Na^+替位掺杂对Li_2MnSiO_4的电子结构以及Li^+迁移过程的影响

在锂二次电池中,硅酸锰锂作为正极材料得到广泛研究,但其固有的电子和离子电导率较低,直接影响着电池的功率密度和充放电速率.本文建立了不同浓度的Na^+离子替位掺杂Li^+离子形成的Li_(1-x)Na_xMnSiO_4(X=0,0.125,0.25,0.5)结构,采用第一性原理的方法,研究了掺杂前后硅酸锰锂的电子结构以及Li^+离子的跃迁势垒.发现在Li^+位替代掺杂Na^+,导带底的能级向低能方向发生移动,降低了Li_2MnSiO_4材料的禁带宽度,有利于提升材料的电子导电性能.随着掺杂浓度的升高,禁带宽度逐渐变窄.CI-NEB结果表明,在Li_2MnSiO_4体系中具有两条有效的Li^+离子迁移通道,掺杂Na^+以后扩大了Li^+离子在[100]晶向上的迁移通道,Li^+离子的跃迁势垒由0.64 eV降低为0.48,0.52和0.55 eV.掺杂浓度为x=0.125时,离子迁移效果最佳.研究表明Na^+掺杂有利于提高Li_2MnSiO_4材料的离子和电子电导率.

不同能量下环形高斯强激光光束在空气中的非线性传输

以线性传输模型为对比研究了不同初始能量的环形光束在空气中的非线性传输。结果显示,在传输初始阶段,非线性克尔效应减弱了线性空间啁啾导致的聚焦作用。线性聚焦使能量向光轴方向流动导致强光强核心,在光轴附近生成类高斯脉冲结构,增强了非线性自聚焦效应,导致光强急剧增加形成光丝。环形光束的初始能量的大小能够影响自聚焦焦距、光丝长度和光强通量。自聚焦焦距随着初始脉冲能量的增加而减小,但自聚焦焦距与初始功率的开方不成反比(这点与高斯光束不同)。光丝长度随着初始脉冲能量的增加而增加。轴上光强通量随初始脉冲能量的增加而增加。

基于OpenMP的飞秒强激光在空气中传输并行计算

轴对称超短强激光在空气中的传输可以用2D+1维非线性薛定谔方程来描述,该方程一般可用FCN方法进行求解,即在时间上应用快速傅里叶变换方法、在空间横截面上采用Crank-Nicholson差分法。但由于计算非常耗时,传统串行的FCN方法只能计算强激光在百m量级距离上传输。基于OpenMP设计了求解2D+1维非线性薛定谔方程的并行方法及其程序。数值模拟结果证明了程序的正确性和较高的并行效率。当线程数为15时并行加速比为12。此并行方法可应用于模拟长距离的超短超强激光的传输。

基于卷积神经网络的垃圾图片处理与改进

针对垃圾图片背景复杂和数量少等情况导致的神经网络准确率不高和泛化能力弱的问题,提出利用CutMix数据增强技术对数据集进行扩展,并在VGG16网络模型的基础上分别加入L1、L2正则化构建更为具体的损失函数,防止过拟合现象的发生。将上述改进分为8种模型,对4大类30个小类的14921张垃圾图像分别训练,得到准确率和损失值。实验结果表明,原VGG16网络模型的准确率为91.17%;加入L1正则化并将数据集利用数据增强技术扩展增加9350张图片后,准确率提升最大为92.26%,提升幅度为1.09%。通过对比分析,改进后的网络无论是准确率还是泛化能力都有了明显的提升;此外,在单独引入L1正则化或L2正则化后,模型的损失函数变得光滑且不再过早趋于平稳,有效避免了过拟合和梯度消失情况的发生,改善了网络的整体性能。

应用于引力波探测的深度学习网络结构复杂度研究

深度学习用于引力波探测是近几年的研究热点。匹配滤波法可以看作模板存储于卷积核参数中的单卷积层的神经网络,通过加深模型的深度可以在参数大大减少的同时得到相似的探测效果。对不同的卷积核大小、卷积核的数量(模型的宽度)、卷积层的数量(模型的深度)的深度学习引力波探测模型进行了讨论。另外,对全连接层前采用批量归一优化(batch normalization,BN)模型的探测效果进行了研究,发现单卷积层的模型在加入BN后的探测精度由50%左右提高到了90%以上。研究结果为匹配滤波模板数量的压缩提供了潜在的新方法,匹配滤波后通过BN层和全连接层也许能够大大减少匹配模板数量。

Al，Fe，Mg掺杂Li2MnSiO4的电子结构和电化学性能的第一性原理研究

硅酸锰锂作为锂离子电池正极材料因具有高的理论电容量而一直备受关注,但其较低的导电率和较差的循环性能阻碍了进一步的发展.采用第一性原理广义梯度近似GGA+U的方法,研究了Al,Fe,Mg掺杂Li2MnSiO4的电子结构、脱嵌锂电压和导电性.研究发现,Al掺杂的Li2Mn0.5Al0.5Si O4结构中载流子的数目增加,电子自旋向上和向下的态密度均穿过费米能级,呈现金属特性,提高了体系的导电率.脱锂LixMnSiO4(x=1,0)结构中,通过计算一次脱锂相结构的形成能得到Al掺杂的一次脱锂结构最稳定,并且Al掺杂的脱锂相结构体积变化小,有利于材料循环性能的提高,同时第一个锂离子脱嵌电压与未掺杂时(4.2 V)相比降低到2.7 V.Fe掺杂降低了Li2MnSiO4的带隙,第一个锂离子脱嵌电压降低到3.7 V.研究表明,Al的掺杂效果优于Fe和Mg,更利于硅酸锰锂电化学性质的提高.