Enhanced photoelectric properties of PbSnSe thin films via quick oxygen ion-implantation sensitization

Journal of Materials Science - Although chalcogenide materials continue to generate considerable interest due to great potentials for various optoelectronic devices, annealing for a long time in...     

VO2/GaAs异质结的制备及其光电特性研究

采用直流磁控溅射和后退火氧化工艺在p型GaAs单晶衬底上成功制备了n-VO_2/pGaAs异质结,研究了不同退火温度和退火时间对VO_2/GaAs异质结性能的影响,并分析其结晶取向、化学组分、膜层质量以及光电特性。结果表明,在退火时间2 h和退火温度693 K下能得到相变性能最佳的VO_2薄膜,相变前后电阻变化约2个数量级。VO_2/GaAs异质结在308 K、318 K和328 K温度下具有较好的整流特性,对应温度下的阈值跳变电压分别为6.9 V、6.6 V和6.2 V,该结果为基于VO_2相变特性的异质结光电器件的设计与应用提供了可行性。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

Low-Velocity Impact Damage Simulation of Biaxial Warp-Knitted Flexible Composite with Simplified Microstructure Model

Applied Composite Materials - In this paper, the low-velocity impact deformation behavior of biaxial warp-knitted flexible composite was investigated. A simplified finite element model (FEM) of the...     

纳米药物非临床药代动力学的研究策略及关注要点

随着纳米技术的迅速发展，纳米药物的研发已成为目前药物创新的发展方向之一。纳米药物具有基于纳米结构的尺度效应，其药代动力学特征与普通药物相比存在明显差异，其药代动力学研究与普通药物相比也有其特殊性。本文着重探讨纳米药物的非临床药代动力学的研究策略及关注要点，包括受试物、体内/外试验、生物样本分析、数据评价分析等，期望为研发者提供参考。     

TEMPO氧化修饰的天然多糖纳米纤维增强复合材料及其功能化研究进展

纤维素和几丁质具有相似的结构，是自然界中储量丰富的两类天然多糖。经2, 2, 6, 6-四甲基哌啶氮氧化物(TEMPO)氧化修饰制备的纤维素和几丁质纳米纤维，不仅具有多糖类物质的良好亲水性、生物可降解性、生物相容性及丰富的官能团(羟基、羧基、乙酰氨基和氨基等)所带来的特定化学性质，而且还具有纳米纤维的纳米尺寸效应、大比表面积、高表面活性、高结晶度和手性液晶相结构等特点，已成为生物质纳米材料领域的研究重点之一。本文对TEMPO氧化修饰制备天然多糖纳米纤维的方法及剥离机制进行了总结，同时重点综述了TEMPO氧化修饰的天然多糖纳米纤维在薄膜、凝胶、导电、医用、电磁屏蔽及环境等复合材料的增强和功能升级等方面的研究进展，强调了纤维素和几丁质纳米纤维的官能团及纳米尺寸在复合材料中的增效机制。最后，对天然多糖纳米纤维的发展方向及其在各领域应用的机遇与挑战进行了展望。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.