文通过在Si衬底上制备得到Pt-Al2O3-Pt的金属-绝缘层-金属结构的忆阻器器件,研究了氧空位对阻值转换性能的影响。利用原子层沉积技术工艺控制生长不同氧空位浓度的Al2O3薄膜,测量并比较其Ⅰ—Ⅴ循环曲线,发现仅有在氧空位浓度较高情况下忆阻器才能够实现在高阻态和低阻态之间的转换。本文实验结果表明氧空位对于实现阻值转换性能有着重要的影响,对生长制备忆阻器器件有着重要意义。     

具身学习视角下的教学环节再思考——以“全等三角形判定”第1课时为例

《义务教育数学课程标准(2011年版)》(以下简称《课标》)指出,数学教学活动,特别是课堂教学应激发学生兴趣,调动学生积极性,引发学生的数学思考,鼓励学生的创造性思维.这就要求教师在设计教学环节时,以学生经验为逻辑起点,以学生经验生长为目的,重视学生的多感官参与,拒绝单一的听中学,创设环节帮助学生体悟学习过程,关注学生的学习过程,具身学习正是通过身体的感觉运动系统与周围环境的互动,促使学习者的认知、心理和情感水平发生变化,为我们提供了一个引导学生学习方式转型的新视角。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利，已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论，以文本大数据为数据源，在全面梳理国内外情感计算相关成果的基础上，利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘，探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型，其核心是构建情感词典和设计情感计算规则，方法简单，容易实现，适用语料范围广。（2）机器学习，用统计学方法抽取文本中的特征项，具有非线性特征，可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算，效果良好，准确率在85%以上。训练多领域的文本语料易于移植，实用性强，且泛化能力好，较适合大数据时代游客情感计算研究。     

非富勒烯受体DA'D型稠环单元的结构修饰及电池性能研究

近年来,设计和合成高性能非富勒烯受体(NFAs)材料已经成为太阳能电池研究领域的前沿课题。基于DA'D型稠环结构的NFAs由于具有吸光系数高、能级和带隙可调、结构易于修饰、分子可高效合成、光电学性能优异等优点而受到了越来越广泛的关注。在短短7年的时间里,能量转换效率(PCE)从3%~4%提高到18%。2019年初邹应萍等报道了一个优秀的受体分子Y6,与PM6共混制备单结电池,获得了15.7%的能量转换效率。Y6类受体材料的中心给电子单元为DA'D型稠环结构,缺电子单元(A')通过氮原子与两个给电子单元(D)并联形成稠环结构,这有助于降低前线分子轨道能级并增强吸收,同时与氮相连的两个烷基链和位于噻吩并噻吩β位的两个侧链则有助于提高溶解度及调节结晶性。自Y6问世以来,人们对分子的结构剪裁进行了深入的研究,并报道了数十种新的结构。在这些新的受体中,DA'D部分的结构裁剪对提高器件效率和太阳能电池的性能起着至关重要的作用。本文对A'、D单元和侧链结构修饰的研究进展进行了综述。通过选择几组受体,对最近报道的分子进行分类,并将它们的光学、电化学、电学和光电性质与精确的结构修饰相关联,从而对结构-性能关系进行全面概述。     

能实现“磁聚焦”的匀强磁场最小面积的探讨

通过建模定量研究能实现"磁聚焦"的匀强磁场区域的最小面积并应用到2009年高考海南卷和2021年高考湖南卷的高考题解答中.     

潘君骅院士 访谈录

潘君骅,1930年10月生于上海市。应用光学专家。中国工程院院士。苏州大学现代光学研究所研究员。1952年清华大学机械制造专业毕业后分配至中国科学院仪器馆(中科院长春光机所前身)工作。1956-1960年,到苏联列宁格勒普尔科沃天文台学习,师从苏联著名天文光学专家马克苏托夫,获副博士学位。