贵金属表面上磁性原子结构及其性质概述

有序排列的磁性纳米结构由于其丰富的物理性质和数据存储方面的潜在应用而受到广泛关注.随着现代生长和显微成像技术的进步,构造原子量级的结构和探测它们独特的性质已经成为可能.本文回顾了贵金属表面上的磁性金属原子有序结构的近期研究结果,其中包括一维原子弦、二维六角超晶格和量子尺寸效应诱导的新奇结构.结合低温扫描隧道显微镜、动力学蒙特卡洛模拟等实验和理论相结合的手段,对这些结构的形成条件进行了讨论,并通过扫描隧道谱和紧束缚近似计算对这些结构中的特殊电子态性质进行了研究.此外,纳米尺寸围栏中的量子受限效应对原子扩散和自组织行为有显著的影响,产生了量子诱导的自组织生长,并且可以利用尺寸变化的开口围栏实现原子级的定量原子捕获,从而抑制由生长导致的统计涨落.     

美国研制能思考在机器人

<正>谷歌公司正与牛津大学的两支人工智能研究小组合作,研制先进的类人机器人。第一支研究小组的任务是帮助机器人更好地了解用户的想法和意图,第二支研究小组的任务是通过深度学习技术提高机器人的视觉识别能力。据国外媒体报道称,谷歌正在研制一种模拟人类大脑的超快量子芯片,这让搜索和软件更加直观。被谷歌收购的人工智能创业公司Deep Mind联合创始人、谷歌工程部副总裁杰米斯·哈萨比斯在博客中表示:"对于当前的人工智能研究来说,这无疑是一个非常令人兴奋的时刻。我们在很多方面不断取得进步,其中包括图像识别和语言理解能力。我们很高兴地宣布与牛津大学展     

陕北志丹地区长6低电阻率油层成因机制研究

低电阻率油藏作为一种非常规油藏已被人们所认知,由于成因机制复杂,识别难度大,常被人们遗漏或错判。为了详细研究陕北志丹地区低电阻率油层的成因机制,以长6储层为研究目的层位,采用实验分析、测井曲线重叠法、交会图等方法,建立相关的平、剖面图,并结合研究区试油试采成果,对长6储层低电阻率油层的成因机制进行了深入分析。认为志丹油区低阻油层发育众多,资源潜力大,约占其总储量的40%,分布广泛,成因机制复杂,很难用常规方法进行识别;多数油层电阻率主要介于2~21Ω·m之间,甚至小于0.6Ω·m.最终得出沉积砂体控制作用、岩性细,束缚水饱和度高、粘土附加导电性和高放射性砂岩是长6低电阻率油层发育的主要因素;由于区域地质状况的差异,初步探索出了适合研究区的低电阻率油层识别标准,以便为以后研究低阻油藏提供参考与借鉴。     

储油罐变位识别与罐容表标定的研究

对于储油罐的变位识别与罐容表标定的问题,该文使用微元法分别建立了储油罐在无变位及变位后罐内油位高度与储油量之间关系的数学模型,结合MATLAB软件确定储油罐的变位参数,对变位后的罐容表进行了标定.结果表明建立的数学模型准确性较强,易于实施.     

复杂断块油田小微断层的显性描述

从小微断层的成因入手,结合胜利、苏北一些油区的勘探开发实践,充分利用钻井、测井、地震、动态等资料,综合应用"静态4种技术、动态7项验证",较好地分辨出小微断层和地层相变的差别,识别出小微断层并对断层定向,实现了小微断层各类隐蔽特点的显性化。小微断层的显性描述在近年来的苏北盆地勘探开发中取得了显著成果,对指导同类型油田的开发工作有着重要意义。     

HAZOP分析方法在煤制甲醇系统转化炉中的应用研究

为了解决中煤龙化化工公司甲醇系统部分氧化工段转化炉系统存在的潜在危险和可操作性问题,采用了危险与可操作分析(HAZOP)方法进行了分析,明确了节点并设定了偏离,进行了风险识别和风险矩阵评估,找出了可能存在的潜在危险和危害程度,有针对性地提出了16条建议措施,优化了转化炉系统的安全性和运行的可靠性,为企业的安全生产提供了保障。     

基于KL变换与BP神经网络的农田害虫识别算法

KL变换是一种降低维度的算法,BP神经网络是一种智能识别算法,农田害虫的训练需要一个庞大的害虫图片库,面对巨大的图片库,如果使用高清的数码照片训练,是对计算机性能的巨大挑战,所以将KL正交变换用于降低维度,最大限度地在提高计算机性能的基础上维持神经网络的识别率。     

刍议班主任威信的建立

古有云"有规矩则成方圆",然仅靠严格立威的管理模式未必深入学生心中。班主任不仅是学生学业探寻中的指导者,更是学生良好品德建立和心理监考成长的引导者。该文将从内因与外因角度,浅议如何在严格管理中融入情感的交流;如何让学生敬老师的同时更爱老师;如何建立师生间良性的沟通循环。     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。