机械磨抛对CdZnTe薄膜阻变特性的影响

采用磁控溅射法在ITO玻璃上制备了CdZnTe薄膜,探究机械磨抛对CdZnTe薄膜阻变特性的影响。通过对XRD图谱、Raman光谱、AFM显微照片等实验结果分析阐明了机械磨抛影响CdZnTe薄膜阻变特性的物理机制。研究结果表明,磁控溅射制备的薄膜为闪锌矿结构,F43m空间群。机械磨抛提高了CdZnTe薄膜的结晶质量;CdZnTe薄膜粗糙度(Ra)由磨抛前的3.42 nm下降至磨抛后的1.73 nm;磨抛后CdZnTe薄膜透过率和162 cm^-1处的类CdTe声子峰振动峰增强;CdZnTe薄膜的阻变开关比由磨抛前的1.2增加到磨抛后的4.9。机械磨抛提高CdZnTe薄膜质量及阻变特性的原因可能是CdZnTe薄膜在磨抛过程中发生了再结晶。     

单层MXene纳米片Ti2N电磁特性的过渡金属(Sc、V、Zr)掺杂效应

二维材料MXene纳米片由于具有较大的比表面积和较高的电子迁移率而受到广泛的关注。本文采用基于密度泛函理论的第一性原理计算,对单层MXene纳米片Ti₂N电磁特性的过渡金属(Sc、V、Zr)掺杂效应进行了系统研究。结果表明,所有过渡金属掺杂体系结合能均为负值,结构均稳定;其中Ti₂N-Sc体系的形成能为-2.242 eV,结构更易形成,且保持稳定;掺杂后Ti₂N-Sc、Ti₂N-Zr体系磁矩增大;此外,Ti₂N-Sc体系中保留了较高的自旋极化率,达到84.9%,可预测该体系在自旋电子学中具有潜在的应用价值。     

多模式离子推力器输入参数设计及工作特性研究

针对我国小行星探测任务对电推进系统离子推力器设计要求,基于等离子体基本理论建立了多模式离子推力器输入参数与输出特性关系,完成各工作点下屏栅电压、束电流、阳极电流、加速电压,流率等输入参数设计,采用试验研究和理论分析的方法研究了推力器工作特性.试验结果表明:在设计输入参数下,23个工作点推力最大误差小于3%,比冲最大误差小于4%,在功率为289—3106 W下,推力为9.7—117.6 mN,比冲为1220—3517 s,效率为23.4%—67.8%,电子返流极限电压随着推力增加单调减小,最小、最大推力下分别为-79.5 V和-137 V,放电损耗随着功率增大从359.7 W/A下降到210 W/A,并在886 W时存在明显拐点,效率随功率增大而上升,在1700 W后增速变缓并趋于稳定,在轨应用可综合推力器性能、任务剖面要求、寿命,合理设计输入参数区间,制定控制策略.     

基于电化学老化衰退模型的锂离子动力电池外特性

当前锂离子动力电池电化学模型存在模型复杂、建模难度大、计算效率低、老化评估效果差的问题,本文提出一种考虑电池衰退老化的机理模型(ADME).本文首先通过有限差分法对伪二维(P2D)电化学模型进行离散降阶处理,得到简化伪二维(SP2D)模型.在SP2D模型的基础上,基于阴阳两极发生的副反应导致的衰退老化现象,提出一种考虑电池衰退老化的机理模型.其次,使用多变量偏差补偿最小二乘法实现模型参数辨识.最后通过动力电池衰退老化性能循环实验,对比分析了恒流、脉冲工况下SP2D模型和ADME模型的终端电压输出.结果表明:ADME模型较为简单、计算效率和估算精度高,可以有效评估电池容量老化衰退,得到理想的锂离子动力电池外特性曲线.     

光纤基底TiNi形状记忆合金薄膜制备工艺

将TiNi基记忆合金薄膜与光纤相结合可制成智能化、集成化且成本经济的微机电系统和微传感器件.本文采用磁控溅射法在二氧化硅光纤基底上制备TiNi记忆合金薄膜,系统讨论了溅射工艺参数以及后续退火处理对薄膜质量的影响.采用自研制光纤镀膜掩膜装置在直径为125μm的光纤圆周表面上形成均匀薄膜.实验表明:在靶基距、背底真空度、Ar气流量和溅射时间一定的条件下,溅射功率存在最佳值;溅射压强较大时,薄膜沉积速率较低,但薄膜表面粗糙度较小.进行退火处理后,薄膜形成较良好的晶体结构,Ti_49.09Ni_50.91薄膜中马氏体B19′相和奥氏体B2相共存,但以B19′为主.根据本文研究结果,在玻璃光纤基底上制备高质量的TiNi基记忆合金薄膜是可实现的,本工作为下一步研制微机电系统和微型传感器做了基础准备.     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

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。     

基于遗传算法的紧凑型高温超导托卡马克磁体优化

基于遗传算法和二维轴对称磁场有限元模型对高温超导托卡马克装置磁体进行了优化设计。以超导带材使用量最少为优化的目标函数，在给定的背景场设计指标和高温超导带材在50K、不同背景场的临界电流数据下，对磁体物理参数以及运行电流进行优化，得到了托卡马克高温超导磁体在50K温区下的设计方案。