钒酸铋光电催化分解水的研究进展

光电化学(photoelectrochemical, PEC)催化分解水制氢被认为是生态友好、规模化和可持续性地转化与储存太阳能的理想途径之一,但光阳极较低的工作效率限制了PEC分解水的发展.近年来,钒酸铋光阳极因具有较高的理论光电流密度受到科学界的广泛关注.大量的工作聚焦在如何将钒酸铋光阳极所具有的理论潜力尽可能地发挥并应用至PEC分解水制氢.本文通过回顾和分析钒酸铋光阳极的吸光效率、光生载流子分离效率与表面催化产氧效率3个方面的研究进展,对高性能钒酸铋光阳极的设计思路与合成方法进行评述、总结与展望,为进一步挖掘钒酸铋光电极的潜力与开发下一代光电极提供参考和思路.     

二维材料在人工智能中的应用

二维材料是构建神经形态器件并实现低功耗、微型化和规模化集成的首选材料体系。文章对二维材料在人工智能领域的应用现状、优势和面临的问题进行了简要评述，并对其发展趋势进行了展望。     

自旋为1的系统的量子非经典性度量

相干态最初在1960年由Klauder和Sudarshan提出.基于此,许多经典性和非经典性的度量被提出. 1971年Radcliffe提出了原子相干态,但基于原子相干态的非经典性度量研究仍然较少.本文利用原子自旋相干态的特征提出一种度量非经典性的方法,并讨论了这种度量的若干性质,例如转动算符作用下的不变性和纯态的非经典性.我们给出了一些计算例子,例如猫态、NOON态和混合态.这种度量只在自旋为1的系统上讨论.这些结果对探索量子非经典性的度量和量子资源理论有一定的意义,也对实验室利用非经典性度量起到积极作用.     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

BS-矩阵线性互补问题误差界的一个新估计式

根据BS-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了B^S-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.     

TRAIL与kallistatin联合表达载体的构建及抗肿瘤活性分析

为研究肿瘤坏死因子相关凋亡诱导配体(TRAIL)与组织激肽释放酶结合蛋白(kallistatin)联合用药的抗肿瘤作用,构建TRAIL与kallistatin双表达的重组质粒pAM-CAG-Kal-IRES-TRAIL,将重组质粒转染A549,LO-2,NCI-H446和Hela细胞,考察其抗肿瘤活性.实验结果表明:构建的双表达载体能同时表达TRAIL与kallistatin,且均能分泌至培养基中;TRAIL与kallistatin联合表达对肿瘤细胞活力的抑制作用明显增强,诱导肿瘤凋亡的作用也明显增强,说明联合表达TRAIL与kallistatin能够增强抗肿瘤活性.     

基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

一种基于局部平均法向变形的网格参数化方法

针对有边界无边界的网格参数化问题, 提出一种局部平均法向变形的网格参数化方法, 以平均曲率流的方式为参考, 将顶点推向其邻居的平均位置, 使网格变形至平面或球面. 首先, 计算每个三角形邻居面的平均法向, 并以该法向为目标, 计算每个面法向变化的旋转矩阵; 其次, 基于Poisson方程将整个网格重新“缝合”, 通过优化拉伸能量, 计算顶点的新坐标. 交替迭代上述两个步骤, 将网格变形至常平均曲率曲面. 该算法与一般的基于能量优化的方法不同, 每次迭代只需求解稀疏线性方程, 因此可以快速处理大型数据集. 通过在形变过程中加入惩罚函数动态地调整全局平均法向量的权重, 避免了变形过程中三角形退化或翻转的问题. 实验结果表明, 与其他参数化方法相比, 该方法具有实用可靠、 计算效率高等优点, 并能在同一框架下计算低扭曲的平面参数化和球面参数化.