量子阱厚度和势垒掺杂对大功率AlGaInP LED发光效率衰减特性的影响

GaAs基AlGaInP LED是目前光电子器件研究领域的国际前沿和热点,伴随工业制备技术的日趋成熟,其稳定性和发光效率都得到了明显的提升.但是,在超高电流下工作的AlGaInP大功率芯片仍存在着发光效率衰减严重的问题.目前已知的影响因素主要是载流子的溢出和俄歇复合的加强与否.本文通过分析具有不同势阱厚度和势垒中不同浓度的P型掺杂的AlGaInP样品的光致发光图谱变化与电流密度和辐射效率的关系,发现在势阱厚度为20nm,势垒P型掺杂浓度为1×1017 cm-3时,可以显著改善大功率LED的高温衰减特性.     

用于有机磷农药及其水解产物可视化检测的荧光探针制备及性质研究

使用氯金酸和柠檬酸三钠回流法合成出荧光吸收峰在520 nm的金纳米颗粒,并与罗丹明B修饰合成探针.金纳米颗粒与罗丹明B发生荧光共振能量转移(FRET)作用使罗丹明B的荧光淬灭.在加入毒死蜱之后,毒死蜱及其水解产物能有效取代罗丹明B,使荧光恢复.金纳米颗粒探针对毒死蜱及其水解产物的浓度响应区间为(0～0.1)mm,低至0.1 nm也有响应,且荧光变化迅速,从而能够快速有效地检测超痕量有机磷农药毒死蜱及其水解产物.     

AFM电场辅助纳米加工焦耳热分析

原子力显微镜是一种重要的纳米加工工具,在强电场的辅助下,可以实现凸起或凹陷的纳米结构加工,为纳米器件的制造提供技术支持。电场的使用不可避免地引入了电流,从而使得加工过程中存在焦耳热的影响。原子力显微镜电场辅助纳米主要加工包括阳极氧化与场蒸发沉积两种。阳极氧化加工生成的纳米结构为绝缘物质,该物质阻断阳极氧化加工的进一步进行,因此加工电流随着加工的进行逐渐衰减,焦耳热的影响较小;而场蒸发沉积加工得到的纳米结构为导电物质,所产生的焦耳热可以烧蚀样品表面,形成纳米沟痕。本文通过分析加工中焦耳热的作用,为开展精确的原子力显微镜电场辅助加工提供借鉴。     

基于BaLuF5∶Yb3+,E3+纳米晶掺杂的聚合物光波导放大器

为提高聚合物光波导放大器的增益性能,利用高温法合成了BaLuF5∶Yb3+,Er3+纳米晶,并分别对纳米晶的形貌、晶体结构和近红外发射特性进行了表征.测试结果表明,纳米晶平均粒径为13 nm,并在1 530 nm处具有较强的发射,荧光半高宽为50 nm.将合成的纳米晶掺杂入SU-8聚合物作为光波导放大器的芯层材料,使用光刻显影等工艺,在表面长有二氧化硅的硅衬底上制备出了聚合物光波导放大器.当980 nm波长泵浦光功率为280 mW、信号光波长为1 530 nm且功率为0.1 mW时,在长度为1.1 cm的光波导放大器中,获得了3.95 dB的相对增益.     

水溶性La_(0.88)Sr_(0.12)MnO_3纳米粒子的非水相合成

采用纳米微乳液法,以三嵌段共聚物聚氧乙烯-聚氧丙烯-聚氧乙烯(PEO-PPO-PEO)为表面活性剂,乙酰丙酮镧(III),乙酰丙酮锰(III)和乙酰丙酮锶(II)为前驱体,1,2-十六烷二醇为还原剂成功合成了水溶性La0.88Sr0.12MnO3纳米粒子.FT-IR分析证实该纳米粒子表面存在PEO-PPO-PEO分子,XRD和TEM分析表明该纳米粒子基本上呈球形、粒径分布窄、结晶度高,VSM测试表明该纳米粒子室温下显示软铁磁性.纳米粒子在水中快速和高效的分散收集过程,表明该纳米粒子具有良好的水溶性和磁操控性.     

铜质结晶器表面涂覆层的研究进展

结晶器是连铸设备的核心部件。铜质结晶器表面损坏严重劣化钢坯的质量,加大了企业生产成本,延长了生产周期。分析了铜质结晶器表面材料的应用、失效的形式和主要原因;论述了电镀、激光涂覆和热喷涂表面改性技术在铜质结晶器上的应用现状及存在的问题;介绍了铜质结晶器表面涂覆层的性质及类型;提出了研发安全可靠、长寿命和高性能铜质结晶器的主要途径。     

Fe、Al纳米粒子熔化过程结构转变的分子动力学研究

采用分子动力学方法结合嵌入原子势函数,应用势能、共近邻技术分析方法,研究了原子数为147、309和561的正二十面体(ICO),正十面体(Dh)和立方八面体(CO)的Fe、Al纳米粒子的熔化行为.结果表明,原子数为147、309、561的ICO结构的Fe、Al纳米粒子在熔化前保持原有结构;Dh与CO结构的Al纳米粒子在熔化前向ICO结构转变,ICO结构比Dh结构和CO结构更稳定.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.