XiaoMi-AI文件搜索系统
World File Search System硼层
![arxiv：2101.10013v1 [cond-mat.mtrl-sci] 2021年1月25日](/simg/9\9af131461beb594fb3a8750f8a574000544b0804.webp)
arxiv：2101.10013v1 [cond-mat.mtrl-sci] 2021年1月25日
简介 - 对超智材料的改造的兴趣不仅是由科学的古怪驱动的，而且是由于几种工业应用中的技术兴趣越来越多[1，2]。钻石据报道，维克（Vicker）的硬度（V H）为120 GPA，迄今为止所有已知材料的记录都持有记录，但其在高温下的化学反应性和高生产成本限制了其实际可用性。对当前替代方案的改进，例如立方-BN（C-BN）或Cubic-BC 2 N [3-5]和金属硼化物[6-8]，它们也呈现出严重的限制问题，例如高综合价格或有限的硬度，都在强烈寻求。硼，碳，氮和氧及其化合物等元素的相图代表了一个理想的狩猎场，可以通过Ab-Initio方法来探索潜在的超级材料的晶体结构预测（CSP）和高通量（HT）屏幕（HT）屏幕，这是快速扩展物质研究的范围[2-15-15-15]。在本文中，将晶体结构预测（最小值）[16，17]和高吞吐量筛查技术结合在一起，与硼碳（B-C）相图相结合，我们发现了一个新的型亚稳态硼和硼含量的碳结构的新家族，并与这些杂种富含碳纤维相比。硼化物。[18]术语所建议的融合的硼苯融合可以看作是通过共价键相连的2D硼层的不同类型的堆叠，形成了3D散装结构。在以下内容中，讨论了超智融合的一般elastic和热力学特性与高压α-GA相结构相关，被认为是在160 GPA以上的硼中观察到的最有可能解释的候选者[19-21]，FBS理想地代表了两个已知的硼结构家庭缺失的联系：2d Boron Monoo-and Boron-Mono-and Borayers和Boryers（Boryers（Boropheres）（boropheres）（boropheres）[22- bor bulk and bore）[22-2-2-2-2-2-2-2-2-2-2-2-2-2-4]二十面体单元，例如α，β和γ硼[23，25，26] FBS在环境条件下可稳定，但是我们的计算表明，从高压中进行淬火可以用来稳定一些最有竞争力的阶段。
花费的锂离子电池是衍生出的硼掺杂rgo的合成的...
当前研究的目的是解决两个重大的环境清理问题。第一个涉及回收用过的锂离子电池（LIB），第二个涉及在水中发现的抗生素的降解。可以从也已与硼（BRGO）掺杂的用过的Libs合成还原的氧化石墨烯（RGO）。当BRGO和可见的活性BI 2 WO 6（BWO）混合在一起时，形成纳米复合材料（BWO/BR）。结构，形态和光谱特征证实了BRGO，BWO和BWO/BR纳米复合材料的序列。抗生素四环素盐酸（TCH）和环丙沙星（CIP）已通过所有三种新制成的材料进行了测试，以进行光催化降解。与BRGO结合后，发现将BWO（2.73 eV）的带隙降低至2.22 eV。在可见光下，BWO/BR表现出升高的TCH降解（93％），发现在存在阳光下会增加（95％）。在存在BWO/BR的情况下，据报道，CIP的降解分别为72％，95％和97.5％，在紫外线，可见和阳光下分别为。在存在BWO/BR的情况下，检查了反应条件，例如pH，催化剂和初始浓度的量，以降解TCH和CIP。已经发现，pH 6和8分别是TCH和CIP的理想选择。还进行了药物废水中TCH和CIP降解的研究；在存在BWO/BR和可见光的情况下，降解效率分别确定为69％和72％。在暴露于可见光之前和之后，在90分钟之前和之后，检查了在存在BWO/BR的情况下检查所有大肠杆菌，单核细胞增生菌，伤寒链球菌和金黄色葡萄球菌的所有抑制区域，在此期间，观察到接近零的抑制区域。进行了使用液相色谱 - 质谱法（LC-MS）进行研究以鉴定TCH和CIP降解的中间产物。
采用硼基陶瓷材料的微通道热沉性能比较
摘要：微通道热沉在从不同电子设备的小表面积上去除大量热流方面起着至关重要的作用。近年来，电子设备的快速发展要求这些热沉得到更大程度的改进。在这方面，选择合适的热沉基板材料至关重要。本文采用数值方法比较了三种硼基超高温陶瓷材料（ZrB 2 、TiB 2 和 HfB 2 ）作为微通道热沉基板材料的效果。利用有限体积法分析了流体流动和传热。结果表明，对于任何材料，在 3.6MWm -2 时热源的最高温度不超过 355K。结果还表明，HfB 2 和 TiB 2 比 ZrB 2 更适合用作基板材料。通过在热源处施加 3.6 MWm -2 热通量，在具有基底材料 HfB 2 的散热器中获得的最大表面传热系数为 175.2 KWm -2 K -1。
使用Nexion ICP-MS 的硼同位素比分析 电池回收
ICP-MS被认为是硼同位素分析的强大技术。对于最苛刻的古透明应用，高分辨率的多策略ICP-MS（MC-ICP-MS）通常是选择的技术，可为硼提供精确和准确值，降低到0.2 - 0.4‰。6个四极杆ICP-MS（Q-ICP-MS），有时也将与激光消融结合使用，用于各种应用程序，对精确性和准确性的要求较小。然而，Q-ICP-MS也可以通过碰撞阻尼来消除常规测量中的许多噪声，从而产生接近理论上可能的精度的精确度。7这需要使用适当的仪器硬件和分析条件，如本申请注释中进一步讨论。因此，尽管本质上是一种顺序的仪器，但Q-ICP-MS提供的性能可以接近MC-ICP-MS。即使对于苛刻的应用程序，也可以获得足够的精度，并且分析适合于多策略仪器成本的一小部分。具有Q-ICP-MS的用途更广泛，并且不仅用于同位素比测量值，因此对同位素比率能力的欣赏可以将高质量的同位素比分析带入具有不同分析需求的实验室的范围。虽然Q-ICP-MS已成功用于硼同位素比分析8，但碰撞阻尼很少在已发表的文献中使用，因此发表的结果可能并不能反映Q-ICP-MS的真正潜力。本研究的目的是在充分利用仪器的功能时，使用Perkinelmer的Nexion®ICP-MS研究Q-ICP-MS的性能。
第一原理预测块状六角硼的导热率nitride
尽管其重要性，但迄今为止缺乏散装H-BN热导率的复杂理论研究。在这项研究中，我们使用第一原理预测和玻尔兹曼传输方程在大量H-BN晶体中进行了热导率。我们考虑三个声子（3PH）散射，四弹子（4PH）散射和声子重归于。对于室温下的平面内和平面外向，我们的预测热导率分别为363和4.88 w/（m k）。进一步的分析表明，4PH散射降低了导热率，而声子重质化会削弱声子非谐度并增加导热率。最终，平面和非平面外导导率分别显示出有趣的t 0.627和t 0.568依赖关系，与传统1/t关系远离偏差。
保护咨询硼bolonia boliviensis玻利维亚山boronia
Boronia boliviensis（Bolivia Hill Boronia）是一种传统上接受的物种（Chah 2008）（Chah 2008），北谷（Valvatae）系列Erianthae（Duretto and Ladiges 1999）。威廉姆斯和亨特（Williams and Hunter，2006年）将其描述为“截至1.5（–2.2）M高的灌木，高，有气味的枝; brandlet子，覆盖着非常短的，连续的，多角质的黄色星状头发，随着年龄的增长而变得无毛。叶子大部分是7-11个传单，很少有一些叶子上有1-5个传单（尤其是在开花的树枝上）； Rachis 2–12（–20）毫米长，连接，宽8-15毫米，翅膀狭窄，Rachis Wings平坦或弯曲； leaflets narrow-elliptic, sessile, 3.8–9 mm long, 0.5– 1.5 mm wide, apex acute to sub-obtuse, broadest above the middle, margins entire and closely revolute, rarely only recurved, upper surface deep green with a sparse indumentum of stellate hairs or ± glabrous, the surface and margin dotted with large, sunken oil glands, lower surface often hidden by revolute边缘，但明显苍白时，通常无毛；叶柄长1-3毫米。花序腋窝，1-3朵花； prophylls unigriate;花梗1.5–2毫米长；花梗长2-3毫米。花萼裂片深红色，窄叶，急性或渐尖，长2.5-3.8毫米，宽1-2毫米，不久的是毛茸茸的毛茸茸。花瓣粉红色，长4-9毫米，宽3–4毫米，芽瓣，芽中的瓣膜，很快是静态的，无毛，或几乎是精美的简单头发
人工智能与公司层面的生产力
人工智能 (AI) 通常被视为下一代通用技术，可在众多工业领域快速、深入和深远地应用。新型通用技术的主要特征是能够实现可能提高生产率的新生产方式。然而，到目前为止，只有极少数研究调查了人工智能在企业层面对生产力的可能影响；大概是因为缺乏数据。我们利用企业采用人工智能技术的独特调查数据，并使用德国企业样本估计其生产力效应。我们同时使用横截面数据集和面板数据库。为了解决人工智能采用的潜在内生性，我们还实施了 IV 方法。我们发现人工智能的使用对企业生产力产生了积极而显著的影响。这一发现适用于人工智能使用的不同衡量标准，即人工智能采用的指标变量，以及公司在其业务流程中使用人工智能方法的强度。
花费的锂离子电池的射层回收
锂离子电池（LIBS）在我们的现代世界中已经变得无处不在，自1991年通过Sony Inc.发现以来，从智能手机到电动汽车，更多的一切都提供了更多的动力。市场对Libs的需求迅速增加，原材料价格的不可预测的上升为将来的大规模生产带来了不可避免的障碍。根据报道，在过去的十年中，Lith IUM价格几乎增加了两倍。未来的制造汇总可能会遇到挑战，这也是由于基本要素的全球稀缺（Li，Co和Ni）[1-4]。尽管这些电池提供了令人印象深刻的能量密度，低自减电率，轻巧和效率，但它们的广泛使用引起了人们对环境心理影响和资源耗竭的担忧[5,6]。在这次迷你审查中，我们探讨了回收锂电池以减轻问题和促进可持续未来的重要性。Hydorementallurgy和Py Rometallurgy是用于回收花费的两种主要方法。我们在更多的尾巴中介绍了提到的回收用过的锂电池的方法之一。
芯片的选择性原子层沉积
实现 AS-ALD 的一种常见方法是使用自组装单分子层 (SAM) 作为抑制剂，以优先阻止一种表面材料上的 ALD 而不是另一种。 [7–14] SAM 是一种有机分子，由头部基团（也称为锚定基团）、主链（通过范德华相互作用参与自组装过程）和尾部官能团组成，其中尾部官能团会影响 SAM 形成后的最终表面特性。通过选择仅与特定表面反应的 SAM 分子头部基团，可以实现选择性 SAM 形成。例如，已证实烷硫醇和烷基膦酸可在金属基材上形成 SAM 结构，但不会在 SiO 2 上形成。 [15–21] 通过使用这两种 SAM 分子作为金属表面 ALD 抑制剂，已有多次成功演示在金属/电介质图案的电介质区域上选择性沉积电介质膜（电介质-电介质，或 DoD）和金属膜（金属-电介质，或 MoD）。[7–12,22,23]