椭圆的切线与法线引出的高次曲线

对椭圆的切线和法线有关的三个轨迹问题展开新的探索,发现了三条优美对称的高次曲线和相关长度、距离公式.     

热电制冷技术研究与应用

热电制冷技术是一种主要基于帕尔贴效应的新型制冷技术,由于其具有结构简单、制冷迅速、寿命长等优点,热电制冷技术受到了越来越多的关注。通过对国内外相关文献的研究,对热电制冷技术的原理进行了阐述,并对热电制冷的应用和性能优化两方面的发展进行了综述。     

基于冲击光谱测量的氧化铝晶体高压相变诊断技术

氧化铝晶体是一种优良的光学透明窗口材料,更是地球内部的重要组成物质.利用气炮加载结合冲击光谱测量,不仅能够获得其发光特征,并且根据光谱分布特征得到高压结构相变信息.在自主搭建的冲击光谱动态测试平台上,结合多通道辐射高温计以及ICCD瞬态光谱测试技术在40~120 GPa的压力区间,研究了c切向氧化铝晶体的辐射发光效应.在可见光波段400~700 nm区间获得了氧化铝晶体的发光光谱和辐射温度结果,证实了光谱的结构特征和表观温度值与该压力下氧化铝的结构相变存在明显的关联性.     

g-C3N4催化石墨化碳质材料的制备及光催化性能研究

通常采用以氢氧化物作为造孔剂,过渡金属硝酸盐或氯化物作为石墨化催化剂的传统两步法策略制备多孔石墨化碳材料。然而制备过程中多涉及有毒和腐蚀性试剂,且多步骤的过程耗时较长。本文以双氰胺为原料通过热缩聚反应得到g-C₃N₄,采用高铁酸钾为催化剂一步法实现g-C₃N₄的同步碳化-石墨化,并研究其光催化性能。与传统的两步法相比,该方法耗时少、效率高、无污染。与初始的g-C₃N₄材料相比,石墨化g-C₃N₄衍生碳质材料不仅显著改善了可见光的吸收,而且大大增强了光催化活性。研究了不同石墨化温度对g-C₃N₄衍生碳质材料在可见光下降解甲基橙溶液的影响。700 ℃下制备的衍生碳质材料的降解率为12.4 mg/g。光电化学测试结果表明,多孔g-C₃N₄衍生碳质材料的光生载流子密度、电荷分离和光电流(提高了5.4倍)均得到显著提高。因此,该简便、灵活方法为提高g-C₃N₄衍生碳质材料的吸附和光催化性能提供了一种有前景的、高效的途径。     

紫外可见偏振成像光谱仪的光谱定标与匹配方法

紫外可见偏振成像光谱仪中沃拉斯顿棱镜的色散效应会导致探测器同一空间通道的中心坐标发生偏移，影响目标信号探测精度。根据偏振解调算法，利用沃拉斯顿棱镜出射的两正交分量调制光谱(S光和P光)实现偏振信息解调时，还需要完成光谱匹配。针对这一问题，提出了一种光谱定标与匹配方法。首先利用平行光源标定了仪器视场角与空间维像元的对应关系，提取出各空间通道对应的像元坐标集合并确定了视场定标方程；在同一空间通道内，通过低压汞灯标准光源对波长与像元的对应关系进行标定，得出光谱定标方程；利用视场定标和光谱定标结果完成正交分量光谱的匹配；最后利用太阳光谱中Fraunhofer线的特征波长对定标结果进行了检验。结果表明：紫外可见偏振成像光谱仪正交分量的光谱吸收峰位具有较好的一致性，定标值和标准值的偏差在0.1 nm以内，这验证了定标结果的准确性。     

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”.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

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。     

衬底对单层二硫化钼光学性质的影响

为了实现二硫化钼器件化应用,通过机械剥离和PMMA纳米转移相结合的方法,研究二氧化硅、氮化硅和蓝宝石衬底对单层二硫化钼拉曼光谱以及光致发光光谱的影响.实验结果表明,单层二硫化钼在二氧化硅、氮化硅及蓝宝石衬底间转移会释放应力.氮化硅和蓝宝石衬底对单层二硫化钼引入p型掺杂,导致转移后拉曼光谱中的403 cm-1处A1g峰发生0.48 cm-1和1.20 cm-1的蓝移,光致发光光谱中的位于662 nm处的I峰有5.44 nm和12.73 nm的红移.本工作对单层二硫化钼的应用具有重要意义.