MoO3/Al2O3催化剂中Mo分散的正电子研究

用浸渍法制备了一系列不同Mo含量的MoO₃/Al₂O₃催化剂.测量了这些样品的正电子湮没寿命谱(PALS)与符合多普勒展宽(CDB)谱,以研究其孔洞结构以及Mo分散.正电子寿命测量结果表明,Al₂O₃载体中存在两种不同尺寸的孔洞.掺入MoO₃之后,Mo原子主要进入Al₂O₃的大孔中,使孔洞体积减小.符合多普勒展宽谱结果表明,当MoO 关键词： 3/Al₂O₃催化剂')" href="#">MoO₃/Al₂O₃催化剂 正电子湮没寿命谱 符合多普勒展宽 Mo 分散     

基于OGSA的应用网格及其关键技术研究

文章介绍了网格计算技术的发展与研究现状,从网格体系结构等方面对网格计算技术进行探讨,着重剖析了网格系统的五层沙漏结构和最新的开放网格服务体系结构OGSA,并提出了网格计算技术中应重点关注的关键技术与问题。     

BGP/MPLS VPN的原理与校园网规划

虚拟专用网（VPN）以其独具特色的优势赢得了市场的青睐,其中BGP／MPLS（多协议标记交换）VPN就是一种比较成熟并得到广泛应用的VPN解决方案．本文将介绍BGP／MPLSVPN的基本原理,并提出利用该技术对校园网进行规划的方法．     

FeSO4溶液催化氧化脱除烟气中SO2研究

提出了一种烟气脱硫新工艺．实验在无其他催化剂条件下进行,FeSO4为脱硫吸收液．脱硫过程中加入铁屑以实现高脱硫率和回收硫的目的．对比实验发现加入铁屑可显著提高SO2脱除效率．连续运行实验结果表明,脱硫率与吸收液pH的变化同步．吸收液中总铁物质的量浓度随时问的变化及初始FeSO4物质的量浓度对脱硫率和吸收液pH的影响显示,在保持较高脱硫率的同时,制取高浓度FeSO4溶液是可行的．并调查了吸收温度、液气比、空塔气速和SO2入口质量浓度对脱硫率和吸收液pH的影响．     

含咔唑基团联吡啶衍生物为中性配体的铕配合物的合成和发光性质研究

以2,2′-联吡啶(L1)为基础,合成了5,5′-二溴-2,2′-联吡啶(L2),5-咔唑-5′-溴-2,2′-联吡啶(L3),5,5′-二咔唑-2,2′-联吡啶(L4)3个N,N-双齿配体,然后以二苯甲酰甲烷(DBM)作为第一配体合成了这4种配体相应的铕配合物。在387 nm激发条件下,配合物都表现出非常强的铕离子⁵D₀-⁷F_J (J=0,1,2,3,4)的特征发射。引入咔唑基团后,不仅扩大了配合物吸收光能的范围、增强了配合物的吸收强度,而且提高了配合物的光致发光性能。     

求解四元数矩阵方程X-AXB=CY+D的一种新方法（英文）

提出了四元数矩阵的一种实向量表示法,可以结合矩阵的半张量积研究四元数矩阵方程.给出了四元数矩阵方程X-AXB=CY+D的最小二乘Hermitian解的通解表达式,以及该方程具有Hermitian解的充要条件,通过数值实验,验证该方法的有效性.     

CdMoO4光催化材料的电子结构和光学性质的第一性原理计算

利用第一性原理密度泛函理论计算了 CdMoO4的结构特征、化学键特征、能带结构、电子态密度、电子轨道、介电常数、复折射率、光吸收光谱、价带和导带边位置.结果表明,CdMoO4晶胞基本结构单元CdO8十二面体发生扭曲,导致CdMoO4晶格畸变和内极化电场产生,这非常有利于光生载流子的分离.Mo与O原子之间主要以共价键形式...     

溶剂对钙钛矿薄膜形貌和结晶性的影响研究

溶剂对钙钛矿太阳能电池器件有着至关重要的影响. 基于目前常用的N, N-二甲基甲酰胺(DMF)和丁内酯(GBL)溶剂, 一步溶液旋涂技术和介孔电池结构, 制备的钙钛矿薄膜的形貌、结晶性, 以及最终的器件光电转化效率存在较大的差异, 利用DMF作为溶剂, 效率仅为2.8%, 而基于GBL的电池效率可以达到10.1%. 结合SEM, HRTEM, XRD和UV等表征手段, 分析了钙钛矿从DMF溶液和GBL溶液中结晶析出的不同机理, 明确了溶剂跟PbI₂的配位作用对钙钛矿的溶解、析出过程的制约作用, 揭示了造成器件效率差异的本质原因.     

在四能级系统中实现单粒子及两粒子量子态的远程制备

本文提出两种协议来实现远程态制备.第一个方案描述基于两体最大纠缠信道,如何远程制备四能级系统中的任意单粒子量子态.然后由第一个方案概括出第二个方案,即在四能级系统中实现两粒子纠缠态的远程制备方案.在两种制备的过程中, 需要分别实施一个单粒子投影测量和一个两粒子投影测量.结果表明,两个方案都能以大于25%的几率忠信地实现.此外,对于两类特殊态,即赤道态和实数态,其成功概率大大提高至100%,此时我们几率的协议转变为决定性的协议.     

基于CNN-GCN模型的扫描电镜图像分类

通过对矿物扫描电镜图像进行分类与鉴定,能够获取矿物的微观信息,确定矿物的组成与类别,对于油气田生、储、盖类型的研究具有重要的意义.由于在一幅图像之中有时不止有一种矿物,且不同矿物之间具有相关性或共生性的特性,而普通的神经网络只提取图像特征或只注意图像局部的特征关系,忽略了矿物之间的相关性.因此如何利用标签之间的关系进行更优秀的多标签图像分类成为扫描电镜图像分类的重要任务.鉴于上述情况,通过构建基于Resnet50的图像特征学习模块与基于图卷积神经网络的分类器模块构成的引入图卷积的卷积神经网络模型可以很好地完成上述任务.使用卷积神经网络模块提取图像特征,并利用GCN模块学习矿物标签之间的相关性,达到提高分类准确率的目的 .此模型相比普通的CNN模型准确率提高了5%,相比引入注意力机制的CNN模型,此模型的准确率仍有3%的优势.实验表明,CNN与GCN相结合的分类模型在扫描电镜数据集分类任务中优于其他的分类模型.