无铅非线性介电储能陶瓷:现状与挑战

相对于聚合物等储能介质材料,介电陶瓷具有温度稳定性好和循环寿命长的优点,是制备脉冲功率储能电容器的优秀候选材料。但目前介电陶瓷的储能密度相对较低,不能满足脉冲功率设备小型化的要求。因此,如何显著提高介电陶瓷的储能密度成为近年来功能陶瓷研究的热点之一。本文首先介绍了介电储能电容器对陶瓷材料性能的要求,然后结合本课题组的研究工作,评述了BaTiO3基、BiFeO3基、(K0.5Na0.5)NbO3基无铅弛豫铁电陶瓷和(Bi0.5Na0.5)TiO3基、AgNbO3基无铅反铁电陶瓷储能特性的研究现状,重点阐述了不同材料体系的组分设计思路及相关储能特性,分析了无铅非线性介电储能陶瓷所面临的机遇和挑战,指出了应对策略。最后,展望了下一步的研究方向和内容。     

无铅块体陶瓷的电卡效应:现状与挑战

基于电卡效应的固态制冷技术,具有高效、环境友好、轻量、低成本和易于小型化等优点,是替代传统压缩机制冷的理想技术之一。在施加或去除电场时产生较大极化变化的铁电材料,则是制备基于电卡效应固态制冷器件的理想材料。近年来,人类对环境可持续发展的需求,使无铅块体陶瓷的电卡效应研究成为铁电材料领域的研究热点之一。本文首先回顾电卡效应研究历史上的标志性事件,随后简要介绍电卡制冷的原理,提出了在室温附近获得宽温区和大电卡温变的材料设计思路,之后系统综述了BaTiO3基、Bi0.5Na0.5TiO3基和K0.5Na0.5NbO3基无铅块体陶瓷电卡效应的研究进展,重点分析了这三类无铅块体陶瓷电卡效应的独特优势和面临的挑战,最后对无铅块体陶瓷电卡效应的发展趋势进行了展望。     

多注意力机制融合低高阶特征的神经推荐算法

针对因子分解机仅提取低阶组合特征的局限性，提出了一种基于多注意力机制融合低阶和高阶组合特征的深度神经推荐算法（deep neural recommendation method,DeepNRM）。分别运用因子分解机和多层前馈神经网络从稀疏及稠密特征中提取低阶和高阶组合特征；采用注意力网络和多头自注意力机制从低阶和高阶组合特征中自动选取关键特征；将低、高阶组合特征根据重要性进行融合共同进行推荐。算法模型在MovieLens和Criteo公共数据集上进行了实验验证，消融和对比实验结果表明，提出的算法模型与基准模型相比在AUC指标上分别有1.964个百分点和0.773个百分点的提升。