Preparation and characterization of dendrimer-star PNIPAAM using dithiobenzoate-terminated PPI dendrimer via RAFT polymerization

Two dendritic reversible addition-fragmentation transfer (RAFT) agents with 8 and 16 terminal dithiobenzoate (DTB) groups on the surface of poly(propylene imine) (PPI) dendrimers (generation 2.0 and 3.0, respectively) were successively prepared, and they were used in the RAFT polymerization of N-isopropylacrylamide (NIPAAM). The polymerization kinetics was confirmed to pseudo-first-order behavior. The ¹H NMR and GPC analyses show that the dendrimer-star den (NIPAAM)_x (x = 8 or 16) prepared by RAFT method has well-defined structure, controlled molecular weight and low polydispersities (PDI < 1.3). The aqueous solution prepared from dendrimer-star PNIPAAM showed reversible changes in optical properties: transparent below a lower critical solution temperature (LCST) and opaque above the LCST.     

Quantum-mechanical effects and gate leakage current of nanoscale n-type FinFETs: A 2d simulation study

This paper simulates a kind of new sub-50 nm n-type double gate MOS nanotransistors by solving coupled Poisson-Schrödinger equations in a self-consistent manner with a finite element method, and presents a systematic simulation-based study on quantum-mechanical effects, gate leakage current of FinFETs. The simulation results indicate that the deviation from the classical model becomes more important as the gate oxide, gate length and Fin channel width becomes thinner and the Fin channel doping increases. Gate tunneling current density reduces with the body thickness decreasing. Excessive scaling increases the gate current below Fin thickness of 5 nm. The gate current can be dramatically reduced beyond 10¹⁷ cm⁻³ with the Fin body doping increasing. In order to understand the influence of electron confinement, quantum mechanical simulation results are also compared with the results from the classical approach. Our simulation results indicate that quantum mechanical simulation is essential for the realistic optimization of the FinFET structure.     

腔长失调对光腔衰荡法测量精度的影响

 只考虑腔长失调因素下建立了反射率模拟测量的理论模型。根据高斯光束传输规律分析了腔长失调对衰荡腔模式耦合的影响，推导了腔长失调与谐振腔输出脉冲信号、衰荡信号与反射率之间的关系，模拟了腔长失调在±10mm范围内的光脉冲衰荡现象。结果表明：对于光敏面直径为0.2mm的高速探测器，为了保证10^-6的测量精度，腔长的失调量应控制在±1mm之间。在光路调节中采用具有对数变换功能的示波器和动态范围较大的探测器，可以提高测量精度。     

对全入射角负折射二维光子晶体结构和电磁参量的研究

利用二维光子晶体的等频线分析原理和平面波展开方法,得到了使二维光子晶体产生全入射角负折射(All-Angle Negative Refraction,AANR)现象时,入射电磁波的频率取值范围.同时,分析了AANR频率范围随着结构参量(晶格类型、介质棒半径与晶格周期的比值)和电磁参量(介质柱介电常量、本底介电常量、入射电磁波偏振方向)变化的行为.结果表明:固定组成光子晶体的一种介质的介电常量,另一介质的介电常量只有达到一定阈值,才有可能使光子晶体出现AANR现象.在给定两种介质介电常量的条件下,存在使AANR频率范围最大化的结构参量和电磁参量.     

Butterfly and Nest-Shaped Tp*-W-Cu-S Cluster Monomers and Dimers with Hexamethylenetetramine as Ligand: Anion-Dependent Structures and Nonlinear Optical Properties

The assembly of[Et4N][Tp*WS3](1) with CuX (Tp* =hydridotris(3,5-dimethylpyrazol-1-yl)borate;X =Cl,Br,and I) or[Cu(MeCN)4][PF6]in the presence of tetratopic liga...     

色散管理孤子色散周期长度的开关特性

在色散管理光孤子系统中建立起一种周期扰动模型,研究了扰动对孤子传输的影响.运用快速傅里叶变换方法通过数值模拟发现,在脉冲传输距离与扰动周期长度的关系中不仅存在着多极值结构,而且存在着开关特性,利用这一特性可以有效地控制孤子的传输.     

量子数字签名研究进展

量子数字签名是量子理论与经典数字签名的结合,其目的是利用量子效应达到无条件安全的信息交互。介绍了目前提出的几种量子数字签名协议,详细分析了这几种协议的优缺点和效率,提出了量子数字签名协议设计的具体要求,并展望了此领域今后的发展方向。     

基于改进VGG网络的单体热电池X光图像无损检测方法研究

为解决单体热电池生产中出现的安装错误、人工检测耗时耗力的问题,提出一个结合迁移学习和卷积 神 经网络(convolutional neural network,CNN) 的单体热电池缺陷检测模型。首先,对数据集图像进行裁剪、加噪等预处理,以VGG16(visual geometry group 16) 网络作为 模型的骨干架构,在瓶颈层后增添选择性核(selective kernel,SK) 卷积;然后,增添全局平均池化(global average pooling,GAP) 层, 增加Dropout层及添加 L2 正则化等微调操作,得到单体热电池缺陷检测模型Q-VGGNet;最后,在大型公开数据集ImageNet上进 行预训练学习,将获得的权重参数迁移到单体热电池图像识别模型Q-VGGNet上。测试实验表明:6种 网络模型对数据集缺陷图像的总体识别准确率分别达到了98.39%、94.44%、97.27%、96.34%、93.71%、 95.61%,Q-VGGNet网 络模型 对合格图像和 漏装负极、极耳断裂、漏装集流片3种缺陷图像 识别准确率 分别达到了99.6%,95.9%,99.6%和98.4%。检测结果表明:该方法能够更准确、快速地检测热电池缺陷, 拥有良好的缺陷诊断能力,较传统方法提高近3%,为人工检测单体热电池缺陷提供了良好的解决途径。     

可配置处理器在SoC设计中的应用

可配置处理器的出现使得SoC设计工程师可以建立起一种崭新的,而且非常灵活的硬件模块构建方法。同传统的固定指令集架构ISA处理器相比,可配置处理器通过添加用户定制的执行功能部件、寄存器和寄存器堆以及专用通信接口能够获得很高的系统性能。     

基于BP神经网络的模塑封材料疲劳寿命预测

根据模塑封材料(EMC)疲劳实验,针对BP神经网络[反向传播神经网络(BPNN)]拟合误差与预测误差关系不稳定的应用问题,结合主成分分析法,"主动"改善网络结构,建立了基于BP神经网络的EMC材料疲劳寿命预测模型,进行了分析,并与一般的BP神经网络模型作了比较。结果表明,该方法得到的BP神经网络经过训练后能稳定表征EMC材料的各种参数与疲劳寿命间的内在关系。当网络拓扑结构为2-4-1时,预测结果稳定,预测误差平方和(SSE)为0.5623～0.0271,拟合误差(MSE)为0.0906～0.0278,具有实用性。