铋基复合氧化物光催化剂的制备改性及其在环保领域的应用

以近几年的铋基光催化剂研究为基础,总结出几种铋基复合氧化物(BiVO₄、Bi₂WO₆、Bi₂MoO₆、CuBi₂O₄和BiFeO₃)的主要制备方式,如沉淀法、固相烧结法、水热法、溶胶-凝胶法等,并介绍了贵金属沉积、形貌调控、离子掺杂和构筑异质结等常见的改性方式。改性后的铋基复合氧化物光催化剂由于可见光范围扩大、电子迁移率升高,从而表现出更优异的光催化活性,进而能在治理有害废气、新型污染物、染料废水和光催化抗菌等环保领域发挥更有效的作用。为研究铋基复合氧化物光催化剂在环保领域的开发利用提供参考。     

科学发现中的机器学习方法研究

大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.