驱动场作用下二分量BEC原子数密度演化中的崩塌与复苏现象

本文运用数值模拟研究了二分量BEC原子数密度的长时间动力学行为,讨论了驱动场Rabi频率、二分量初始相对相位差、驱动场耦合强度、同分量内原子作用强度及不同分量间原子作用强度对阱中原子数密度演化特性的影响.结果表明:长时间内阱中原子数密度的演化出现与短时间内周期性余弦振荡不同的新现象,即呈现典型的量子崩塌与复苏.     

准Λ型四能级原子系统中的烧孔和光学双稳现象

研究了准Λ型四能级原子与两光场相互作用系统中的量子干涉效应.发现在弱探测场下系统驱动场拉比频率改变时,其色散曲线会呈现出烧孔现象,吸收增益曲线会出现全增益区以及宽而平坦的电磁感应透明窗口.另外,色散曲线随探测场拉比频率相位的演化会呈现出光学双稳态效应.     

模式竞争与压缩现象

双模激发将使场趋近初始相干态,此时场的某一正交分量的压缩交浅.讨论了加深压缩的一种可能性并举了级联单模情况为例.     

三能级三模量子系统中探测场的增益研究

研究了三能级原子与多模光场相互作用的量子系统，从系统的密度矩阵运动方程出发讨论了无粒子数反转探测场的增益条件，发现当驱动场拉比频率取5，探测场拉比频率取1，非相干抽运取3，驱动场失谐量取3时，系统可以在偏离共振的两端获得粒子数无反转而相应的探测场获得了增益，即实现了无粒子数反转激光，其在光通信方面具有重要的应用价值。     

四能级原子系统中的电磁感应透明及光开关现象

研究了闭合的Tripod-type四能级原子系统,使系统在三模光场相互作用下,利用量子干涉对其进行研究.结果显示在一定条件下,当改变控制场的拉比频率时,探测场对应的介质色散曲线可以实现从反常色散到正常色散的转变,出现了开关效应.并且在一定条件下共振-近共振区域会出现电磁感应透明.     

在线近红外光谱预处理对废旧纺织品定性识别的影响

将近红外光谱分析技术与一阶导数、离散小波变换、标准正态变换、多元散射校正、 S-G平滑、移动平均平滑、均值中心化和最大最小归一化8种预处理方法相结合,采用其单一及组合的方法,对聚酯、锦纶、腈纶、棉、毛、真丝、聚酯/棉、聚酯/锦纶、聚酯/氨纶、聚酯/毛、真丝/棉、锦纶/氨纶和特殊类共计13类织物的3620个近红外谱图进行预处理,并建立基于深度卷积神经网络的废旧纺织品定性识别模型。依据定性模型的识别准确率,探讨出适宜该类数据集的谱图预处理方法。研究结果表明,采用S-G平滑、均值中心化+S-G平滑和标准正态变换+S-G平滑的方法预处理后,所得模型的识别准确率均在96%以上。将此3种模型与未经预处理的原模型分别导入“分拣装置”中,对未参与建模的280个样品进行成分识别检验,经预处理优化后的模型识别准确率均高于原模型的89.6%。且均值中心化+S-G平滑预处理后,模型的识别准确率最高达96.8%,识别、分拣时间小于2 s。因此,对原模型样本的近红外光谱数据进行预处理可极大提高模型的识别准确率,为废旧纺织品的在线高效识别与自动分拣提供新方法。     

钡原子6p3/2ns自电离里德伯态的研究

用激光多步激发技术研究了处于6p1/2电离限以下的6p3/2ns自电离态的光谱。 并利用最新的R矩阵的计算结果, 结合多通道量子亏损理论进行了理论分析。 理论结果与实验光谱相符合。     

基于CNN的废旧纺织品在线NIR高效识别与自动分选技术研究

我国每年产生废旧纺织品超过2 600多万吨，且随着经济的发展呈现逐年增多的趋势，而其再生利用率不足10%。废旧纺织品组分的多样性和结构的复杂性是影响其准确分类、快速回收和高附加值再利用的最大障碍。人工识别分选既费时费力又不准确，而近红外光谱分析技术可对其进行快速无损高效识别分选。在前期探究的最佳测试条件下，利用自主研制的“纤维制品在线近红外高效识别与分选装置”对聚酯、棉、毛、锦纶、真丝、粘胶、腈纶、聚酯/毛、聚酯/棉、聚酯/锦纶、真丝/棉混纺和“特殊类”共计12类1 060个废旧纤维织物样本进行在线原始近红外光谱采集。基于采集的样本在线原始NIR谱图，利用卷积神经网络方法，依据输入的样本光谱数据及对应分类标签进行网络训练，建立了12类废旧纺织品在线NIR定性识别模型。对比一维、二维卷积神经网络模型，其二维模型较优，该模型是将901～2 500 nm的一维数组归一化后转化为40×40像素的二维灰度图像，再交替进行多次卷积和池化来进行光谱特征的提取、压缩和数据降维。通过模型计算得到每类废旧纺织品样本的类别概率值，取其最大值作为该类织物的最终分类。本模型训练过程设置为500轮，每次取32个样...