硅纳米线阵列光电探测器研究进展

硅(Si)作为最重要的半导体材料之一,被广泛应用于太阳电池、光电探测器等光电器件中.由于硅和空气之间的折射率差异,大量的入射光在硅基表面即被反射.为了抑制这种反射带来的损失,多种具有强陷光效应的硅纳米结构被研发出来.采用干法蚀刻方案多数存在成本高昂、制备复杂的问题,而湿法蚀刻方案所制备的硅纳米线阵列则存在间距等参数可控性较低、异质结有效面积较小等问题.聚苯乙烯微球掩膜法可结合干法及湿法蚀刻各自的优点,容易得到周期性硅纳米线(柱)阵列.本文首先概述了硅纳米线结构的性质和制备方法,总结了有效提升硅纳米线(柱)阵列光电探测器性能的策略,并分析了其中存在的问题.进而,讨论了基于硅纳米线(柱)阵列光电探测器的最新进展,重点关注其结构、光敏层的形貌以及提高光电探测器性能参数的方法.最后,简要介绍了其存在的主要问题及可能的解决方案.     

氧扩散与表面反应在VOx-Ce1-xZrxO2催化丙烷脱氢反应中的影响(英文)

丙烯是一种重要的化工原料,近年来市场需求逐年上升.丙烷直接脱氢(PDH)生产丙烯技术虽然已实现工业化应用,但其存在反应热力学不利、催化剂成本高及使用有毒铬系催化剂等问题.丙烷氧化脱氢(ODH)由于过度氧化严重和存在操作风险等问题阻碍了其实际应用.化学链丙烷脱氢(CL-ODH)技术采用低成本且环境友好的可还原金属氧化物作为氧载体(氧化还原催化剂),并利用更高效的晶格氧作为氧化剂替代传统ODH过程中的氧气,在改善丙烷脱氢反应热力学限制的同时抑制了烷烃分子的过度氧化.氧化还原催化剂在该过程中发挥着重要的作用,其设计得到了研究者们的广泛关注.目前,铈锆储氧材料担载的钒催化剂由于在烷烃选择性氧化以及储氧能力方面的优势,在CL-ODH领域展示出良好的应用前景.然而,由于体相氧传输和表面反应共同决定氧化还原催化剂的性能,因此深入探究两者在反应过程中的作用机制对于高性能催化剂的开发至关重要.本文构建了结构明确的VO_x-Ce_1-xZr_xO₂氧化还原催化剂并应用于CL-ODH反应,通过引入Zr调控催化剂的表面和体相性质...     

变电一次检修运行中存在的问题及其解决措施分析

在电力系统中,变电检修工作是重要的工作环节,对电网设备的正常运行具有重要影响,是提高供电可靠性的有效手段。主要分析了电力企业变电一次检修运行中存在的问题,并给出了相应的解决措施。     

新型噻唑-肉桂酸杂合体的设计、合成及黄嘌呤氧化酶抑制活性

以乙酰乙酸乙酯和苯甲醛为原料,经5步反应得到14个2-取代肉桂酰胺基-4-甲基噻唑-5-羧酸化合物,其结构均经¹H-NMR,¹³C-NMR和MS确证。经初步体外黄嘌呤氧化酶抑制活性评价,化合物5l表现出对黄嘌呤氧化酶有一定的抑制作用,抑制率为64.91%。      

“要钱树”变成摇钱树——记浙江大学农学院派驻景宁英川镇科技特派员张放

农民伤心了20年的“要钱树”成了摇钱树 2003年4月，浙江大学农学院张放老师作为省首批科技特派员被派驻到景宁畲族自治县英川镇。做为一个农技工作者，可以说，张放老师对农村、农民已一点不陌生，但一到英川，他还是被眼前的景象震撼了：群山峻岭，山路崎岖，泥胚草房，旱涝不保的低产瘦田，荒芜多年的梨园、茶园，茅草丛生的坡地，以及营养不良读书困难的孩子。     

大学生，你知道什么是创业？

几乎是一夜之间,创业成了大学校园的主题。各种创业计划大赛层出不穷,各种各样的学生公司成了大学校园最活跃的一个群体,准CEO满天飞。     

微下拉法生长炉研制及其在BGSO混晶生长上的应用

基于垂直凝固原理设计并研制了适合中低温晶体生长的微下拉法生长炉.采用该生长设备成功生长出不同掺杂浓度的锗硅酸铋纤维晶体,讨论了工艺参数以及掺杂浓度对晶体生长的影响,所得纤维晶体的最大长度达到195 mm.测试了晶体XRD和发射光谱.结果表明,随着SiO2含量增加,Bi4(Ge1-xSix)3O12单晶的晶胞参数随着Si含量增加而减小,而Si掺杂使晶体主发射峰轻微地向短波方向移动.     

机器学习和人工智能辅助钢铁材料设计的研究进展

随着人工智能技术的快速发展和材料数据的显著增加,机器学习和人工智能辅助设计高性能钢材正成为材料科学的主流范式。机器学习方法是一种基于计算机科学、统计学及材料科学之间的跨学科科学,聚焦于发现众多数据之间的相关性。与材料科学中传统的物理建模方法相比,机器学习方法的主要优势在于克服了材料本身复杂的物理机制,为新型高性能材料的研发提供了新的思路。本文从数据预处理和机器学习模型的介绍开始,包括算法选择和模型评估。然后,以优化成分、结构、工艺和性能为主题,回顾了机器学习方法在钢铁研究领域应用的一些典型案例。此外,还介绍了机器学习方法在以性能为导向的材料成分逆向设计工程以及在钢材缺陷检测领域中的应用。最后,探讨了机器学习在材料领域的适用性和局限性,并对未来的发展方向和前景进行了展望。     

基于并行LSTM-CNN的化工过程故障检测

为保证生产过程的安全稳定运行，避免因故障导致损失，及时检测出异常工况并对异常工况进行准确诊断十分重要。针对化工过程的复杂性，提出一种并行长短时记忆网络和卷积神经网络（Parallel Long and Short-Term Memory Network and Convolutional Neural Network,PLSTM-CNN）模型进行化工生产过程故障检测。该模型有效结合LSTM对时间序列数据全局特征提取能力和CNN模型善于提取局部特征的能力，减少了特征信息的丢失，实现了较高的故障检测率。采用一维稠密卷积神经网络作为CNN的主体，结合LSTM网络对序列信息变化敏感的特点，在构建更深层网络的同时避免模型过拟合。采用最大互信息（Maximum Mutual Information Coefficient,MMIC）数据预处理方法，提高了数据的局部相关性以及从不同初始条件下PLSTM-CNN模型检测故障的效率。以TE(Tennessee Eastman)过程为研究对象，PLSTM-CNN模型在故障平均检测率和漏报率等指标上明显优于传统循环神经网络。     

双核钒配合物催化烯烃聚合的研究

文章从含有酰亚胺配体的五价钒三氯化物出发，以不同结构的双酚类试剂为连接单元，成功合成了一系列双核钒的二氯化物(B1～B3),并进行了核磁共振和元素分析表征。在烷基铝助催化剂的作用下，双核钒配合物在降冰片烯的均聚中表现出良好的催化活性，得到具有开环易位结构的聚合物；在乙烯均聚中则表现出极高的催化活性，得到超高分子量聚乙烯，其数均分子量达到了1.84×10⁶;在乙烯与极性单体(如十一烯醇或十一烯酸甲酯)的共聚中表现出很高的催化活性(活性可达654 kg/(mol·h)),成功制备出相应的烯烃共聚物。