蒙脱石基复合光催化材料处理有机废水研究进展

半导体光催化作为一种绿色催化技术，具有广阔的应用前景。然而，到目前为止，光催化材料仍存在可见光利用率低，稳定性差，催化效率较低，难回收等问题。其中，光催化剂的负载化是解决回收与再利用的关键，也是其走向绿色应用的必由之路。蒙脱石是一种由颗粒极细的含水铝硅酸盐构成的层状矿物，在自然界中储量大、开采成本低，是一种优良的载体材料，在光催化材料中得到了广泛应用。本文系统介绍了目前蒙脱石基复合光催化材料的研究进展及其制备工艺，讨论了光催化技术在现实中的主要应用，最后对其发展前景进行了展望。     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

四螺旋创新集群:研究型大学人工智能发展生态重构与路向探究——以加拿大多伦多大学为例

以人工智能为代表的知识迭代发展,促使知识生产模式发生重大转变,催生了“大学—产业—政府—公众”四螺旋动力结构的建立和研究型大学知识生产新生态重构。以多伦多大学人工智能发展为例,考察其四螺旋利益相关主体及实践。从内在机理看,4个主体在互动运作中不仅重新确定了各自角色,而且还建立了大学(知识)—产业(产品)—政府(治理)—公众(公益)的新型逻辑链条,平衡公私利益格局,把公益指向作为人工智能四螺旋运作的中心目标;从外在特征看,4个主体形成了以大学为中心的区域创新网络,并牵引其他主体形成环高校创新集群。当前,我国在人工智能发展中不断发力,已进入世界第一方阵,但仍需要在国际比较学习中不断提升自身竞争力。基于案例分析,我国研究型大学发展人工智能有必要把握4个方面:一是走进中心,塑造大学在人工智能发展中的领导地位;二是以专促通,创新研究型大学人工智能专业培养模式;三是引企入研,提升校企合作人工智能创新的转化升级;四是人本导向,突出大学在人工智能发展中的公共价值。总体来看,我国研究型大学发展人工智能不仅要面临技术上的挑战,更要面临来自治理的挑战。     

Ni~(26+)离子态分辨光复合过程的R矩阵理论研究

利用基于相对论R矩阵理论的DARC程序系统计算了Ni 25+离子基态1s22s(2S1/2)和激发态1s22p(2P1/2,2P3/2)的光电离截面,并通过细致平衡原理获得了统一的光复合过程(即辐射复合和双电子复合)态分辨的截面,计算结果给出了辐射复合与双电子复合过程间的干涉效应.为了标识和分析KLL共振能区所有的共振峰,基于相对论组态相互作用理论(RCI)的FAC程序被用来计算共振峰的能量、强度及其相关的双激发态的辐射、俄歇跃迁几率以及共振宽度等.利用统一的光复合截面进一步得到了KLL双电子复合过程的伴线强度,并与孤立共振近似下FAC的计算结果以及以前的理论和实验结果进行了比较,对存在的一致性和偏差进行了分析和讨论.     

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.     

基于研究联合体的国家自主创新示范区创新生态系统作用机理研究

在分析研究联合体内涵和国家自主创新示范区创新生态系统构成要素的基础上,构建基于研究联合体的国家自主创新示范区创新生态系统作用机理的理论模型,探析RJVs创新物种、RJVs创新群落、RJVs产业体系的形成过程。为建成世界一流科技创新中心,提出应加强研究联合体的顶层设计,规划培育RJVs创新物种、RJVs创新群落、RJVs产业体系,增强对国内外RJVs创新优势种吸纳能力的对策建议。     

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.