利用氢氟酸（HF）刻蚀MAX（Ti3AlC2）相获得一种新型二维层状材料MXene（Ti3C2Tx），利用液相插层法扩大MXene材料层间距，然后在MXene表面分别负载纳米片状（NSV）和纳米带状（NBV）的五氧化二钒（V2O5）.利用X射线衍射（XRD）、比表面积测试分析（BET）和高分辨场发射扫描电镜（FESEM）等手段对复合材料进行了结构表征

实验利用单靶射频磁控溅射技术，在单晶硅基底上，制备了两个系列FeCrVTa0.4W0.4高熵合金氮化物薄膜，即FeCrVTa0.4W0.4氮化物成分梯度多层薄膜和(FeCrVTa0.4W0.4)Nx单层薄膜，其中，多层薄膜用于太阳光谱选择性吸收薄膜.通过扫描电子显微镜(SEM)、X射线衍射仪(XRD)、纳米力学探针、原子力显微镜(AFM)、紫外−可见分光光度计、接触角测量仪和四探针测试台对FeCrVTa0.4W0.4高熵合金氮化物薄膜进行微观结构分析以及性能表征

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

采用LiF‒HCl混合溶液刻蚀法刻蚀Ti3AlC2得到Ti3C2Tx(MXene)胶体溶液，通过真空抽滤法抽滤MXene胶体溶液得到柔性MXene薄膜.使用X射线衍射(XRD)、扫描电子显微镜(SEM)、能量色散谱(EDS)和X射线光电子能谱(XPS)等方法表征MXene的物相、形貌及化学元素，并采用循环伏安、恒电流充放电、交流阻抗法等电化学测试手段研究MXene薄膜电极的电化学性能

针对电化学修复技术导致修复后结构内钢筋混凝土黏结性能退化问题，通过中心拉拔实验获取电化学修复后钢筋混凝土黏结滑移曲线，研究电化学修复参数（电流密度和通电时间）对钢筋混凝土黏结性能的影响规律，通过实验结果进行模型参数分析，建立基于电流密度和通电时间两个控制变量的黏结强度劣化模型。研究结果表明：电通量较小的情况下，钢筋混凝土黏结性能损失较小；不控制通电参数的电化学修复技术导致黏结强度下降明显，采用5 A·m–2的电流开展28 d的恒电流通电，试件的最大黏结力损失量高达56.9%；本文提出的劣化模型可以定量表征电化学修复后试件黏结强度折减情况，模型的数值模拟结果与本文及其他文献的实验结果均有较好的一致性，相关系数分别为0.9606和0.9745

采用共沉淀法制备了Ni(OH)2前驱体材料，通过高温固相法制备了LiNiO2和B掺杂LiNiO2（B的摩尔分数为1%），利用X射线衍射（XRD）、里特维尔德（Rietveld）精修、扫描电子显微镜（SEM）、恒流充放电测试、循环伏安（CV）和电化学阻抗谱（EIS）对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明，LiNiO2和B掺杂LiNiO2均具有良好的层状结构，B因为占据在过渡金属层和锂层的四面体间隙位而导致掺杂后略微增大材料的晶格参数和晶胞体积，同时增大了LiO6八面体的间距，进而促进锂离子运输.由于掺杂的B的摩尔分数仅为1%，LiNiO2和B掺杂LiNiO2均表现为直径10 μm左右的多晶二次颗粒，且一次颗粒晶粒尺寸没有明显区别.长循环数据表明B掺杂可以有效提高材料的循环容量保持率，经100次循环后，B掺杂样品在40 mA·g−1电流下的容量保持率为77.5%，优于未掺杂样品（相同条件下容量保持率为66.6%）.微分容量曲线和EIS分析表明B掺杂可以有效抑制循环过程中的阻抗增长

油水两相是海底管道和集输管线常见的腐蚀工况之一。以3Cr钢为代表的低Cr合金钢是目前具有良好耐蚀性能的重要材料，但是，在油水两相层流工况下，特别是加注了一定缓蚀剂的条件下，3Cr钢的适用性尚不明确。通过高温高压反应釜模拟了油水两相层流工况的腐蚀环境，结合扫描电子显微镜（SEM）、X射线衍射谱（XRD）、激光共聚焦拉曼光谱、电化学交流阻抗等测试表征方法，研究了3Cr钢的腐蚀行为及缓蚀剂对其耐蚀性能的影响。结果表明，在油水分层工况下，3Cr钢的腐蚀产物膜为明显的双层膜结构，其内层腐蚀产物膜为结构致密的富Cr层，表现出良好的抗CO2腐蚀性能，但加入100 mg·L?1十七烯基胺乙基咪唑啉季铵盐缓蚀剂后，3Cr钢并未得到有效的缓蚀保护。腐蚀产物分析和电化学研究表明，烷烃分子、缓蚀剂分子及富Cr层间存在竞争关系，烷烃分子干扰了缓蚀剂分子的有序排列，影响了3Cr钢的耐蚀性

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

采用溶胶凝胶法制备石墨烯气凝胶（GA），并研究了前驱液中的pH值与氧化石墨烯（GO）的质量分数对GA材料储能性能的影响。使用X射线粉末衍射（XRD）、X射线光电子能谱（XPS）、氮气吸脱附分析、扫描电子显微镜（SEM）对样品微观结构与形貌进行表征。用循环伏安（CV）、恒流充放电（CP）、电化学交流阻抗（EIS）测试了样品的电化学性能。结果表明，前驱液中的pH值及GO质量分数的不同会影响GA中团簇颗粒的大小和数量，进一步影响GA三维结构。在pH值为6.3、GO 的质量分数为1%时，制得的GA比表面积最大为530 m2?g?1，在1 A?g?1的电流密度下比电容高达364 F?g?1。此外，将该材料制成对称超级电容器具有高的库伦效率，在1 A?g?1下进行CP测试，得到电容器的比电容为98 F?g?1，循环800次后其循环稳定性能为初始比电容值的95.9%

通过共沉淀和原位煅烧转化方法, 将Pd掺杂δ-MnO2前驱体煅烧后制备得到Pd掺杂α-MnO2纳米棒催化材料.通过氮气物理吸附、X射线衍射、透射电子显微镜、扫描电子显微镜、热重分析、X射线光电子能谱等技术对催化材料进行了表征.扫描电镜和透射电镜结果显示, α-MnO2纳米棒表面没有明显的Pd纳米颗粒, 表明Pd可能掺杂到α-MnO2晶格中.纯α-MnO2的还原温度在390℃左右, 但Pd掺杂可以极大地促进α-MnO2还原, 还原温度可低至约200℃左右.研究了所制备催化剂在无溶剂条件下对于以分子氧为氧化剂选择性催化氧化苯甲醇为苯甲醛的催化性能.结果表明: 在无溶剂及用纯氧气为氧化剂条件下, Pd掺杂α-MnO2纳米棒对苯甲醇氧化显示出增强的催化活性; 所掺杂的氧化态Pd物质可增强催化材料中的氧迁移率; 在这些Pd掺杂α-MnO2催化材料中, 当以Pd (3%, 质量分数) -MnO2为催化剂时, 在110℃反应4 h后, 苯甲醇的转化率为39%, 远高于同条件下以纯α-MnO2为催化剂时18. 3%的苯甲醇转化率