化学专业课线上学习效果调查及对策研究

在新冠疫情的影响下,线上学习的方式得到了大面积的普及与推广,如今疫情即将结束,线上学习依旧存在于大学生的学习生活中,但其应用并不广泛,根据对湖北师范大学及汉江师范学院化学专业课线上学习情况进行问卷调查,结果分析发现,学生对线上学习的满意度远远小于线下学习,并且线上学习的效果不如线下学习。如何让学生接受线上学习,并使其广泛运用到大学中,本次研究给出以下六点操作性强并保证质量的策略。     

基于NARX动态神经网络直拉硅单晶直径预测模型

直拉法在制备硅单晶的过程中存在机理假设多、多场耦合下边界条件不明确和化学变化交错且相互影响等问题,导致无法建立准确的机理模型用于硅单晶生长过程控制。针对此问题,本文以单晶炉拉晶车间的大量晶体生长数据为基础,基于互信息理论提出的最大信息系数(MIC)算法,对与晶体直径相关的特征参数进行分析,然后基于带外源输入的非线性自回归(NARX)动态神经网络,建立多输入单输出的等径阶段晶体直径预测模型,并对三台单晶炉拉晶数据进行直径预测,预测的平均均方误差值为0.000 774。最后将NARX动态神经网络同反向传播(BP)神经网络进行对比分析,验证了该模型的优越性。结果表明,NARX动态神经网络为晶体直径的控制提供了一种更准确的辨识模型。     

脉冲激光沉积制备La0.62Ca0.29K0.09MnO3外延膜及其磁热性能

采用脉冲激光沉积法在单晶SrTiO3(STO)基底上制备了La0.62Ca0.29K0.09MnO3(LCKMO)薄膜,通过调控基底温度获得了平整致密的膜层.利用二维面探X射线衍射仪和高分辨透射电子显微镜对薄膜结构进行了表征.结果表明,薄膜呈高质量取向外延生长,对应关系为{001}LCKMO||{001}STO.对薄膜的磁热性能研究表明,5 T下最大磁熵变为3.45 J/(kg·K),相对制冷效率为379.5 J/kg,磁熵半峰宽为110 K.     

柱前衍生高效液相色谱法测定血清中克拉霉素的含量

建立了2,4-二硝基苯肼柱前衍生反相高效液相色谱紫外检测法测定血清中克拉霉素的含量,将在碱性条件下甲基叔丁基醚的血清萃取物,与2,4-二硝基苯肼在55℃酸性条件下反应30 min,然后用乙腈-0.05 mol/L pH 7.2磷酸盐缓冲液(4852)在Alltima C18色谱柱上进行分离,在340 nm检测衍生物.方法的线性范围为0.05～3.2 mg/L(r=0.9993);检出限为30 μg/L,绝对回收率大于89%,相对标准差小于10%.本方法已用于克拉霉素在健康受试者中的药代动力学研究.     

凋亡细胞线粒体膜电位的流式细胞术分析

采用流式细胞术与特异荧光探针JC-1相结合，在单细胞水平对X射线和化疗药物处理后的食管癌EC6细胞线粒体膜电位的变化进行了分析，凋亡细胞的线粒体膜电位下降，红色荧光减弱，随着剂量的增加，凋亡细胞的比例增大。     

δ掺杂Si对InAs/GaAs量子点太阳电池的影响

在InAs/GaAs量子点的自组装生长阶段,采用δ掺杂技术对量子点进行不同浓度的Si掺杂,可以使得量子点的室温光致发光峰强度大幅提高,其原因是掺杂的Si原子释放电子钝化了周围的非辐射复合中心.这种掺杂也应用到了量子点太阳电池中,结果表明电池开路电压从0.72 V提高到了0.86 V,填充因子从60.4;提高到73.2;,短路电流从26.9 mA/cm2增加到27.4 mA/cm2.优化的Si掺杂可将量子点太阳的电池效率从11.7;提升到17.26;.     

三维多孔集流体改善NiO电极的储锂特性

三维多孔金属不仅可容纳电极在储锂过程中的体积变化,且为锂离子提供快速传输通道,因此被广泛用做锂离子电池集流体,以提升其循环稳定性和高倍率容量.NiO作为锂离子电池负极具有高理论比容量而备受关注,但其电子导电性差和充放电过程中的巨大体积变化造成其循环寿命短和高倍率容量低.此外,NiO首次放电（嵌锂）产物Ni⁰和Li₂O不能在充电（脱锂）过程中完全反应造成首次不可逆容量大,阻碍了其商业化应用.本工作采用简单、易规模化的化学镀法制备出具有三维贯穿孔的多孔铜（孔径≈5 μm）,并在其孔壁电沉积获得NiO@三维多孔铜电极.由于三维多孔铜集流体可容纳NiO储锂过程中的体积变化;为锂离子提供快速传输通道,同时其高比表面积增大了Ni⁰和Li₂O的反应活性点,因此该电极显示出优异的高倍率容量和高首次库伦效率.该电极在200 mA·g^-1电流密度下,首次放电（嵌锂）和充电（脱锂）容量分别为1522.3和1230.2 mAh·g^-1,首次库伦效率达到80.8%;在高电流密度20 A·g^-1下显示578.1 mAh·g^-1容量.以NiO@三维多孔铜为负极,LiNi_1/3Co_1/3Mn_1/3O₂为正极组装成全电池,首次充电和放电容量分别为1514和1060 mAh·g^-1（基于NiO电极,电流密度0.2 A·g^-1）,首次库伦效率为70%;1.0 A·g^-1电流密度下,首次放电比容量为873 mAh·g^-1,100次循环后保持709 mAh·g^-1,保持率为81%;10 A·g^-1电流密度下容量保持530.6 mAh·g^-1.该工作将为过渡金属氧化物储锂性能提升提供新途径.     

直拉法单晶炉随动式加热器设计

单晶炉是一种在以高纯氩气为主的惰性气体环境中,用石墨热场加热,将多晶硅材料加以熔化,用直拉法生长单晶硅的设备,在太阳能单晶硅拉制的过程中,如何提高拉晶的速度和质量以及降低设备的能耗一直是单晶硅厂家永恒的追求。本文从机械结构的角度分析了坩埚上升在单晶炉拉晶过程中所造成的拉晶速度下降和额外能耗问题,在此问题的基础上提出了一种加热器随坩埚在拉晶过程中上升的单晶炉结构优化方法,并通过有限元仿真对单晶炉优化前后晶体和熔体的热场以及拉晶过程中加热器功率进行分析。结果表明,改进后的单晶炉不仅可以提高拉晶过程的稳定性和拉晶速度,从而进一步提高单晶炉的拉晶质量和产量,而且还能有效降低单晶炉拉晶的能耗。     

基于数据驱动的晶体直径模型辨识方法研究

直拉法硅单晶生长是一个多场多相耦合、物理变化复杂,且具有大滞后和非线性现象的过程,基于单晶硅生长系统内部机理所构建的机理模型由于存在诸多假设而无法应用于工程实际。因此,本文以现有CL120-97单晶炉拉晶车间的长期、海量晶体生长数据为基础,忽略炉内复杂的晶体生长环境,对影响晶体直径的拉晶参数进行关联性分析及特征量化,探寻拉晶数据中所蕴藏的规律信息,进而建立基于数据驱动的BP神经网络晶体直径预测模型,并针对现有BP神经网络易陷入局部极小值的问题,采用遗传算法对BP神经网络的阈值和权值进行优化,以提高晶体直径预测的准确性。通过实际拉晶数据对模型预测结果进行验证,结果表明,对任意选取的8组拉晶数据进行直径预测,预测的平均相对百分比误差为0.095 71%,证明该模型对于等径阶段晶体直径的预测是可行的。     

挑战性问题：激发有效学习的动力

<正>1 问题提出挑战性学习内容是基于学生已有的知识经验，立足于学生的“最近发展区”,设计的具有一定难度的学习内容.挑战性学习内容能够帮助学生拓展视野，锻炼思维能力，促进对知识的理解，引导他们逐渐形成探寻真理的科学精神.那么，在教学中应该如何合理、科学地设计挑战性学习任务呢?倘若课程内容难度较低，就无法激发学生的学习兴趣，难以调动学生的思维和引发学生的深层次思考，不利于促进学生产生内在的学习动力.但是，如果课程内容难度过大，