纳米银掺杂二氧化硅复合颗粒的制备及表征

0引言金属纳米颗粒因其粒子尺寸小(1￣100nm),比表面积大,表面原子数多,表面能和表面张力随粒径的下降急剧增大而具有量子尺寸效应[1]、小尺寸效应[2]、表面效应[3]及宏观量子隧道效应[4]等,从而出现了不同于常规固体的新奇特性,如:光学性质、磁性质以及电磁学性质[5],使其在催化、信息存储及非线性光学等领域展示了广阔的应用前景[6]。虽然制备金属纳米颗粒的方法有很多[6],但是由于纳米尺寸的金属颗粒具有较高的表面能,容易发生聚集,所以如何保持其稳定性依旧是比较困难的问题。随着纳米科技的发展,人们正尝试用各种方法来解决这个问题:如…     

Ligand Steric Effects on Naphthyl-α-diimine Nickel Catalyzed α-Olefin Polymerization

Naphthyl-α-diimine nickel complexes with systematically varied ligand sterics, activated by modified methylaluminoxane(MMAO), were tested in the polymerization of higher α-olefin(1-hexene, 1-decene and 1-hexadecene) under suitable conditions. The polymerization results indicated the possibility of precise microstructure control, depending on catalyst structure, polymerization temperature, monomer concentration and types of monomers, which in turn strongly affects the resultant polymer properties. Naphthyl-α-diimine nickel complex bearing chiral bulky sec-phenethyl groups in the o-naphthyl position showed good catalytic activity, and resulted in branched polymers(42-88/1000 C) with high molecular weights(M_n:(4.3-15.2) × 10~4 g·mol~(-1)) and narrow molecular weight distribution(M_w/M_n = 1.13-1.29, RT), which suggested a living polymerization. The increasing steric hindrance of catalyst leads to enhance insertion for 2,1-insertion of α-olefin and the chain-walking reaction.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

锯齿型单壁碳纳米管的广义层错能计算

基于密度泛函理论的第一性原理方法,计算了两种不同半径的锯齿型单壁碳纳米管以及单层石墨的广义层错能曲线。对小位移处广义层错能曲线进行斜率拟合所得切变模量与其它文献值一致。对三条广义层错能曲线的对比可知,锯齿型碳纳米管与单层石墨的广义层错能曲线相近,锯齿型单壁碳纳米管的曲率效应不明显。     

Controllable Preparation of Branched Polyolefins with Various Microstructural Units via Chain-walking Ethylene and Pentene Polymerizations

Chinese Journal of Polymer Science - Branched polyolefins with controllable topology structures were generated from the chain-walking (co)polymerizations of ethylene, 1-pentene (1P) and 2-pentene...     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.