引言23自2004年24日成功去除石墨烯1以来进行的二维(2D)材料的积极研究导致发现了一种新的,新兴的2D材料,这些材料由碳化物和过渡金属的硝酸盐组成,25种称为Mxenes 2。mxenes是二维材料,具有通用式M n+1 x n t x,其中m是早期过渡26金属(例如,Ti,ti,v,cr),x是碳,氮或碳二氮,T是由O,OH,F,F,27和/或Cl 2组成的表面终止组。由于其引人注目的物理,电子和化学特性,MXENES吸引了巨大的理论28和在各种应用中的实验研究兴趣,例如锂离子电池3,4,气体传感器5,氢存储29 6和热电学7。在这些研究中,将近70%专用于Ti 3 C 2 t X,这是有史以来第一个实验30合成的MXENE 8。迄今为止,它被认为是最全面研究的MXENE。31 Ti 3 C 2 T X可以选择性地从其最大相位与氢氟酸(HF)蚀刻,其中A是元素元素32通常来自元素周期表的第13和14组(对于Ti 3 C 2 T x x)8。由于蚀刻后高反应性Ti表面,33去角质Ti 3 C 2 t X通常由随机分布的表面官能团(即O,OH,F)组成,这些表面官能团统称为34表示为T x 9。然而,由于模拟混合终止表面的复杂性和计算成本,理论研究中的大部分都考虑了Bare Ti 3 C 2 10,11或均匀终止的Ti 3 C 2 T X,具有单个功能性36组4,7,12-14。58这通常被视为MXENES 15的第一代和第二代模型。早期的实验努力,例如粉末X射线衍射(XRD)8,高分辨率透射电子显微镜(TEM)8,9,16和X射线原子对38分布函数(PDF)17,用于洞悉功能组成分的分布。然而,每种方法都因其对氢的不敏感而受到阻碍,这对于理解表面终止15至关重要。40因此,使用由高质量中子总散射法支持的原子对分布函数,Wang等。15 41获得了在不同条件下合成的Ti 3 C 2 t X结构的第一个分辨率,并提出了Ti 3 C 2 T X的多层42结构模型是MXENES的下一代模型。43受Wang等人的作品的启发,几项理论研究的重点是混合功能性44个组终止的影响(O,OH,F)。Caffrey 18提出了一个经验模型,以研究混合终止的Ti 3 C 2 T x和V 2 Ct X结构的结构变化和45个电化学性能的变化,而均匀终止的46个表面的变化。根据Caffrey研究,经验模型再现了与实验数据一致的晶格参数,状态的电子密度和47个工作函数。迄今为止,关于使用簇扩展方法的2D MXENE的表面功能化的最全面的研究和48个组成是由49 Ibragimova等人进行的。19。%和10 wt。%HF。在该研究中,在标准氢电极(SHE)50条件下,最佳O:OH:F组成为50:25:25,具有相似的分布模式,这些模式不受厚度和MXENE类型的影响。51然而,文献中仍然没有调整混合表面终止的设计途径。在PDF表征中使用52个能量色散X射线光谱(EDX),Wang等。15估计多层ti 3 c 2 t x样品中的平均原子比为53 o:f,用48 wt蚀刻时为0.85和1.4。基于54个O:F比率,Wang等。 得出T X的化学计量法,等于O 0.1(OH)0.8 F 1.1和O 0.13(OH)1.04 F 0.83。 此外,55总体结晶度和排序也受HF浓度的影响。 较高的HF浓度在表面终止中产生较高的56 F组成。 直觉上,这与57个可用的f的可能性增加是一致的,可终止HF浓度较高的新鲜蚀刻的Ti表面。 因此,受Wang等人的发现的启发。基于54个O:F比率,Wang等。得出T X的化学计量法,等于O 0.1(OH)0.8 F 1.1和O 0.13(OH)1.04 F 0.83。此外,55总体结晶度和排序也受HF浓度的影响。较高的HF浓度在表面终止中产生较高的56 F组成。直觉上,这与57个可用的f的可能性增加是一致的,可终止HF浓度较高的新鲜蚀刻的Ti表面。因此,受Wang等人的发现的启发。
摘要 - 瞬态电压抑制(TVS)设备的准确模型对于确定静电放电(ESD)保护策略的适用性很重要。在以下论文中使用了改进的电视型号,以代表各种电视设备,包括快照设备,非击打设备和变种器。这些模型包括表示电导率调制的最新改进和电视设备瞬态响应的整体形状。使用传输线脉冲(TLP)根据这些保护设备的特征来调整模型,然后将其用于系统有效的ESD设计(种子)模拟中,以预测由芯片电视组成的系统中的瞬态电压和电流,该系统,由IC具有IC具有芯片ESD保护的IC,以及中间的PCB痕迹。模拟瞬态电压和电流波形在测试电视设备和种子模拟中测试电视设备时都非常匹配测量值。通过电视和片上二极管的峰值和准静脉电流通常在测试的设备中捕获约10%或以下,同时改变了注射的TLP的上升时间和水平。
电动汽车(EV)被认为是传统车辆的环保选择。作为电动汽车中最关键的模块,电池是具有非线性行为的复杂电化学成分。车载电池系统的性能也受复杂的操作环境的影响。实时电动汽车电池在服务中的状态预测很棘手,但对于实现故障诊断和有助于预防危险事件至关重要。具有时间序列分析中有优势的数据驱动模型可用于从有关某些性能指标的数据中捕获降解模式并预测电池状态。变压器模型能够使用多头注意区块机制有效地捕获长期依赖性。本文介绍了标准变压器和仅编码变压器神经网络的实施,以预测电动电池的健康状况(SOH)。根据NASA卓越网站公开访问数据集的锂离子电池的分析,提取了与电荷和放电测量数据有关的28个功能。使用Pearson相关系数筛选功能。结果表明,过滤的特征可以有效提高模型的准确性以及计算效率。提出的标准变压器在SOH预测中表现出良好的性能。
本文尝试从量子透视模型的角度,将法拉第常数用化学核苷酸碱基(AT、G、C和U)表示。首先,将逗号后的法拉第常数的准确值排列成双数(0,96,48,53,32,12,33,10,01,84×10 5 C∙mol −1 )。其次,将这一对十进制数转换成二进制数。第三,在完成这些数的转换过程之后,再将二进制数转换成十进制数。第四,对这些十进制数分别求和。第五,将上述加法过程的总和对应到遗传密码[腺嘌呤(A)、胸腺嘧啶(T)、鸟嘌呤(G)、胞嘧啶(C)、尿嘧啶(U)]。第六,此转换的结果大致对应于尿嘧啶(U)和鸟嘌呤(G)核苷酸碱基,即数字“64”相当于尿嘧啶(U)核苷酸碱基,而近似数字“79”相当于鸟嘌呤(G)核苷酸碱基。第七,将[尿嘧啶(U)和鸟嘌呤(G)]核苷酸碱基转换为[“AG”腺嘌呤(A)和鸟嘌呤(G)]后,此结果不仅与电化学中法拉第常数之间的联系有意义,而且与量子物理学中叠加态对偶位置之间的联系也有意义。第八,在NCBI(美国国家生物技术信息中心)数据库中搜索[“AG”腺嘌呤(A)和鸟嘌呤(G)]序列后,NCBI的搜索结果与家蚕(Bombyx Mori)基因序列“AGAAAAAGGA”相似。它们是具有该序列的蚕遗传学和丝茧膜 (SCM) 基因工程可能性的非常有趣的特定模型生物。第九,这种复杂的天然蛋白质纤维膜由于具有良好的电导性而受到研究界的极大关注。最后,本文不仅揭示了法拉第常数之间的关系
1荷兰海德堡大学乌得勒支大学乌得勒支大学的血管医学系乌得勒支100,3584 cx utrecht,荷兰; 2爱丁堡大学的Usher Institute,Craigour House,450 Old Dalkeith Rd,Edinburgh EH16 EH16 4SS,英国; 3代表苏格兰糖尿病研究网络流行病学小组,糖尿病支持部门,英国邓迪德(Dundeedd1)9Sy的尼尼韦斯医院8级; 4英国剑桥CB2 0SR的Robinson Way剑桥大学公共卫生和初级保健系; 5爱尔兰大学戈尔韦国立大学,爱尔兰戈尔韦; 6牛津大学牛津大学的医学研究委员会人口健康研究部门,牛津大学,牛津大学,理查德娃娃建筑,旧公路校园,牛津大学牛津OX3 7LF,英国; 7分子与临床医学系,哥德堡大学,Blåstråket5 B Wallenberglab,Su41345Göteborg,瑞典; 8格拉斯哥大学心血管与医学科学研究所,英国G12 8TA格拉斯哥大学地点126号;和9卫生数据科学中心,人类Technopole,V.Le Rita Levi-Montalcini,1,20157 Milano MI,意大利