非对称In0.53Ga0.47As/In0.52Al0.48As量子阱的零场自旋分裂能与高场g因子

我们研究了非对称In_0.53Ga_0.47As/In_0.52Al_0.48As量子阱中二维电子气的磁输运性质,所测量的样品的径向磁阻Rxx的Shubinikov-de Haas振荡没有呈现出拍频的特征。通过测量样品的弱局域效应提取了其零场自旋分裂能并通过对自旋分裂的Rxx双峰间距随倾斜角度theta的依赖关系的拟合提取了高场下的有效g因子。样品的Dingle plot图呈现非线性和特征,这可以归因于来自样品衬底附近的掺杂Be原子的长程势散射效应。     

基于文本挖掘和AHP-Fuzzy模型的机坪管制运行状况评估

国内大部分机场已实行了机坪管制移交工作.目前尚无一套较为完善的评估体系,对机坪管制运行效果进行量化评估.采用文本挖掘方法,提取文本数据的高频词作为评价指标的来源,构建了机坪管制运行状况评估指标体系;建立了AHP-Fuzzy模型并评估A机场的机坪管制运行现状,评估结果显示良好;通过对比专家权重的结果,发现与本模型评估结果...     

HgCdTe反型层中的自旋轨道耦合、塞曼效应及界面粗糙涨落效应研究

通过实验测量,研究了HgCdTe反型层中的自旋轨道耦合、塞曼效应及界面粗糙涨落效应。采用理论模型对不同温度及不同平行磁场下的反弱局域效应进行分析,结果表明,在平行磁场中,界面粗糙涨落效应与塞曼效应均会对HgCdTe反型层的反弱局域效应产生抑制作用。其中,界面粗糙涨落效应表现为产生一个二维电子气法向的弱局域效应,对样品施加平行磁场会首先抑制界面粗糙涨落效应导致的法向弱局域效应,然后才以塞曼效应继续抑制反弱局域效应。通过对参数τ?τ_? 与|m_r^* g_3^* |的分析则表明,塞曼效应对反弱局域效应的抑制是与温度无关的。     

激光触发弱耦合等离子体电离次序光谱分析方法

激光触发产生弱耦合等离子体在超快时间(10~100fs)内,产生离子的方式和机制一直是人们很难探知和计算的。利用激光电离原子的最基本特性,寻找出产生离子时所有的电离路径,将电离路径中产生X射线的路径标记出来加以研究,再结合弱耦合等离子体环境中原子或离子能级移动的性质,对比和计算相同路径下相同电离结果中存在的不同电离方式,可区分产生相同产物的不同电离次序。这套方法可通过罗列计算并对应所产生的特征X射线光谱来确定10~100fs内离子的产生过程以及产生机制,电离路径及电离次序。为激光与物质相互作用在超短时间(10~100fs)内的物理过程研究提供了一种可探测的技术。     

一种新的应用于并行数字仿真的电路划分算法

为减少仿真的时间,并行仿真技术广泛应用于大规模集成电路的计算.研究发现为并行仿真所做的电路划分对提高仿真速度有相当重要的作用.该文提出一个新的多层启发式的拓扑电路划分算法,展示了将该算法应用于一个实际的电路并行仿真系统(Discovery)所获得的仿真加速.该算法主要着眼于平衡计算负载,减少整个仿真网络通信量这两方面来提高仿真系统的性能.试验结果表明该算法比其他的电路划分算法取得了更好的性能提高.     

一种新型弹载遥测通信天线的设计

为满足因信道容量的扩充而产生的对通信天线更宽频带的需求,提出了一种新型的弹载通信天线结构。采用微带天线结构,通过缝隙加载和共面波导馈电结构,得到宽带小型化天线辐射单元。该天线具有良好的E面全向特性和宽带特性,并且结构紧凑、馈电简单、带宽较宽、易于制造。     

基于卷积非粘滞阻尼模型的超高层结构风效应分析

有限元方法中相对于对结构质量与刚度特性的描述,结构阻尼的描述仍具有较大的模糊性。随着新型建筑材料与复杂结构体系的发展,以及对计算机模拟要求的提高,阻尼作用的机理与相应阻尼模型的研究成为值得关注的问题。基于一种阻尼力与质点速度历程相关的卷积非粘滞阻尼模型,采用微分求积求解算法,对一个大型复杂超高层建筑结构的风振响应进行了分析,并与常用的比例粘滞阻尼模型进行了对比。对卷积非粘滞阻尼力模型系统的响应特征进行了分析,特别是该模型的松弛效应对结构响应的影响。另外,作为将这种新阻尼模型应用于实际工程的一次探索,本文采用微分求积算法,建立了一套可将该阻尼模型及其求解算法嵌入通用有限元软件的求解系统,可用于复杂结构的动力响应分析。     

基于水样类型识别的光谱COD测量方法

基于紫外吸收光谱的COD测量方法,尽管具有快速、实时、免试剂、无污染等优势。但该方法对于组分多变的水样适应性不强,构建的单一计算模型不能适用于所有待测水样类型,导致其在复杂环境下测量准确度较低,从而限制了其应用领域。本研究提出一种基于水样类型识别的测量方法。其过程包括:动态识别水样类型→自动选择相应的"吸光度(Auv)-COD"算法模型→计算COD。该方法有效提高了紫外光谱法COD测量的准确度和适用性。该研究在传统的光谱识别技术的基础上,针对COD实际测量的特点加以改进。选取水样吸光度曲线的形貌特征作为水样类型的表征参数,利用LM-BP神经网络作为识别算法。并引入了"历史数据队列"、"历史识别因子"的概念,在此基础上形成了级联的神经网络结构。该算法实现了COD测量应用中的高准确度的光谱识别,进而提高了复杂环境下COD测量的精度。大量实验测试和结果表明,与传统的光谱识别技术相比,该方法在COD测量应用中具有更好的鲁棒性和准确性。水样类型识别准确率达98%以上。同时算法结构简单,计算量小,适用于资源受限的小型化COD测量仪。当仪器在复杂多变的水环境中进行测量时,采用该算法测量得到的COD精度有显著的提高。该方法的提出为光谱COD测量法在水体组分多变场合的应用及提高其测量精度提供了技术保证,可望解决传统紫外光谱COD测量法难以适应变化和复杂水环境应用的问题。