雾化辅助化学气相沉积法氧化镓薄膜生长研究

采用自主设计搭建的雾化辅助化学气相沉积系统设备,开展了Ga₂O₃薄膜制备及其特性研究工作。通过X射线衍射研究了沉积温度、系统沉积压差对Ga₂O₃薄膜结晶质量的影响。结果表明,Ga₂O₃在425~650 ℃温度区间存在物相转换关系。随着沉积温度从425 ℃升高至650 ℃,薄膜结晶分别由非晶态、纯α-Ga₂O₃结晶状态向α-Ga₂O₃、β-Ga₂O₃两相混合结晶状态改变。通过原子力显微镜表征探究了生长温度对Ga₂O₃薄膜表面形貌的影响,从475 ℃升高至650 ℃时,薄膜表面粗糙度由26.8 nm下降至24.8 nm。同时,高分辨X射线衍射仪测试表明475 ℃、5 Pa压差条件下的α-Ga₂O₃薄膜样品半峰全宽仅为190.8″,为高度结晶态的单晶α-Ga₂O₃薄膜材料。     

基于卷积神经网络的HL-2A装置H模辨识研究

基于HL-2A装置的放电实验数据，利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法，得到了可靠的高成功率的高约束模时段识别结果。算法中，选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习，得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验，高约束模识别的正确率达到了98.17%。     

高居里温度铁电单晶PIN-PT的机电性能

弛豫铁电单晶Pb(In_1/2Nb_1/2)O₃-PbTiO₃(PIN-PT)相较于常用的Pb(Mg_1/3Nb_2/3)O₃-PbTiO₃(PMN-PT)具有更高的居里温度,在高稳定性、高性能的传感器、换能器方面具有应用前景。本工作采用谐振法研究了[001]方向极化的0.66PIN-0.34PT铁电单晶的全矩阵机电性能参数。0.66PIN-0.34PT 单晶的三方-四方相变温度(T_RT)约为160 ℃,居里温度(T_C)约为260 ℃,室温压电系数d₃₃、d₃₁、d₁₅分别为1 340 pC/N、-780 pC/N、321 pC/N,介电常数ε^T₃₃、ε^S₃₃、ε^T₁₁、ε^S₁₁分别为2 700、905、2 210、1 927,机电耦合系数 k₃₃、k₃₁、k₁₅、k_t分别为 87%、58%、38%、61%。其纵向压电常数(d₃₃)和纵向机电耦合系数(k₃₃)小于 PMN-PT 单晶,但是横向压电性能(d₃₁)和剪切压电性能(d₁₅)都略高于PMN-PT单晶。另外,研究了机电耦合性能随温度的变化趋势,发现0.66PIN-0.34PT单晶在150 ℃以下有较好的温度稳定性。     

三角代数上的Jordan双导子（英文）

设T是定义在交换环上R的三角代数,φ:T×T→T是定义在T上的任意Jordan双导子.受[Comm.Algebra,2017,45(4):1741-1756]和[Linear Algebra Appl.,2009,431(9):1587-1602]研究的启发,本文致力研究φ的结构形式.我们指出在适当条件下Jordan双导子φ可以分解成内双导子和extremal双导子之和,推广了本方向现有成果.本文结果可直接应用于分块上三角矩阵代数和Hilbert空间定义的套代数.     

托卡马克真空室内线圈水冷管道接头强化二次流的数值研究

基于计算流体力学(CFD)理论，研究了不同曲率半径的螺旋导流片的托卡马克真空室内线圈水冷管道接头。利用湍流数值模拟方法，分析了线圈管道接头导流片曲率半径比、冷却水入口流速对线圈管道内流体平均雷诺数分布的影响。结果表明，不同导流片曲率半径比的线圈管道内的流体雷诺数分布曲线相似，平均雷诺数随入口流速的增加而增大，管道接头出口雷诺数随导流片曲率半径比的增大而减小，导流片曲率半径比小的管接头更适用于线圈水冷曲线管的二次流强化。此外，还为导流片曲率半径比为0.2的管接头拟合了管接头出口雷诺数与入口流速的关系式，为进一步研究类似于托卡马克真空室内线圈管道的曲线管接头的二次流强化提供理论基础。     

冷冻干燥辅助溶胶凝胶法合成Li1.2Ni0.2Mn0.6O2正极材料及电化学性能改善研究

采用冷冻干燥辅助溶胶凝胶法合成富锂锰基Li1.2 Ni0.2Mn0.6O2正极材料,并将其结构、形貌以及电化学性能与传统溶胶凝胶法合成的材料进行比较.X射线衍射(XRD)结果表明,通过冷冻干燥辅助溶胶凝胶法合成的Li1.2Ni0.2Mn0.6O2粉末阳离子混排程度更低,冷冻干燥工艺的参与可以改善晶体结构.扫描电镜(SEM)照片分析表明,与溶胶凝胶样品相比较,冷冻干燥辅助溶胶凝胶法合成样品的颗粒团聚程度较低.电化学性能测试结果表明,冷冻干燥辅助溶胶凝胶法合成的材料具有更好的倍率性能和循环性能.除此之外,电化学交流阻抗测试(EIS)结果表明,冷冻干燥辅助溶胶凝胶法合成的Li1.2Ni0.2Mn0.6O2电荷转移电阻低于溶胶凝胶法制备的材料,增强了反应动力学.     

基于连续用电量和缴费时间差的客户信用动态评价模型

加大供电量和提高电费回收效率是供电商增加收益的主要途径,并且用电客户的缴费时间差直接影响着电费回收效率。在用电客户信息较少的情况下,仅仅依赖用电客户的用电量信息和缴费时间差信息,采用扩展的“S型”函数对用电量信息和缴费时间差信息进行整合建模,构建了一个能够度量客户持续用电能力和缴纳电费积极性的客户信用动态评价模型。应用构建的模型对赤峰市宁城县实际用电客户进行信用评价,评价结果与领域专家评价结果具有较高的一致性。     

水热法一锅合成Ni/ZrO2加氢催化剂

采用水热法一锅合成了一系列四方相ZrO2负载Ni的加氢催化剂,以苯加氢生成环己烷为探针反应,对比研究了其同其它方法合成的Ni/ZrO2催化剂的催化加氢性能。通过XRD、H2-TPR、H2-TPD、TEM及N2物理吸附等表征及催化评估显示,相较于浸渍法得到的Ni/ZrO2催化剂,水热法一锅合成的Ni/ZrO2催化剂具有比表面积更大、纳米颗粒更小,Ni分布更均匀等特点,催化效果更佳。其中15%的Ni负载量为最佳负载量,表现出最佳的催化活性,在120℃左右即可转化率达到100%。     

机器学习方法在高分子玻璃化研究中的应用

高分子玻璃的物理性质与其结构和动力学密切相关.揭示高分子玻璃化的微观物理图像对高分子玻璃材料的结构调控和分子设计至关重要.然而,高分子的长链结构和复杂单体结构特征致使目前仍然缺乏普适的理论或者模型来定量解释高分子玻璃化的物理机制.因此,亟需发展更为先进的研究方法从而更深入地理解高分子玻璃化.近年来,国内外学者利用基于数据驱动的信息学方法(例如机器学习)对高分子玻璃化开展了研究,并取得了丰富成果.本综述首先介绍了常用的高分子信息学数据库和机器学习算法.之后,从高分子玻璃化转变温度的预测、新型高分子玻璃材料的研发、过冷液体的结构-动力学关系和玻璃体系相变的确定四个方面总结和评述了机器学习应用在玻璃化研究中的代表性进展.最后,探讨了机器学习方法在高分子玻璃化研究中面临的主要挑战,并对玻璃信息学这一领域的发展进行了展望.