光腔中两原子共振荧光的相干性质

研究了置于光腔中的两个二能级原子，在强相干场驱动下的共振荧光光场的辐射场相干性质，发现在坏腔条件下，可以通过调节光腔与相干场的频率来提高一阶可见度和减小二阶关联函数.这是因为改变光腔与相干场的频率会引起原子修饰态布居数的改变，导致一阶可见度和二阶关联函数发生显著变化. 关键词： 光腔 两个二能级原子 一阶可见度 二阶关联函数     

声学超构材料

2000年报道的具有局域共振带隙的声学材料是声学超构材料的前身,也是最早实现的声学超构材料．同光学、电磁超构材料一样,近年来声学超构材料也引起了许多学者的研究兴趣．文章介绍了到目前为止声学超构材料的主要研究进展,内容包括含共振单元的声学超构材料的负有效声学参数（包括质量密度、体模量等）的实现,以及不含共振单元的声学超构材料的一些有效声学参数的确定等,最后对声学超构材料的可能应用进行了简单展望．     

一个单滑移取向铜单晶体疲劳位错结构的热稳定性研究

利用扫描电镜电子通道衬度(SEM-ECC)技术观察研究了[4 18 41]单滑移取向铜单晶体在不同塑性应变幅下的疲劳饱和位错结构及其在不同温度等时退火条件下的热稳定性. 结果表明, 在退火温度为300 °C时, 疲劳位错结构(如脉络结构、驻留滑移带PSB楼梯结构、PSB胞结构和迷宫结构等)均发生了明显回复. 当退火温度高于500 °C, 上述这些疲劳位错结构基本消失, 均发生了明显的再结晶现象, 并大都伴随有退火孪晶的形成. 分析认为, 再结晶的发生和退火孪晶的出现不仅与退火温度和外加塑性应变幅有关, 还与累积循环塑性应变量有着密切的关系.     

基于CPV技术的LED路灯聚光器的研究

以120W大功率LED路灯太阳能电池板为研究对象,通过聚光光伏技术,利用光学透镜(聚光器)提高太阳能电池的光电转换效率。利用聚焦作用增大光照密度,有效地降低了太阳能光照面积,极大地减少了光电材料的使用量,大幅度降低了太阳能电池的成本。通过光学仿真软件TracePro进行仿真,验证了其可行性。     

流动注射-氢化物发生-原子荧光光谱法测定牛奶中的铅

建立了流动注射-氢化物发生-原子荧光光谱法测定奶制品中铅含量的分析方法,对仪器条件和反应条件进行了选择、优化。方法的检出限为0.30μg/L,相对标准偏差小于4.7%,回收率为90.0%—114.5%,符合食品中痕量元素的分析要求。     

ICP-MS测定黄芪饮片无机元素因子分析和聚类分析

利用微波超声消解、电感耦合等离子体质谱法(ICP-MS)测定黄芪中无机元素含量,利用因子分析、聚类分析法确定其主要判别元素。测得黄芪样品中27种无机元素含量,因子分析的结果表明总方差的97.8%的贡献来自第1个因子,黄芪主要判别元素确定为K、Mg与Na。对黄芪饮片无机元素的测定与分析研究有助于完善其质量评价体系。     

多层纳米碳管膜的大面积可控制生长

文章介绍了利用化学气相沉积法在Si和石英基片上大面积生长多层碳纳米管膜的研究成果,通过调节生长参数,不仅可以获得高度取向的碳纳米纤维,还可获得不同直径,不同图案的高度取向的碳纳米管膜,取向碳纳米管膜的可控制制备,为研究碳纳米管的物理,化学性能,特别是为碳纳米管场发射平面图像显示器的应用研究,奠定了坚实的基础。     

用HRS技术研究CdS/Cd纳米粒子的二阶光学非线性

用新发展的超瑞利散射（HRS）技术（一种非相干的方法）研究了表面富镉的CdS纳米粒子的二阶非线性光学性质。结果表明每个纳米粒子的二次非线性极化率β值在10^-26esu量级,这是目前报导的具有最大β值的溶液物种之列。探讨了CdS纳米粒子产生二阶非线性的机制。认为纳米粒子大的比表面及表面缺陷结构对CdS纳米粒子的二阶光学非线性有很大影响。另外,双光子吸收诱导的共振增强作用亦可能贡献CdS纳米粒子的HRS信号,这种双光子共振吸收被其双光子荧光谱所证实。     

二硫代钼酸锌高温稳定性及其润滑性能的研究

在实验室中全成了二硫代钼酸锌粉,并考察了其作为固体润滑剂的高温摩擦学性能,同时采用热重分析对其热稳定性进行了评价,采用Ｘ射线光电子能谱分析了摩擦表面典型元素的化学状态。结果表明,二硫代钼酸锌在空气中的第一分解温度为２４９．８℃,摩擦磨损试验结果表明,二硫代钼酸锌作为固体润滑剂在室温到５００℃温度范围内具有较代的摩擦系数,但摩擦系数随温度的升高而增大。磨损表面Ｘ射线光电子能谱分析结果表明,该固体润滑     

HL-2A tokamak disruption forecasting based on an artificial neural network

Artificial neural networks are trained to forecast the plasma disruption in HL-2A tokamak. Optimized network architecture is obtained. Saliency analysis is made to assess the relative importance of different diagnostic signals as network input. The trained networks can successfully detect the disruptive pulses of HL-2A tokamak. The results obtained show the possibility of developing a neural network predictor that intervenes well in advance for avoiding plasma disruption or mitigating its effects.