三维各向同性谐振子的几何动量分布

尽管几何动量最初的引入是为了描述超面上的运动粒子的动量,却不需要限制在真实的曲面上.如果一个曲线坐标系包含了超面族和超面上的法向矢量作为一个坐标轴的单位矢量,几何动量可以定义在超面族上,并参与构造对易力学量完全集.在三维各向同性谐振子中,采用球坐标描述,存在等效球面,并在球面族上建立对易力学量完全集.因此,三维各向同性谐振子同时具有动量和几何动量分布.这两个动量的差,可以定义为径向动量,从而使得径向动量可以测量.那么,通过几何动量,可以显示出狄拉克引进的径向动量的物理意义,而不是一直认为的那样完全不具有观测意义.     

大功率0.34 THz辐射源中慢波结构的优化设计

为研制大功率太赫兹源, 提出以切连科夫表面波振荡器为基础, 采用过模结构来研究0.34 THz信号的产生. 重点研究了慢波结构的各参数对器件输出性能的影响, 对慢波结构进行了优化设计, 并采用数值模拟方法, 对慢波结构实际参数的选取和实验中所允许的加工精度提了具体要求; 最后采用粒子模拟对该结构进行了"热腔"模拟计算. 结果表明该结构能够产生频率为0.34 THz, 输出功率约为7.8 MW的太赫兹信号, 并且稳定工作于表面波振荡器状态. 该结果为下一步0.34 THz太赫兹源的研制奠定了基础. 关键词： 表面波振荡器 慢波结构 太赫兹 粒子模拟     

用一类特定的双耦合Duffing振子系统检测强色噪声背景中的周期信号

通过分析耦合参数作用、系统所呈现大尺度周期相态的复杂性以及与系统在无噪声条件下状态的比较，得出耦合振子系统的动力学行为比同类单振子系统的复杂，周期相态更稳定、抗噪能力更强.用构造的一类含特定恢复力项双中强度耦合Duffing振子系统检测色噪声背景中的谐波、方波信号，信噪比分别达到-111.0和-108.45dB. 关键词： 特定双耦合 Duffing振子系统 色噪声 周期信号 信噪比     

一类n维非球谐振子势的精确解

严格求解一类n维非球谐振子势的定态薛定谔方程，获得了归一化径向波函数和能谱的 精确解.在此基础上导出径向矩阵元r,L_n｜r^s｜n′ ₄,L′_n>的通项公式. 关键词： n维非球谐振子 精确解 径向矩阵元 通项公式     

GaMnN材料红外光谱中洛伦兹振子模型的遗传算法研究

利用红外反射光谱研究了蓝宝石衬底上用金属有机物化学气相淀积方法生长的稀磁半导体GaMnN材料的晶格振动特性. 并成功地将改进的遗传算法应用于其红外反射光谱洛伦兹振子模型参数的提取. 通过与GaN薄膜的洛伦兹振子模型参数的对比研究发现,GaN掺入Mn后,ω_TO向高频方向移动,γ,ε_∞和ε_s均增加,而ω_LO基本保持不变. 文中同时分析和讨论了Mn对晶格振动特性的影响及 关键词： 稀磁半导体GaMnN材料 遗传算法 洛伦兹振子模型 参数提取     

Rh ⅩⅢ,Pd ⅪⅤ和AgⅩⅤ离子4s~24p~3—4s~24p~25s跃迁的扩展分析

用相对论HartreeFock方法对YⅦ—AgⅩⅤ离子4s24p3和4s24p25s组态的能级结构进行了系统的理论计算.通过分析能级结构的Slater径向积分参数沿等电子序列的变化规律,运用参数拟合外推(或内插)的方法计算了上述离子组态的能级结构参数.在此基础上,计算了Rh,Pd和AgⅩⅤ离子4s24p3(4S32,2P12,32,2D12,32)和4s24p25s(4P12,32,52,2P12,32,2D32,52,2S12)组态的精细结构能级以及这两个组态之间电偶极允许跃迁的全部35条谱线波长与相应的振子强度,其中Pd和AgⅩⅤ离子的所有数据纯属目前的预测计算值.     

多弹簧串联系统能量计算

在弹簧质量不能忽略的情况下,推导了n个弹簧串联系统的动能和弹性势能具体表达式,结果表明:n个串联弹簧系统的动能与每个弹簧自身质量、劲度系数密切相关;系统的弹性势能由n个串联弹簧的等效劲度系数和串联弹簧的总伸长量决定.     

新型电感储能脉冲功率驱动源

提出了将传统单个储能电感利用传输线分隔成两部分的新型电感储能脉冲功率驱动源技术方案。理论分析表明,利用传输线电容的耦合延时作用,可有效对调制器输出脉冲波形进行整形,并且可以进一步提高能量转换效率,从而克服传统电感储能脉冲功率源输出波形质量差(类三角波波形)的缺点。基于该思想开展了实验研究,获得了电压约300 kV,电流约20 kA的电子束,并成功驱动S波段磁绝缘线振荡器获得了百MW量级的微波输出。     

38≤Z≤42类钴离子n =3、Δn=0跃迁的理论计算

用多组态自洽场方法,结合作者提出的半经验拟合公式,首先对38≤Z≤42类钴离子3p63d9,3p53d10,3p63d84p组态的能级进行计算,然后根据能级值算出相应的电偶极跃迁的谱线波长,并给出各谱线的HFR振子强度。     

Predicting the Standard Enthalpy (ΔHo f) and Entropy (So) of Alkanes by Artificial Neural Networks

Abstract

Artificial Neural Networks (ANNs) with Extended Delta-Bar-Delta (EDBD) back propagation learning algorithm have been developed to predict the standard enthalpy and entropy of 87 acyclic alkanes. Molecular weight, boiling point and density of the compounds were used as input parameters. The network's architecture and parameters were optimized to give maximum performances. The best network was a 3-6-2 ANN, and the optimum learning epoch was about 1320. The results show that the maximum relative errors of enthalpy and entropy are less than 3%. They reveal that the performances of ANNs for predicting the enthalpy and entropy of alkanes are satisfying.