部分还原氧化石墨烯的制备、 表征及对人宫颈癌HeLa细胞的体外杀伤作用

以氧化石墨烯(GO)为原料, 利用温和方法制备了3种不同还原程度的部分还原氧化石墨烯pRGO₁, pRGO₂和pRGO₃(pRGO_1—3)； 利用傅里叶变换红外光谱(FTIR)、 拉曼光谱(Raman)、 X 射线光电子能谱(XPS)、 紫外-可见光谱(UV-Vis)、 透射电子显微镜(TEM)和 EDS能谱对其结构和形貌进行了表征. 细胞实验结果表明, 无激光照射下pRGO_1—3本身的细胞毒性较低; 近红外(NIR)激光照射下pRGO_1—3通过光热和光毒性双重作用杀伤肿瘤细胞. 实验结果显示了pRGO 在肿瘤光热疗法和光动力疗法领域的应用潜力.     

基于Parity-Time对称结构极点效应构建光学三极管模型

为了构建光学三极管模型,设计了一个基于半导体磁性材料InSb的PT(parity-time)对称耦合微腔的结构模型。通过结构参数优化,产生了PT对称结构磁场强耦合的极点效应。在极点频率附近,通过改变输入电流信号改变施加在磁性材料上的磁感应强度,实现极点状态下信号的放大输出。这种放大可以是同相,也可以是反相,该设计实现了特殊光学三极管模型。     

减压扩散高阻密栅技术应用研究

本文对减压扩散机理及高阻密栅技术作了详细的分析,并就设备及工艺方面的关键技术进行了阐述,最后对减压扩散高方阻工艺及密栅匹配技术电池效率进行了对比分析,有以下结论:(1)减压扩散在工艺优化后,方阻均匀性得到大幅改善,达到3;以内.(2)减压扩散电池效率完全可达到常规产线的水平,且在高阻密栅方面更有优势,可有效提升太阳电池效率.     

紫外可见偏振成像光谱仪的光谱定标与匹配方法

紫外可见偏振成像光谱仪中沃拉斯顿棱镜的色散效应会导致探测器同一空间通道的中心坐标发生偏移，影响目标信号探测精度。根据偏振解调算法，利用沃拉斯顿棱镜出射的两正交分量调制光谱(S光和P光)实现偏振信息解调时，还需要完成光谱匹配。针对这一问题，提出了一种光谱定标与匹配方法。首先利用平行光源标定了仪器视场角与空间维像元的对应关系，提取出各空间通道对应的像元坐标集合并确定了视场定标方程；在同一空间通道内，通过低压汞灯标准光源对波长与像元的对应关系进行标定，得出光谱定标方程；利用视场定标和光谱定标结果完成正交分量光谱的匹配；最后利用太阳光谱中Fraunhofer线的特征波长对定标结果进行了检验。结果表明：紫外可见偏振成像光谱仪正交分量的光谱吸收峰位具有较好的一致性，定标值和标准值的偏差在0.1 nm以内，这验证了定标结果的准确性。     

惯性约束聚变实验中空间干涉检测与预警系统设计

针对惯性约束聚变实验中多诊断系统在有限空间同时作业引发碰撞风险的问题，设计了基于碰撞目标检测和空间距离测算方法的空间干涉检测与预警系统，分析了真空靶室特定环境下不同实现方法的适用条件和可行性。实验室条件下模拟验证结果表明，基于结构光深度图像获取方法可获得较好的碰撞距离测量精度，在靶室半径探测距离内空间测距误差不大于3cm，为靶室空间干涉检测与预警提供了一种可行的解决方案。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

从废水到新能源:光催化燃料电池的优化与应用

随着经济的飞速发展,社会对能源的需求日益扩大,对工业废水的无害化处理也提出了更高的要求。光催化燃料电池 (photocatalytic fuel cell, PFC) 在燃料电池中引入半导体光催化材料作为电极,实现了有机污染物高效降解和同步对外产电的双重功能,在废水无害化与资源化利用方面具有潜在的应用价值。半导体光催化电极是PFC系统高效运行的核心组件,增强其可见光响应和光生载流子分离是提高PFC性能的关键策略。反应器结构设计和运行参数优化也有利于改善PFC性能。本文从PFC基本原理和应用入手,综述了PFC在环境污染物资源化处理中的研究进展,并详细阐述了提高PFC的污染控制性能和产电效率的优化手段,为进一步设计高效稳定的PFC系统并实现其在水污染控制和清洁能源生产中的应用提供理论指导。     

静止轨道星载差分吸收光谱仪CCD成像系统设计

静止轨道卫星差分吸收光谱仪采用摆扫成像方式对大气进行探测,针对其工作时CCD成像系统信噪比大于1 000、高速探测模式下探测周期小于10min、高分辨率模式下探测周期小于1h的要求,进行CCD成像系统设计.选取CCD47-20作为探测器,设计成像电路实现光谱图像信号的采集和上传.分析了帧叠加和像元合并对时间、空间分辨率的影响.结合帧转移CCD的特点设计了每个位置最后一帧读出时摆镜转动的成像方式,并合理设置了帧叠加数和像元合并数,达到优化成像周期的目的.1s曝光时间条件下,该CCD成像系统的高速、高分辨率模式探测周期分别为515s和3 315s,图像信噪比均大于1 000,污染物观测实验中未出现失帧或重复的现象.该CCD成像系统方案满足静止轨道星载差分吸收光谱仪的探测需求,为静止轨道环境监测仪器设计提供参考.