掺铒氟硫磷酸盐高增益激光光纤

光纤激光器是大功率激光、空间激光通信、引力波探测、地球磁力探测等国家安全与科学前沿领域的迫切和重大需求.稀土离子掺杂的高增益玻璃光纤是光纤激光器的核心工作介质.氟硫磷酸盐（fluoro-sulfo-phosphate,FSP）激光玻璃具有稀土溶解度高、受激发射截面大、光学光谱性质优异等特点,是高增益激光光纤的潜在候选.本文从玻璃形成区、玻璃结构与性质关系、掺稀土玻璃发光与激光角度系统研究了Al F₃-R₂SO₄-RPO₃/Zn（PO₃）₂（R=Li、Na、K）系列新型FSP玻璃.结果表明,热力学方法有助于简便快速地确定玻璃形成区,为该类新型激光玻璃设计提供指导.通过固体核磁共振谱、拉曼光谱、差示扫描量热分析、耐久性实验等揭示了Zn（PO₃）₂能够提高FSP玻璃的结构聚合度和阴阳离子相互作用强度,从而增强玻璃的抗析晶稳定性和化学耐久性等,为大尺寸玻璃制备和光纤拉制奠定基础.Er³⁺/Yb     

扭曲状石墨烯及其掺杂量子点的荧光性能

采用密度泛函理论(DFT)研究扭曲状石墨烯C80H30的本征结构以及边缘位置掺B、中间位置掺B、边缘位置掺N、中间位置掺N等5种量子点的电子结构和光学性质,并与平面状石墨烯结构对比分析.结果表明,扭曲状GQDs未掺杂前能隙宽度为2. 014 e V,在紫外波段强烈吸收,615. 7 nm绿色波段发光,掺入电子受体B后HOMO能级和LUMO能级均升高,掺入给电子体N后HOMO能阶和LUMO能阶均出现降低,2种原子的掺入都会导致能隙宽度变窄,在红色波段发光,掺杂原子及位置不同均会对吸收光谱产生影响.类比于平面状GQDs,扭曲状GQDs的能隙宽度均变宽,吸收峰整体表现出往短波方向移动,发射光谱出现不同程度的蓝移.     

云计算视角下可验证计算的分析研究

云计算能否在未来的各个领域中被广泛运用,决定因素在于其可信度。可验证计算在检测云计算结果的可信度方面具有其独特优势。利用可验证计算协议可验证云服务器端所返回的数据是否正确,它成为实现云计算可信度的重要保障。文中在阐述可验证计算基本内容和相关设计原则的基础上,分析了可验证计算协议的一般流程、设计原则及计算模型,并结合基于交互系统的可验证计算协议分析,探讨在云计算视角下可验证计算的研究展望。     

光束在不衰减的情况下实现了小角度转弯

一种类似蜂窝的塑料材料不但能引导光束实现精确的小角度转弯,还能在整个过程中保证光束的强度和完整性丝毫不受影响。由美国得克萨斯大学埃尔帕索分校(UTEP)和中佛罗里达大学(UCF)两校联合开发出的这种技术有望进一步拉近高性能光学计算机,特别是小型光学计算设备和现实的距离。相关论文发表在最近出版的《光学快报》杂志上。     

纤维加筋土技术国内外研究进展

根据国内外近20年来在纤维加筋土技术方面取得的研究成果,主要对纤维加筋土的力学特性、变形特性、本构模型、动力特性及天然纤维加筋土应用技术等方面的研究现状进行了介绍。研究发现,针对纤维加筋土的强度特性进行的大量研究均表明,加筋纤维能有效提高土体的抗剪、抗压、抗拉强度和承载力,降低膨胀土的胀缩性,而纤维含量、纤维长度及龄期是影响纤维加筋土强度和变形的主要因素;在动力特性方面,纤维加筋可以提高土体的动力学性能,但相关研究较少,尚未形成系统的理论;在本构模型方面,目前的模型主要用于预测纤维加筋土的抗剪强度,缺少能够完整描述纤维加筋土应力应变关系的本构模型。在天然纤维加筋土及其应用方面,由于是近年来才逐步开展的研究,尚缺少大范围的研究,理论还不完善。最后,对纤维加筋土研究现状进行了概括,并针对目前研究中的不足,提出了今后该领域的研究重点和方向,主要包括:开展大试样及大尺度模型试验、纤维加筋土的本构模型研究、纤维加筋土的动力学特性研究、纤维加筋特殊土研究、天然纤维加筋土的系统研究等。     

一氧化碳中毒的防治

<正>急性一氧化碳中毒是吸入较高浓度一氧化碳后引起的急性脑缺氧性疾病。少数患者可有迟发的神经精神症状,部分患者也有其他脏器的缺氧性改变。一氧化碳的理化性质一氧化碳俗称"煤气",为无色、无味、无臭、无刺激性的气体,易燃、易爆,具有极强的毒性,故易于忽略而致中毒。密度比空气略小,不溶于水,易溶于氨水等溶剂。一氧化碳进入人体之后会和血液中的血红蛋白结合,进而使血红蛋白不能与氧气结合,从而引起机体组织出现缺     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法

通过采用机器学习算法，提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言，利用K-Means、SVM算法，实现了对样本数据的分类和聚类，确定了阈值温度区间，验证了二分类法的合理性和准确性.结果表明，砂岩样本的阈值温度区间为400~600 ℃，阈值温度上下砂岩的物理力学性质存在显著差异，体现为阈值温度区间以下的岩样物理力学性质较为分散，而阈值温度区间以上的岩样物理力学性质较为集中.