Identification of Above-Threshold Ionization by Imaging Photoelectrons from Ammonia Molecules in an Intense Femtosecond Laser Field

The above-threshold ionization process of ammonia molecules induced by a femtosecond laser field at 800 nm is studied in the intensity range from 1.6 × 10¹³ to 5.7 × 10¹³ W/cm². Channel switching under different laser intensities is observed and identified in the photoelectron kinetic energy spectra of ammonia. Based on the photoelectron kinetic energy distributions and the photoelectron angular distributions, the characteristic peaks observed are exclusively ass...     

从学生的“问题”出发审视空间向量内容的教学和育人价值北大核心

1问题提出高中数学课程引入空间向量内容后,使很多原本需要进行推理演化的立体几何问题的求解“代数化”、“程序化”了,以往的一些立体几何的“难题”变得“简单”了.有老师认为,立体几何内容在培养学生直观想象、逻辑推理核心素养的育人价值减弱了.在教学中,不难发现即便有空间向量作为解决立体几何问题的有力工具,学生在解决立体几何问题时依然会存在各式各样的“错误”.     

柠檬果茶中游离态和键合态挥发性成分分析

以柠檬果茶为研究对象,建立了顶空固相微萃取前处理结合气相色谱质谱联用技术测定其中挥发性化合物的分析方法。采用开水冲泡对样品进行提取,通过Amberlite XAD-2大孔吸附树脂对柠檬果茶中的糖苷类挥发性组分键合,分离游离态和键合态化合物,甲醇溶剂作为洗脱剂对键合态化合物进行洗脱,Almondsβ-D-葡萄糖苷酶对其酶解。使用气质联用对样品中游离态和键合态挥发性成分进行检测,其结果根据数据库匹配和对比文献保留时间定性,内标法进行定量。结果表明,柠檬果茶中含有游离态物质24种,键合态物质16种,主要为(+)-柠檬烯、1-辛醇、橙花醇、(-)-4-萜品醇、alpha-松油醇等。方法为花果茶干燥工艺提供参考。     

软体操作器结构设计及植入式光纤传感方法

为解决微创手术软体机器人的形状实时监测问题,将刻有三个光纤布拉格光栅的单根光纤植入软体操作器中,利用其研究柔性硅胶软体操作器光纤传感和三维形状重构方法。进行了软体操作器的结构设计及模型建立,并对光纤光栅波长漂移量和软体操作器弯曲曲率之间的关系进行了理论分析;通过实验验证了软体操作器结构设计及其模型建立的有效性,测试了软体操作器不同弯曲状态下三个FBG传感器的反射谱特征及其变化规律;通过分析三个FBG传感器的中心波长漂移量,利用线性插值算法计算出软体操作器在不同弯曲状态下的曲率等参数,并结合曲线拟合方法实现软体操作器的三维形状重构。实验结果表明:植入式光纤光栅传感方法可以实现硅胶软体手术操作器的三维形状传感,在微创外科手术领域具有广阔的应用前景。     

EAST装置上W波段多道极向相关反射仪的研制

在EAST装置上安装了X模极化W波段多道相关反射仪，用于测量等离子体芯部密度涨落。该诊断利用低损耗(<3dB)多工器将4个不同频率(79.2GHz，85.2GHz，91.8GHz和96GHz)的微波耦合在一起，通过同一个天线发射。反射波由两个极向分离(~5cm)的天线接收，通过下变频技术实现外差测量。通过对两个极向天线接收的信号进行相关分析，获得芯部湍流垂直速度。对2018年低约束模式(L模)放电进行分析发现，在电子回旋共振加热(ECRH)等离子体中，芯部湍流垂直速度在电子逆磁漂移方向。而在注入同向中性束(co-NBI)后，芯部湍流垂直速度变为离子逆磁漂移方向。     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.