深能级杂质对光导半导体开关非线性特性的影响

建立了非线性GaAs光导开关深能级杂质瞬态模型的基本方程,获得了与实验现象定性吻合的电流输出,给出了平均载流子随时间演化的情况.分析结果表明,在考虑了深能级杂质的俘获、发射和碰撞电离后,有可能对非线性光导开关中发生的一系列现象做出解释,进一步的仔细分析将对非线性光导开关的设计和制作提供理论指导.     

Gas chromatographic and mass spectrometric characterization of isomeric alkylthiophenes (C20) and their occurrence in deep sea sediments

Six isomeric C₂₀ alkylthiophenes were synthesized in order to prove the occurrence of such compounds in various deep sea sediments. As expected from the analogy with the corresponding saturated hydrocarbons, 2- and 3-heptadecylthiophene have considerably longer relative retention times than the isomeric isoprenoid compounds, i.e. 2- and 3-(4,8,12-trimethyltridecyl)thiophene and 3- and 4-methyl-2-(3,7,11-trimethyldodecyl)thiophene. Covats retention indices for all compounds were determined by isothermal analysis at 190°C on two different silicone-coated capillary columns. The mass spectra of the monoalkylated thiophenes show a base peak at m/z 98 corresponding to a Mcafferty rearrangement product in the case of the 3-substituted isomers, whereas a simple benzylic cleavage dominates in the mass spectra of 2-alkylthiophenes. 4-Methyl-2-(3,7,11-trimethylodecy)thiophene is an exception from this simple rule because also shows the McLafferty rearrangement as dominant fragmentation. Two of the isoprenoid thiophenes are prominent compounds in various deep sea sediments.     

基于热图像的种蛋气室变化监测算法

种蛋气室的大小是监测种蛋孵化过程的重要指标之一。根据种蛋的热力学结构,种蛋在孵化过程中,包裹气室部分蛋壳会与其他部分蛋壳产生温差,从而可通过热红外图像进行观察。针对在种蛋孵化过程中,人工照蛋检测气室效率低的问题,探索设计了一种基于热图像的种蛋气室变化俯视监测算法。监测种蛋气室热图像的算法主要包括种蛋目标检测,种蛋图像分割和种蛋气室面积计算3个部分,其中种蛋的目标检测采用Faster-RCNN算法实现;种蛋图像分割采用BP神经网络算法实现;种蛋气室面积是在种蛋图像分割的基础上进行计算。使用孵化5天及以上的种蛋作为研究对象,并拍取种蛋的热图像进行试验。试验结果表明：种蛋热图像的目标检测的平均精度（mAP）为99.85%,拥有较好的检测效果。使用BP网络对种蛋进行图像分割。BP神经网络经过调参后,其网络最佳的结构为三层隐藏层,每个隐藏层拥有1 000个神经元,最优初始学习率为0.000 1,最优最大迭代次数为500。以F1-measure作为分割效果的评价指标,BP神经网络的图像分割总体结果为87.02%,Otsu算法的总体结果为65.25%。其中只有一个蛋的情况下,BP神经网络的分割结果为87.17%,Otsu算法的结果为68.86%。存在其他种蛋的干扰条件下,BP神经网络的分割结果为86.94%,Otsu算法的结果为61.64%,BP神经网络的分割效果优于Otsu分割算法,BP神经网络拥有更强的抗干扰能力。最后提取了孵化5～19 d种蛋的气室变化,通过观察种蛋气室大小曲线来监测种蛋的孵化情况,可看出随着天数的增加,气室有着明显变大的趋势。人工测量法与热红外测量法比较结果说明两者相关性为0.934 3,拥有较好的相关性。基于热图像的种蛋气室变化监测算法可在实际生产中实现种蛋的识别与气室大小的快速监测,为实现监测种蛋孵化的自动化提供了技术参考。     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象, 建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

深海直达波区卷积神经网络测距方法

深海声场通常可以看作不同掠射角的多途声线在接收器处的叠加,其中经海底反射的声线携带与海底参数有关的声场特征。利用深度卷积神经网络分别学习垂直阵声压域(CNN-Field)和垂直阵波束域(CNN-CBF)特征的方法被用来估计直达波区声源距离。该方法首先对仿真直达波区声场数据做预处理,然后将声压域和波束域的声场数据分别作为训练集训练深度卷积神经网络模型,最后输入测试集数据到训练完成的模型中估计声源距离.实测环境参数的仿真实验表明CNN-Field方法在不同海底参数的测试集下测距结果差异较大,CNN-CBF方法差异较小,而且在16阵元10 m等间距垂直阵的阵元域信噪比大于0dB时估计准确率可以达到97%.海试数据处理结果表明CNN-CBF方法的直达波区内测距准确率高于CNN-Field,在距离10 km以内的平均准确率可以达到93.16%.     

会聚区的水平偏移特性及其临界频率分析

利用数值模型研究了完整深海声道中会聚区的水平偏移特性,根据折射定律和Lloyd镜效应推导了会聚区发生水平偏移时临界频率的表达式。研究结果表明:当声波频率低于临界频率时,会聚区的主导模态与频率相关,随着声波频率减小会聚区会向靠近声源的方向水平移动,同时传播损失明显增大,当声波频率大于临界频率时,会聚区的主导模态近似与频率无关,会聚区的位置和传播损失大小不会随频率改变而发生明显变化,声源深度不同时,临界频率也不同。通过临界频率可以确定在特定声源深度下,会聚区发生水平偏移时需要满足的频率条件,利用临界频率与声源深度之间的关系,可以被动估计深海浅层目标的深度。     

An acid-free Pictet–Spengler reaction using deep eutectic solvents (DES)

Deep eutectic solvents (such as the combination of either urea or glycerol with choline chloride) are effective solvents/organocatalysts for Pictet–Spengler condensations to form carbolines. The reaction conditions are quite mild and do not require additional Bronsted or Lewis acid catalyst. Given the inexpensive, non-toxic, and recyclable nature of the DES, these reaction conditions are simple and highly environmentally friendly.     

温度对低共熔溶剂影响的二维拉曼光谱研究

低共熔溶剂（DES）作为一种新式的绿色溶剂，在多种化学过程中表现出色，因此在诸多热门范畴都展现出良好的发展潜力。对DES的光谱分析通常局限在一维光谱技术上，但其分辨率低、谱峰重叠严重等缺点，导致光谱数据存在误差。运用二维拉曼光谱（2D Raman），能够明显提高光谱分辨率，并发现重叠峰位置，获得在外扰条件下不同谱峰的变化顺序及其相互作用等重要信息，以实现对复杂体系的精确分析。以氯化胆碱（ChCl）和ZnCl₂合成的DES为例，利用显微共焦激光拉曼光谱仪分别对ChCl和DES进行拉曼实验，发现与ChCl相比，DES中各处峰的整体强度显著下降，原有的谱峰未消失，说明Zn2+的加入没有破坏ChCl的骨架结构。287 cm-1处出现一个新的特征峰，推测有Zn-Cl配位键的伸缩振动。对DES进行升温拉曼实验，发现随着温度的升高，NC₄的不对称伸缩振动峰强度逐渐减小，峰宽变大，峰形变缓，Zn-Cl配位键伸缩振动峰强度逐渐降低，峰位置基本不变，峰形有明显重叠。运用2D Raman技术对溶液内NC₄和Zn-Cl特征峰的变化进行研究，结果表明，随着温度的升高，溶液中发生ChCl向Ch+的解离过程，Zn2+与Cl-形成了多种配合物，ZnCl-₃，Zn₂Cl-₅，Zn₃Cl-₇之间存在相互转化。不同位置的特征峰随温度的变化顺序不同，将特征峰与团簇进行一一归属，得出了各个团簇对温度的敏感程度。基于量子化学中的密度泛函理论，对推测的物质结构进行构型优化和参数计算，证实了其存在的可能性，同时也验证了2D Raman的分析结果准确可行。这些结果将为DES的后续研究提供理论参考，拓展了二维光谱技术的应用范围。     

Nano-liquid chromatography combined with a sustainable microextraction based on natural deep eutectic solvents for analysis of phthalate esters

The separation of 11 phthalic acid ester (PAEs) was carried out by nano-liquid chromatography coupled to ultraviolet and MS detection. Preliminary experiments were achieved in order to select suitable stationary phases and chromatographic conditions. The baseline separation was obtained, for all compounds, with an XBridge^TM C₁₈ column in less than 15 min, working in step gradient mode. The sensitivity of the method was improved by on-column focusing. PAEs were extracted from alcoholic and nonalcoholic beverages using vortex-assisted emulsification dispersive liquid–liquid microextration and natural deep eutectic solvents. The whole method was validated in terms of linearity, sensitivity, precision, recovery, and repeatability. Combination of both off-line sample preparation preconcentration and large injection volume led to obtain LOQs in the range 5–47 ng/mL. The developed nano-LC-UV method was extended to MS detection to confirm the presence of PAEs in some beverages commercialized in different types of packaging.