功能化石墨烯担载型AuPd纳米催化剂增强甲酸制氢反应

甲酸(FA)因具有储氢量高、易加注等优点而成为极具应用前景的新型储氢材料, 寻求高效率催化剂对于解决甲酸制氢反应动力学缓慢的问题尤为重要。本工作以聚乙烯亚胺修饰石墨烯(PEI-rGO)作为催化剂衬底, 通过湿化学法制备PEI-rGO担载型AuPd纳米复合材料(Au_0.3Pd_0.7/PEI-rGO)。Au_0.3Pd_0.7/PEI-rGO催化剂在催化FA制氢的反应中表现出极其优异的活性, 在无添加剂辅助下的转化频率(TOF)为2357.5 mol_H2∙ mol_catalyst ^-1∙h ^-1, 高于大多数相同反应条件下的异相催化剂。这归因于PEI-rGO衬底与AuPd纳米颗粒之间的强相互作用对金属活性组分的尺寸、分散度和电子结构的调控。此外, 循环测试结果表明该催化剂的稳定性良好。     

SPS界面反应增强机制调控的软磁复合材料磁性能和电阻率

设计软磁复合材料(SMCs)的绝缘层要兼顾软磁性能和电阻率。本研究以Fe/Ni_0.5Zn_0.5Fe₂O₄复合体系为例, 研究界面MnO₂氧化剂对样品软磁性能和电阻率的影响, 揭示提高软磁性能和电阻率的SMCs界面放电等离子烧结(SPS)氧化还原机制。采用球磨法制备添加0、0.1wt%、0.3wt%、0.5wt%和1.0wt% MnO₂的核壳结构Fe@Ni_0.5Zn_0.5Fe₂O₄(MnO₂)复合粉末, 随后SPS烧结制备Fe/Ni_0.5Zn_0.5Fe₂O₄(MnO₂)块体SMCs样品, 通过扫描电镜(SEM)、X射线衍射(XRD)表征该样品的结构特征, 用精密电阻测试仪和振动样品磁强计测试该样品的电阻率和磁性能。研究发现, 添加0.5wt% MnO₂的Fe/Ni_0.5Zn_0.5Fe₂O₄(MnO₂)块体SMCs样品比未添加样品电阻率提高33.7%、饱和磁化强度提高6.9%。研究结果表明, SPS烧结增强SMCs界面快速氧化还原反应, MnO₂氧化剂的添加使界面铁氧体离子浓度变化, 降低了B位电子跃迁频率, 提高有效波尔磁子数及B-B磁超交换作用, 表现出同时提高SMCs的软磁性能和电阻率的多重效应。     

边端融合的终端情境自适应深度感知模型

研究边端融合的深度模型终端情境自适应问题. 提出边端融合增强的模型压缩方法（X-ADMM）,利用模型压缩技术简化模型结构,以层为粒度寻找模型最佳分割点,协同边端设备提高运行效率. 为了实现模型分割的动态自适应,提出基于图的自适应深度模型手术刀算法（GADS）. 当模型运行情境（如存储、电量、带宽等）发生变化时,优先在邻近分割状态中快速搜索最能满足资源约束的分割点,实现快速自适应调整. 实验结果表明,该模型平均在0.1 ms内实现了模型分割点的自适应调优,在保证模型精度下降不超过2.5%的情况下,运行总时延最高下降了56.65%.     

浅谈物流信息网络背景下的供应链管理

在物流信息网络的背景下,物流系统已经在向供应链管理的方向发展,本文对物流信息网络背景下的供应链管理做了简单的探讨和分析.     

智能物联网终端自适应模型量化方法

随着深度学习与万物互联的快速发展，将深度学习与移动终端设备结合已经成为了一大研究热点。深度学习给终端设备带来性能提升的同时，将模型部署在资源受限的终端设备时也面临诸多挑战，如终端设备计算和存储资源受限，深度学习模型难以适应不断变化的设备状态等。基于此，研究了资源自适应的深度学习模型自适应量化问题。提出资源自适应混合精度模型量化方法，利用门控网络和骨干网络进行模型构建，以层为粒度寻找模型最佳量化策略，结合边端设备降低模型资源消耗。为了寻找最优模型量化策略，采取基于FPGA的深度学习模型部署。需要将模型部署在资源受限的边端设备上时，根据资源约束进行自适应训练，采取量化感知方法降低模型量化带来的精度损失。实验结果表明，该方法能够在保留78%的准确率的同时，降低50%的存储空间；同时，在FPGA设备上模型精度下降不超过2%,而能源消耗降低60%。