晶格失配对超晶格法向导热系数影响的分子动力学模拟

采用非平衡态分子动力学方法模拟了超晶格的法向导热系数随周期长度的变化关系.模拟结果表明,在晶格匹配的超晶格中,当周期长度同声子平均自由程相当时,超晶格导热系数将出现最小值.而对于具有4%晶格失配的超晶格模拟结果却表明,超晶格导热系数随周期长度的增大而单调上升.这一研究结果表明,材料的晶格失配是大多数实验研究中没有发现超晶格最小导热系数的主要原因.     

贵州施秉榧树群落结构与物种多样性研究

为了解贵州榧树群落结构与物种多样性状况,以期为榧树种质资源的保护与利用提供部分依据,我们采用样方法对6个榧树群落面积为5 m×5 m样地内的物种组成、群落结构进行调查分析,结果表明:榧树在群落中可实现正常更新,表现为增长型.榧树群落中有维管植物47科68属78种,就其生活型而言,群落中木本植物41种,其中常绿树种30种.群落垂直结构可分为灌木层、乔木层和草本层,层间层则种类较少;而物种多样性指数较高的为灌木层,其次为草本层,物种均匀度指数以草本层最高,乔木层次之,也即草本层的优势度更为明显,这说明群落次生性较强.尽管榧树可以自我更新,但我们仍建议适度进行抚育以促进其幼树生长.     

特定电磁波对小鼠胚胎冷冻的影响

<正> 用特定电磁波(TDP)照射成年雌性小鼠,经解剖及冲卵表明,其对繁殖功能有促进作用,表现在:可促进子宫角发育;提高母鼠配种率;促进排卵、受精及受精卵的发育等。本实验目的为进一步观察 TDP对冷冻后小鼠胚胎复苏率的影响。本实验为家畜同类实验的基础实验。     

基于蒙特卡洛法的硅纳米线热导率研究

声子在纳米尺度下的输运需要考虑量子效应与边界效应,通过解析方法获得其传输特性比较困难,采用蒙特卡洛方法(Monte Carlo,MC)构建了声子在体态硅与硅纳米线结构中的输运模型,简化了边界散射的选择机制与处理方法.在15～1 000 K的温度范围内,对体态硅的热导率进行了模拟,验证了MC模型对本征散射处理方法的正确性,进而模拟了等效直径为22,37与56 nm的硅纳米线在15～315 K温度范围内的热导率,37和56 nm硅纳米线热导率与实验值符合较好,22 nm硅纳米线热导率比实验值偏大.分析认为随着等效半径的减小,声子色散曲线发生改变,迟豫时间减小,声子发生边界散射的频率增加,导致热阻增大.基于以上分析,通过对边界散射迟豫时间的修正,获得了与实验值较为一致的模拟结果.     

一个关于医疗纠纷的医学专业精神视角的综述

新的价值观对医学传统专业精神构成了巨大的挑战。有关国内外的研究表明现实中有很多因素影响着医务人员对传统医学专业精神的恪守，认为要化解各种医疗纠纷，缓和医惠矛盾必须尽快建立完善的医患信托关系，从医学专业精神的作用和核心理念出发，吸收古代医者特别是名医的医学思想，化解医药企业与医学专业精神之间的矛盾，充分发挥中国医师协会的作用，不断吸收现实的价值理念，构建新医学专业精神。     

医患信息不对称下的医疗纠纷干预机制探索

信息不对称是医患矛盾产生的主要根源,医疗纠纷往往因为这种矛盾不能得到合理缓解激化而成。医患沟通在直接处理医疗纠纷中发挥的重要作用,而医学专业精神是根本解决医疗纠纷的突破口,构建医患之间利益均衡机制则是一项非常紧迫的任务,三者相互补充形成医患信息不对称下的医疗纠纷干预机制。     

变截面纳米线声子输运蒙特卡洛模拟

采用蒙特卡洛(MC)方法建立了声子在变截面硅纳米线内的输运模型, 以渐扩几何体与渐缩几何体为物理模型, 分别研究了在等热量与非等热量输入条件下2种模型的热整流效应和声子的输运特性. 模拟结果表明在2种条件下, 渐缩模型的热传导性能均高于渐扩模型. 在非等热量输入的条件下, 渐缩模型的热整流效应要大于等热量输入条件下的热整流效应.2种物理模型的主要区别在于体积的分布不同, 虽然在纳米尺度下边界散射作用明显, 但模拟结果表明边界散射对热传导的影响小于质量分布不同对声子输运的影响.     

超短脉冲激光烧蚀熔融硅的理论模型

在Fokker_Planck方程的基础上,对超短脉冲激光烧蚀熔融硅的机理进行分析研究,建立了雪崩电离、多光子吸收电离导致的熔融硅烧蚀机理的数学模型。其计算得出的激光能量密度和临界烧蚀阀值与实验结果很好的吻合,定量解释了超短脉冲激光对熔融硅烧蚀损伤微观过程的影响。     

室内定位中K-means聚类算法奇异值的优化处理

针对室内定位聚类算法中的奇异值出现较多的场景,按照以往聚类算法大多将其删除或替代为聚类平均值,这往往使得奇异值附近的定位误差陡增。研究采集阶段接入点(acess point,AP)端加入嵌入式滤波处理单元,采用格拉布斯(Grubbs)准则处理采集的信号以减少检测奇异值;然后在定位运算中改进了K-means聚类算法。首先根据模型函数鉴别运算中产生的奇异值,将奇异值线性化处理后由支持向量机(sport vector machine,SVM)对于奇异点进行分类;再将其进行K-means聚类划分。在不剔除奇异值的情况下,使得定位区域中的参考点合理利用,从而提高了整体累计误差的置信水平。研究中将剔除奇异值的K-means聚类算法作为比较对象,实验中采用美国Signal Hound公司的SA44B型频谱仪测量接收机组成传感器网络,可以使得K-means聚类算法的定位精度提高11.3%,证明在实际定位应用中是很有效的。