Lithiation MXene Derivative Skeletons for Wide-Temperature Lithium Metal Anodes

Lithium (Li) metal, as an appealing candidate for the next-generation of high-energy-density batteries, is plagued by its safety issue mainly caused by uncontrolled dendrite growth and infinite volume expansion. Developing new materials that can improve the performance of Li-metal anode is one of the urgent tasks. Herein, a new MXene derivative containing pure rutile TiO₂ and N-doped carbon prepared by heat-treating MXene under a mixing gas, exhibiting high chemical activity in molten Li, is reported. The lithiation MXene derivative with a hybrid of LiTiO₂-Li₃N-C and Li offers outstanding electrochemical properties. The symmetrical cell assembling lithiation MXene derivative hybrid anode exhibits an ultra-long cycle lifespan of 2000 h with an overpotential of ≈30 mV at 1 mA cm⁻², which overwhelms Li-based anodes reported so far. Additionally, long-term operations of 34, 350, and 500 h at 10 mA cm⁻² can be achieved in symmetrical cells at temperatures of −10, 25, and 50 °C, respectively. Both experimental tests and density functional theory calculations confirm that the LiTiO₂-Li₃N-C skeleton serves as a promising host for Li infusion by alleviating volume variation. Simultaneously, the superlithiophilic interphase of Li₃N guides Li deposition along the LiTiO₂-Li₃N-C skeleton to avoid dendrite growth.     

Synergistic effect of bulk phase doping and layered-spinel structure formation on improving electrochemical performance of Li-Rich cathode material

In this study, La was doped into the lithium layer of Li-rich cathode material and formed a layered-spinel hetero-structure. The morphology, crystal structure, element valence and kinetics of lithium ion migration were studied by field emission scanning electron microscope (FESEM), X-ray diffraction (XRD), X-ray photoelectron spectroscopy (XPS) and electrochemical impedance spectroscopy (EIS). The La doped lithium-rich cathode material exhibited similar initial discharge capacity of 262.8 mAh g^?1 at 0.1 C compared with the undoped material, but the discharge capacity retention rate can be obviously improved to 90% after 50 cycles at 1.0 C. Besides that, much better rate capability and Li⁺ diffusion coefficient were observed. The results revealed that La doping not only stabilized the material structure and reduced the Li/Ni mixing degree, but also induced the generation of spinel phase to provide three-dimensional diffusion channels for lithium ion migration. Moreover, the porous structure of the doped samples also contributed to the remarkable excellent electrochemical performance. All of these factors combined to significantly improve the electrochemical performance of the material.     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

高效液相色谱法同时测定化妆品中的7种香豆素

基于香豆素类化合物在化妆品中的使用情况及其对人体健康的危害,采用C18色谱柱作为分析柱,通过优化试验条件建立了一种可准确、简便测定化妆品中多种香豆素类化合物的高效液相色谱法。试验结果表明,7种香豆素类化合物的保留时间和峰面积的相对标准偏差分别小于0.1%和2%,且检出限均低于40μg/L;通过样品加标试验,得到7种目标化合物的回收率为80%~94%。所建立方法具有快速、简便、准确、灵敏的特点,是测定化妆品中多种香豆素类化合物的有效方法。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

基于三相幅度测量的相控阵天线快速校准方法

提出了一种基于三相幅度测量的相控阵天线快速校准方法。该方法将天线阵列进行分组,利用每种分组在三种配相下的阵面合成场幅度测量值,可解算出各个天线单元的初始幅相值。该方法仅需幅度测量,避免了相位测量误差影响单元幅相值的计算精度,而且所需幅度测量次数仅为(2N+1)次,可显著提高校准时效性。另外,利用分组思想,同时改变多个单元相位,使总辐射场的幅度变化显著,提升校准准确性。仿真结果表明:校准后相位均方根误差为2.2°,幅度均方根误差为0.2 dB。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

葛洲坝水利枢纽泄水建筑物进水口冲磨与修复

葛洲坝水利枢纽工程已运行20余年，近年水下检查中发现泄水建筑物进水口存在不同程度的冲磨，有些已威胁到建筑物安全运行，分析冲磨原因和探讨修复材料和手段是非常重要的，本文就此问题提出一些看法和建议供参考。     

基于对比折射法的三维静校正技术及其应用

在地形起伏剧烈、速度和厚度横向变化大的地区，折射静校正技术的应用受到诸多限制，主要表现在不能准确地识别和拾取来自于地下连续地质界面的折射波，使得精确求取的长波长静校正量困难。为此，提出了一种基于对比折射法的三维静校正技术。介绍了这种静校正技术的方法原理和特点，基于对比折射法的折射波至拾取实质上是一个折射层的对比分析解释过程，因此能准确地拾取折射波至，精确地求解低速带的绝对延迟时；然后利用延迟时和近地表速度模型（等效，时深，空变）反演表层模型，最终一次性完成基准面静校正（包含低速带校正和高程校正）。在黄土塬、沙漠以及沙漠和山地的接合部等地区，利用基于对比折射法的三维静校正技术进行静校正处理，使资料的品质得到了明显改善，反射同相轴连续性好，信噪比和分辨率高，构造形态清晰可靠，提高了勘探精度。