电子在自旋-轨道耦合调制下磁受限半导体纳米结构中的传输时间及其自旋极化

通过考虑构筑在半导体GaAs/Al_(x)Ga_(1–x)As异质结上的磁受限半导体纳米结构中的塞曼效应和自旋-轨道耦合,本文采用理论分析和数值计算相结合的方法研究了电子的传输时间与自旋极化.利用矩阵对角化和改进的转移矩阵方法,数值求解电子的薛定谔方程;采用H.G.Winful理论求电子的居留时间,并计算自旋极化率.由于塞曼效应与自旋-轨道耦合,电子的居留时间明显地与其自旋有关,因此可在时间维度上分离自旋、实现半导体中电子的自旋极化.因为半导体GaAs的有效g-因子很小,电子自旋极化主要源于自旋-轨道耦合,大约为塞曼效应引起的自旋极化的4倍.由于电子的有效势与自旋-轨道耦合的强度有关,电子的居留时间及其自旋极化可通过界面限制电场或应力工程进行有效调控.这些有趣的结果不仅对半导体自旋注入具有参考价值,而且还可为半导体自旋电子学器件应用提供时间电子自旋分裂器.

改进的YOLOv5图书梯标检测算法

对于印刷行业而言,确保每本书的页码、页面正确排序是提高印刷厂生产率的重点。为了解决目前印刷厂对于图书梯标的检测存在漏检、误检的问题,提出了一种改进YOLOv5的梯标检测算法。该算法增加一个检测尺度以解决漏检问题和提高梯标的识别精度,将主干网络中的C3数量减少,使用深度可分离卷积替代颈部网络中的部分卷积,在能够保证精度稳定的同时降低模型的参数量和计算量;使用SPConv替换Resunit结构里的Conv,形成SPConv-C3结构,SPConv-C3结构不仅能够降低模型的参数量,还能提升网络对图书梯标的检测精度;根据深度可分离卷积和SPConv-C3结构设计特征融合网络结构,能够大幅度提升网络模型的特征融合能力。将所改进的检测算法在自建数据集上进行验证,结果表明,改进后的算法Pm,A@0.5∶0.95达到了64.7%,比原YOLOv5s提高7.5百分点,参数量下降了3.16%,能够满足实际需求。

高斯激光束在Fraunhofer圆孔衍射成像中的球差

基于标量衍射理论,利用Zernike多项式法构建像差函数,并将其应用到ZEMAX中,研究高斯型激光束在透镜与圆孔距离较大时的Fraunhofer圆孔衍射成像中的球差.实验和理论模拟结果表明,透镜及圆孔和透镜距离对产生球差的影响较大,当选择优化的非球面透镜、较高折射率的透镜材料和小视场时,可有效降低由圆孔和透镜距离较大而产生的球差,从而有效提升衍射成像质量.

冻融循环下混凝土中氯离子传输机制细观模拟

基于经典应力水平-疲劳寿命方程,本文提出了以冻融循环次数为自变量的氯离子扩散系数数学表达式,并在此基础上建立了冻融循环下氯离子在混凝土中传输的三维细观数值模型,研究了冻融循环、混凝土细观结构特征、结合效应等因素对氯离子传输行为的影响。研究结果表明,冻融循环可以促进氯离子的扩散,当冻融循环的次数接近极限冻融循环次数时,这种促进作用十分显著。更重要的是,通过模拟混凝土细观结构中氯离子的扩散轨迹,揭示了界面过渡区促进氯离子扩散的机理。最后,通过对氯离子长期扩散性能模拟发现,在靠近侵蚀面区域出现了结合氯离子饱和区域,混凝土失去了对自由氯离子的固化能力,促进了氯离子扩散。

基于光谱技术和BP神经网络的苹果汁中柠檬黄检测与分析

合成色素的大量使用给食品安全和人们的身体健康带来了严重的危害,因此,建立快速有效的合成色素检测方法具有重要意义。在文章中,提出了一种基于紫外可见光谱和反向传播(BackPropagation,BP)神经网络快速检测苹果汁中柠檬黄的方法。首先,检测了苹果汁中不同浓度柠檬黄的紫外可见光谱;然后,采用Savitzky-Golay(S-G)平滑消除了光谱数据的噪声;最后,建立了基于BP神经网络的预测模型。同时,采用粒子群优化(Particle SwarmOptimization,PSO)算法对BP神经网络模型进行了优化与分析。结果表明,采用紫外可见光谱结合PSO-BP神经网络模型方法有效实现了苹果汁中柠檬黄的快速检测。文中研究为食品中合成色素的检测提供了一种简单有效的方法。

基于目标检测的药品外观识别

目的在药品调剂过程中,利用计算机视觉技术识别药品容易受到光照、角度以及包装等因素的影响,会产生较大的识别误差。因此,本文提出了一种用于药品外观识别的目标检测算法(YOLOv4-GhostNet-CMB)。方法首先,该算法使用GhostNet结构重新设计YOLOv4的骨干特征提取网络;其次,在Ghost模块中融合CA注意力机制,沿着水平和垂直方向聚合特征,增强模型对药品的精确定位能力;最后,通过引入Bi-FPN特征金字塔结构与新主干相连,并新增了一个特征图输出,加强特征的提取,增强药品的识别率。结果YOLOv4-GhostNet-CMB算法平均准确率可达到92.31%,与YOLOv4算法相比提升了4.49%。结论本方法能够有效识别药品,且模型大小仅有150 M。

基于图神经网络与表示学习的文本情感分析

近年来,情感分析是近年来自然语言处理领域备受学者关注的核心研究方向,传统文本情感分析模型只能捕捉文本的表面特征,在不同领域或语境下缺乏泛化能力,难以处理长文本以及语义歧义等问题.针对上述问题,本文设计了基于图神经网络与表示学习的文本情感分析模型(a text sentiment analysis model based on graph neural networks and representation learning,GNNRL).利用Spacy生成句子的语法依赖树,利用图卷积神经网络进行编码,以捕捉句子中词语之间更复杂的关系;采用动态k-max池化进一步筛选特征,保留文本相对位置的序列特征,避免部分特征损失的问题,从而提高模型的特征提取能力.最后将情感特征向量输送到分类器SoftMax中,根据归一化后的值来判断情感分类.为验证本文所提GNNRL模型的有效性,采用OS10和SMP2020两个文本情感分析数据集进行测试,与HyperGAT、IBHC、BERT_CNN、BERT_GCN、TextGCN模型比较,结果表明,综合accuracy、precision、recall、f14个指标,本文改进的AM_DNN模型均优于其他模型,在文本情感中具有较好的分类性能,并探究了不同优化器的选择对本模型的影响.

基于ChineseBERT的中文知识图谱问答方法

为了解决中文文字字形繁杂和语义信息复杂导致问答性能不佳的问题,提出了一种名为ChineseBERT-KBQA的方法,利用中文预训练语言模型ChineseBERT作为文本的语义嵌入层且融合了字形和拼音信息,从而提升传统语义解析方法在实体提及识别和关系预测子任务上的性能。具体而言,提出的两个模型分别是基于ChineseBERT-CRF的实体提及识别模型和基于ChineseBERT-TextCNN-Softmax的关系预测模型,这两个模型综合提高了对中文文本的语义理解能力。最后,再结合子任务间的相关信息,进行最终的答案预测,并且使用教育问答数据集MOOC Q&A和开放域问答数据集NLPCC2018进行实验,实验结果表明该方法在中文知识图谱问答中的有效性和准确性。

氮氧共掺杂衍生多孔碳材料的制备及其电化学性能研究

为了制备高性能电容器电极材料,本文以生物质为原料,制备了稻谷壳(RH)衍生的多孔碳,通过化学活化工艺,并采用氮原子掺杂来提升其电化学性能,增加了衍生碳材料的比表面积,增大了材料的比电容,使之良好地应用于超级电容器领域。在6MKOH的三电极测试系统中,RHPC-M的比电容可达345.0Fg-1(0.3Ag-1)。这种优异的性能归功于适宜的孔径结构和含氧和含氮官能团改善了电极材料的润湿性。

基于深度学习的视网膜眼底图像的渗出分割方法研究

目的探索基于深度学习方法自动分割彩色眼底图像上糖尿病患者视网膜渗出特征的可行性。方法应用研究。基于印度糖尿病视网膜病变图像数据集(IDRID)模型的U型网络,将深度残差卷积引入到编码和解码阶段,使其能够有效提取渗出深度特征,解决过拟合和特征干扰问题,同时提升模型的特征表达能力和轻量化性能。此外,通过引入改进的上下文提取模块,使模型能捕捉更广泛的特征信息,增强对视网膜病灶的感知能力,尤其是提升捕捉微小细节和模糊边缘的能力。最后,引入卷积三重注意力机制,使模型能自动学习特征权重,关注重要特征,并从多个尺度提取有益信息。通过查准率、查全率、Dice系数、准确率和灵敏度来评估模型对彩色眼底图像上糖尿病患者自动视网膜渗出特征的检测与分割能力。结果应用本文研究方法后,改进模型在IDRID数据集上的查准率、查全率、相似系数、准确率、灵敏度、分别达到81.56%、99.54%、69.32%、65.36%、78.33%。与原始模型相比,改进模型的查准率和Dice系数分别提升了2.35%和3.35%。结论基于U型网络的分割方法能自动检测并分割出糖尿病患者眼底图像的视网膜渗出特征,对于辅助医生更准确地诊断疾病情况具有重要意义。

相对论重离子碰撞中间歇的研究进展

探索QCD物质相结构和寻找QCD临界点是高能核物理研究的热点之一。三维Ising-QCD理论认为,临界间歇是QCD临界点的特征信号之一,而相对论重离子碰撞实验中间歇的测量是研究QCD相结构的重要实验探针。本工作简要介绍近年来相对论重离子碰撞中间歇的研究进展。在实验方面,主要介绍RHICSTAR实验中金+金的带电强子的间歇测量结果,以及SPS-NA61/SHINE实验中氩+钪的质子的结果;在模型方面,简要介绍混合UrQMD+CMC模型的结果。最后展望了关于间歇的下一阶段研究。