圆偏振激光场中原子的非绝热强场电离为产生自旋极化电子提供了机会.我们应用这些解析电离速率公式[Ingo Barth and Olga Smirnova,Phys.Rev.A 88,013401(2013)]更系统地研究了通过Kr和Xe原子在右旋圆偏振激光脉冲中的强场电离产生自旋...圆偏振激光场中原子的非绝热强场电离为产生自旋极化电子提供了机会.我们应用这些解析电离速率公式[Ingo Barth and Olga Smirnova,Phys.Rev.A 88,013401(2013)]更系统地研究了通过Kr和Xe原子在右旋圆偏振激光脉冲中的强场电离产生自旋极化电子,并证实了不同自旋态的光电子能量分布有很大差异、电子的自旋极化敏感地依赖于光电子能量.另外,在光电子能谱的低能部分其自旋极化可以达到100%,并且通过调节激光强度和频率可以很好地控制能量积分的自旋极化.展开更多
大豆含油率的高低直接影响榨油与育种结果。为探究大豆含油率的最佳检测方法与构建含油率高低判别模型,该研究基于不同维度低场核磁共振(low field nuclear magnetic resonance,LF-NMR)技术,以国标法为对照,利用LF-NMR波谱和LF-NMR含油...大豆含油率的高低直接影响榨油与育种结果。为探究大豆含油率的最佳检测方法与构建含油率高低判别模型,该研究基于不同维度低场核磁共振(low field nuclear magnetic resonance,LF-NMR)技术,以国标法为对照,利用LF-NMR波谱和LF-NMR含油含水率软件检测大豆含油率;核磁共振成像(magnetic resonance imaging,MRI)结合深度学习,建立大豆含油率高低判别模型。引入低场二维核磁共振(low field two-dimensional nuclear magnetic resonance,LF-2D-NMR)技术,定性分析一维波谱中信号重叠无法区分组分的问题。试验结果表明,LF-NMR含油含水率软件能快速准确检测大豆含油率,T1-T2二维核磁图谱成功解决了自由水和油信号重叠问题。利用U-net++深度学习模型对MRI成像的矢状面、冠状面、横截面以及三面混合数据集进行训练,其中横截面评价指标与其他数据集相比更优,语义分割部分中平均交并比(mean intersection over union,mIoU)约0.9058,全局准确率0.9980,训练后的模型能够将MRI图像识别并分割,快速判别大豆含油率高低。试验证明,LF-NMR及MRI能够快速无损掌握大豆含油率信息,为大豆的高油育种提供了新思路和技术支持。展开更多
准确计算户内变电站大型、复杂的噪声场分布,进而评价可采用降噪措施的减噪效果,是解决户内变电站噪声污染的关键问题。为此,综合声学有限元法(finite element method,FEM)求解复杂声场收敛性好及精度高的优点,及声学边界元法(boundary ...准确计算户内变电站大型、复杂的噪声场分布,进而评价可采用降噪措施的减噪效果,是解决户内变电站噪声污染的关键问题。为此,综合声学有限元法(finite element method,FEM)求解复杂声场收敛性好及精度高的优点,及声学边界元法(boundary element method,BEM)降维求解大型声场的优势,提出了一种基于声学FEM-BEM的户内变电站噪声场求解算法。首先,建立变电站内部声源声固耦合模型,采用声学FEM求解混响噪声作用下的声固耦合响应;然后,基于声学FEM-BEM耦合理论,求解内、外耦合边界处结构单元受声固耦合激励产生的位移及应力载荷;最后,根据声压及应力载荷激发的外场声波扩散模型,基于常规Gauss数值积分法,建立外部空间声域2维BEM声学积分方程,求解外部声场。该算法在湖南某110 kV户内变电站噪声场的求解分析中得到了成功应用,与实测值的相对误差为3.61%~4.87%。展开更多
文摘圆偏振激光场中原子的非绝热强场电离为产生自旋极化电子提供了机会.我们应用这些解析电离速率公式[Ingo Barth and Olga Smirnova,Phys.Rev.A 88,013401(2013)]更系统地研究了通过Kr和Xe原子在右旋圆偏振激光脉冲中的强场电离产生自旋极化电子,并证实了不同自旋态的光电子能量分布有很大差异、电子的自旋极化敏感地依赖于光电子能量.另外,在光电子能谱的低能部分其自旋极化可以达到100%,并且通过调节激光强度和频率可以很好地控制能量积分的自旋极化.
文摘大豆含油率的高低直接影响榨油与育种结果。为探究大豆含油率的最佳检测方法与构建含油率高低判别模型,该研究基于不同维度低场核磁共振(low field nuclear magnetic resonance,LF-NMR)技术,以国标法为对照,利用LF-NMR波谱和LF-NMR含油含水率软件检测大豆含油率;核磁共振成像(magnetic resonance imaging,MRI)结合深度学习,建立大豆含油率高低判别模型。引入低场二维核磁共振(low field two-dimensional nuclear magnetic resonance,LF-2D-NMR)技术,定性分析一维波谱中信号重叠无法区分组分的问题。试验结果表明,LF-NMR含油含水率软件能快速准确检测大豆含油率,T1-T2二维核磁图谱成功解决了自由水和油信号重叠问题。利用U-net++深度学习模型对MRI成像的矢状面、冠状面、横截面以及三面混合数据集进行训练,其中横截面评价指标与其他数据集相比更优,语义分割部分中平均交并比(mean intersection over union,mIoU)约0.9058,全局准确率0.9980,训练后的模型能够将MRI图像识别并分割,快速判别大豆含油率高低。试验证明,LF-NMR及MRI能够快速无损掌握大豆含油率信息,为大豆的高油育种提供了新思路和技术支持。
文摘准确计算户内变电站大型、复杂的噪声场分布,进而评价可采用降噪措施的减噪效果,是解决户内变电站噪声污染的关键问题。为此,综合声学有限元法(finite element method,FEM)求解复杂声场收敛性好及精度高的优点,及声学边界元法(boundary element method,BEM)降维求解大型声场的优势,提出了一种基于声学FEM-BEM的户内变电站噪声场求解算法。首先,建立变电站内部声源声固耦合模型,采用声学FEM求解混响噪声作用下的声固耦合响应;然后,基于声学FEM-BEM耦合理论,求解内、外耦合边界处结构单元受声固耦合激励产生的位移及应力载荷;最后,根据声压及应力载荷激发的外场声波扩散模型,基于常规Gauss数值积分法,建立外部空间声域2维BEM声学积分方程,求解外部声场。该算法在湖南某110 kV户内变电站噪声场的求解分析中得到了成功应用,与实测值的相对误差为3.61%~4.87%。