|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于叶酸修饰的混合光子晶体复合材料及应用
本发明公开了一种基于叶酸修饰的混合光子晶体复合材料及应用，包括载体混合光子晶体以及负载在该载体上的叶酸；其中，所述混合光子晶体包括聚乙二醇双丙烯酸酯反蛋白石骨架及填充于该骨架孔隙中的甲基丙烯酸酯明胶和磁性纳米粒子；其应用于髓性白血病耐药细胞的检测。本发明的显著优点为该复合材料不仅具有纳米的有序结构、比表面积大，且机械强度高、稳定性强，同时还具有优越的生物兼容性和磁性响应性，易于操控；将其应用于耐药细胞的检测，能够特异、灵敏、简单、有效地抓捕到髓性白血病耐药细胞，并保持要细胞株具有良好的生物活性，抓捕后只需施加磁场即可有效地对其进行富集、分离。
东南大学
2021-04-11
中南大学刘小鹤团队在廉价电催化材料领域取得系列进展
该团队制备了一种负载氧化镍(NiO)纳米晶粒的聚合物氮化碳(g-C3N4, CN)二维纳米片新材料，通过构建具有金属性的Ni-N键形成高导电界面，大幅提高了催化效率，该策略拓展至其他的过渡金属氧化物(Co3O4、Fe2O3、CuO等)也获得了成功。同时，该团队还开发了过渡金属基层状蛇纹石结构的纳米催化剂，进一步实现高效电催化。通过设计合成不同比例的Co、Ni基蛇纹石CoxNi3-xGe2O5(OH)4纳米片，调节材料的电子能带结构和导电特性，有效加快了催化效率，在碱性和中性条件下均表现出比传统过渡金属氢氧化物和商业RuO2更优异的催化活性和稳定性。 此外，该团队以二维金属-有机框架（2D MOF）纳米片为前驱体制备了新型二维复合纳米催化剂。通过引入吡啶作为抑制剂，借助溶剂热反应和热处理制备了氮原子掺杂的Ni-Ni3S2@碳复合纳米催化剂，大幅度提高了催化性能，为二维金属-金属硫化物@碳多元复合材料的合成提供了新的思路。
中南大学
2021-02-01
一种生产非晶纳米晶软磁材料的冷却辊装置
本发明公开了一种生产非晶纳米晶软磁材料的冷却辊装置。它主要包括：辊基体、辊套、第一盖板、主轴和第二盖板，主轴上设有辊基体，辊基体外圆侧设有辊套，辊基体两侧分别设有两个盖板，并且通过辊套相连，两个盖板外周边设有与辊套相配合的凸环，辊基体外圆中心区域设有环形凸台，辊套内表面中心区域排布有螺旋形水槽，螺旋形水槽端面与辊基体的凸台外圆面贴合形成螺旋形冷却水流动通道，辊套内表面外侧与两个盖板以及辊基体外圆面共同围成左右两个对称的阶梯状环形等间距冷却水流动通道。本发明冷却辊的水道结构设置有助于实现辊套与非晶带材接触区域内的温度场分布均匀化，从而改善非晶宽带制品由于冷却不均匀而产生的一系列缺陷。
浙江大学
2021-04-11
有机相变蓄能复合材料及在建筑节能中的应用
有机相变蓄能复合材料是由有机相变材料（如石蜡）和高分子支撑和封装基体组成的复合材料，通过有机相变材料的固-液相变储存或释放热量。由于高分子材料的微封装和支撑作用，使得分散于其中的有机相变材料发生固液相变时仍能保持原有形状。该类材料有以下特点： 无需外部封装，可直接使用； 相变前后材料能保持其形状和强度； 材料的导热系数可在一定范围内调节，对外界温度变化响应及时； 材料具有良好的阻燃特性。 应用前景广阔，包括但不限于太阳能储存、建筑节能、冷热防护、电子元器件温度管理、低温储存、电力调峰、工业余热回收利用、智能服装等领域 本课题组还开发了有机相变蓄能复合材料的连续生产设备和生产工艺，已实现小批量连 续示范生产。 随着我国经济发展和人民生活水平的提高，我国建筑面积增长迅速，相应地，建筑能耗也大幅度增长，到 2020 年预计将占社会总能耗的 1/3。因此，在国务院发布的《能源发展战略行动计划（2014-2020 年）》中，节能的绿色建筑已被列为重点发展领域。本项目开发的有机相变蓄能复合材料可以充分利用太阳能和谷电等自然和低价能源，通过光热转换和电热转换来实现建筑采暖。太阳能具有不连续和不稳定的问题，存在供给和需求不匹配的矛盾。有机相变蓄能复合材料可以将太阳能蓄存起来，在需要时释放，从而解决这些问题。在采用分时电价的地区，还可以利用有机相变蓄能复合材料进行谷电蓄能采暖，平抑峰谷差。通过充分利用清洁的可再生能源，降低建筑运行能耗，节省运行开支，减少环境负担
清华大学
2021-04-11
一种基于被动毫米波极化成像的材料分类方法
本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。
华中科技大学
2021-04-11
高密度储氢材料及航天飞行器空中发电装置
氢因其具有高密度能量及高热效率、清洁等特性，成为未来有发展前景的新型能源之一。氢能是一种清洁燃料，其应用最关键的技术环节在于其储存。
北京理工大学
2021-02-01
中南大学刘小鹤团队在廉价电催化材料领域取得系列进展
项目成果/简介:该团队制备了一种负载氧化镍(NiO)纳米晶粒的聚合物氮化碳(g-C3N4, CN)二维纳米片新材料，通过构建具有金属性的Ni-N键形成高导电界面，大幅提高了催化效率，该策略拓展至其他的过渡金属氧化物(Co3O4、Fe2O3、CuO等)也获得了成功。同时，该团队还开发了过渡金属基层状蛇纹石结构的纳米催化剂，进一步实现高效电催化。通过设计合成不同比例的Co、Ni基蛇纹石CoxNi3-xGe2O5(OH)4纳米片，调节材料的电子能带结构和导电特性，有效加快了催化效率，在碱性和中性条件下均表现出比传统过渡金属氢氧化物和商业RuO2更优异的催化活性和稳定性。 此外，该团队以二维金属-有机框架（2D MOF）纳米片为前驱体制备了新型二维复合纳米催化剂。通过引入吡啶作为抑制剂，借助溶剂热反应和热处理制备了氮原子掺杂的Ni-Ni3S2@碳复合纳米催化剂，大幅度提高了催化性能，为二维金属-金属硫化物@碳多元复合材料的合成提供了新的思路。
中南大学
2021-04-10
一种基于子结构的复合材料弹性参数识别方法
本发明提供了一种基于子结构的复合材料弹性参数识别方法，建立复合材料子结构有限元模型，根据子结构理论对复合材料子结构模型进行动力学缩聚；缩聚后子结构特征矩阵装配到残余结构上，计算得到复合材料全模型模态信息；提取全模型模态数据，计算模态频率对残余结构弹性参数的相对灵敏度；将试验和有限元模拟的模态频率残差的二范数作为目标函数，利用迭代优化算法最小化目标函数。本发明通过考虑了子结构的复合材料建模，将模型待识别部分定义为残余结构，通过全模型模态频率对残余结构弹性参数的相对灵敏度分析和模态振型匹配，采用优化迭代算法识别复合材料待识别参数，节省计算资源，提高计算效率，具有十分重要的工程意义。
东南大学
2021-04-11
在拓扑材料ZrTe5中观察到的spin zero现象
通过研究三维狄拉克半金属材料ZrTe5中量子振荡随磁场倾角的演化，发现在特定角度电阻的量子振荡会突然消失，并伴随出现振荡相位的反转。分析表明这是所谓的spin zero现象，这也是第一次在拓扑材料中观察到该现象。更重要的是，这一现象带来的振荡相位反转，表明广泛使用的确定贝里相的实验方法，在某些条件下会得出错误结论。 拓扑材料在强磁场下由于轨道作用和自旋塞曼劈裂，可能演化出不同的拓扑态，从而为研究这些态之间的转化，即拓扑相变，提供了理想的平台。Spin zero现象是由于朗道能级发生塞曼劈裂，两套劈裂的朗道能级的量子振荡相互叠加干涉引起的，因此可以提取出自旋相关的信息。ZrTe5中spin zero现象的出现，暗示当磁场沿a轴或c轴附近时，ZrTe5的狄拉克能带磁场作用下变成线节点拓扑半金属，而非外尔半金属。所以，spin zero的出现，也可以用于帮助判定拓扑态的类别。图表1：ZrTe5中量子振荡的振幅和相位随磁场角度的变化。
北京大学
2021-04-11
利用自学习系统实现逼近理论极限的光学手性材料设计
随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析
北京大学
2021-04-11