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。     

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。     

化学势依赖于系统内的所有物质

在热力学中，关于多元系的化学势的变量集，有互不一致的两种结论.一种结论认为，某种物质的化学势，仅仅依赖于其它物质的存在，另外一种认为，不仅依赖于其它物质，也依赖于自己.本文通过详细的分析论证了，一般而言，化学势依赖于系统内的所有物质.     

希尔伯特类多项式模p的Fp根的个数(英文)

设K是一个虚二次域,O为K中的一个order.由定义,O的希尔伯特类多项式H_O(x)是一个整系数的首一不可约多项式,它的复根恰为所有具有O—复乘的椭圆曲线的j—不变量.设p∈N为一个在K中惯性的素数,且p严格大于|disc(O).若Ho(x)(mod p)的F_p根的所组成的集合非空,我们证明群Pic(O[2]在该集合上有一个自由且传递的作用;因此Ho(x)(mod p)的F_p根的个数要么等于0,要么等于|Pic(O)[2]|.我们还给出了一个关于F_p根存在性的具体判别方法.类似的结果首先由Xiao等人在文献[25]中得到,后又经李等人在文献[13]广泛推广.本文结果已在李等人的工作中出现,但方法与之完全不同.