【摘 要】
：
甲醇在工业中的应用非常广泛,铜基催化剂催化甲醇分解是低成本利用甲醇的方案之一。本文选择了表面铜原子配位数分别为9和7的密堆积Cu（111）表面和较开放的Cu（110）表面,利用平板超胞模型、周期性密度泛函理论和微观反应动力学原理,结合遍历历史求和表象方法,对Cu（111）和Cu（110）表面催化甲醇脱氢分解涉及到的基元反应进行热力学和动力学研究。首先,本文研究了反应网络中的9个反应中间体在Cu（1
论文部分内容阅读
甲醇在工业中的应用非常广泛,铜基催化剂催化甲醇分解是低成本利用甲醇的方案之一。本文选择了表面铜原子配位数分别为9和7的密堆积Cu（111）表面和较开放的Cu（110）表面,利用平板超胞模型、周期性密度泛函理论和微观反应动力学原理,结合遍历历史求和表象方法,对Cu（111）和Cu（110）表面催化甲醇脱氢分解涉及到的基元反应进行热力学和动力学研究。首先,本文研究了反应网络中的9个反应中间体在Cu（111）和Cu（110）表面的吸附性质,确定了两表面上吸附活性点位,然后对9个反应中间体的吸附位置、键长键角等几何参数、吸附焓进行了对比分析,发现H3COH、H2CO分子在两个表面均为弱吸附,比较容易发生脱吸附反应。且物种在两表面吸附后,对分子内部键长影响很小。接着对14个基元反应的热力学性质进行了详细的理论计算。发现催化剂不同表面对反应的促进作用有明显不同,Cu（111）表面对分解反应ES2、ES3、ES5、ES6、ES8、ES9、ES10、ES11的催化作用强于Cu（110）表面,而对于反应ES4、ES12、ES14则相反。最后,本文探究了10个脱氢反应以及氢气合成反应的反应场景,以上反应基本符合过渡态变化规律;绘制甲醇脱氢分解在两表面的势焓图,两表面甲醇完全脱氢分解的最低能量通道比较类似;计算出反应达平衡时各物种浓度、关键产物理论周转频率和选择性等动力学数值,发现表面均倾向于生成H2CO,99%以上的甲醇都分解为H2CO然后从表面解吸附,与实验室观察到的结果一致;计算出反映网络中四个关键分支点的稳态分支比,最终得出甲醇脱氢分解的各条通道的发生概率,与热力学和动力学数值均有较好的吻合。
其他文献
在底层计算机视觉任务中,超分辨技术通过增加图像的空间分辨率,提供更多语义信息来弥补成像设备的不足。传统图像超分辨方法将其建模为优化问题,引入先验作为约束条件,来逼近真实图像,但存在人工设计先验单一、无法满足实时需求的问题。基于深度学习的方法利用大规模数据的优势,在图像超分辨上取得更好的视觉效果。然而,现有工作对任意倍数超分任务的研究较少,且精度最优模型的参数量巨大,难以在边缘设备上部署。针对上述问
推荐系统是解决信息过载问题的关键技术,通过挖掘用户的属性信息、物品的属性信息以及用户的历史行为日志来分析用户的兴趣偏好并为用户生成推荐列表。本文对物品评分预测和会话推荐两个推荐场景进行了研究,设计了三个推荐模型,有效提升了推荐性能,具体工作如下:（1）现有的物品评分预测方法通常为用户和物品的特征设置统一固定维度,并且假设特征嵌入维度之间彼此独立,对用户和物品在不同空间维度中的交互特征提取不充分,导
高光谱图像具有丰富的空间信息与光谱信息,在环境监控,精准农业等领域具有重要的作用。随着深度学习的发展,基于神经网络的高光谱图像分类技术越来越成熟。但在一些需要模型增量式,持续式学习的高光谱图像分类任务中,或者在模型以往训练过的数据不能获取的情况下想要得到模型对新旧数据良好的分类能力时,模型往往会出现灾难性遗忘问题。增量学习方法可以解决这类问题。本文针对有回放的高光谱图像增量分类任务,做出了以下的探
随着深度学习技术的不断发展,高性能神经网络结构的研究愈发重要,设计能够满足不同任务需求的网络结构成为热点研究问题。然而,神经网络结构的设计不仅需要相关的专业知识,还往往需要大量的时间和计算资源来进行结构试错,这对于普通用户而言门槛较高。神经网络结构搜索作为自动机器学习中的重要一环,它能根据指定任务进行网络结构的自动化搜索,大幅度降低了深度学习的使用门槛,用户无需学习网络结构设计相关的专业知识,就能
基于神经网络的深度学习技术目前已广泛应用于各个领域,一旦神经网络模型遭到攻击,将对人们的隐私和财产安全产生巨大的威胁,因此神经网络模型的安全性成为研究热点。对抗样本生成技术是攻击网络模型以及检测网络模型鲁棒性的关键技术,同时对该技术的研究有助于推动对抗防御技术的发展,帮助提高神经网络的可解释性。本文关注图像识别下的对抗样本生成问题,主要从白盒场景中的对抗样本生成、黑盒场景中基于迁移和基于查询的对抗
近年来,随着物流业及其相关产业的快速发展,对最优路线规划的需求也在日益增加,由此而产生的车辆路径规划问题同时吸引了众多研究者的关注。其中,多仓库车辆路径规划问题的应用尤为广泛。这类问题考虑到实际中的多个仓库作为路径的起始点,以配送的形式,在适当的时间将一定数量的货物在顾客之间运送,实现生产与消费的无缝连接,最大程度地满足客户的消费需求。多仓库车辆路径规划问题本质上是离散型约束多目标优化问题,特点是
目的:雷公藤红素具有抗炎症反应、抑制肿瘤血管生成、抑制肿瘤生长、抑制肿瘤转移等多种药理作用。为了揭示雷公藤红素抑制肝癌转移的重要机制,我们在研究肝癌转移的过程中发现细胞骨架蛋白Ezrin的Thr567位点的磷酸化改变能够抑制肿瘤细胞的侵袭和转移。为进一步研究雷公藤红素是否通过影响Ezrin磷酸化实现抑制肝癌细胞迁移的作用,通过蛋白质免疫沉淀实验检测细胞裂解液中Ezrin磷酸化水平,对肝癌迁移进行研
近年来,在大数据和大模型的背景下,分布式机器学习成为了主流的解决方案。而传统的集中存储式的分布式机器学习存在隐私泄露等问题。联邦学习旨在以保护隐私的方式有效地利用数据孤岛的数据训练统计模型。联邦学习已成为活跃且有巨大前景的分布式机器学习新范式。当前联邦学习存在几个关键且艰巨的挑战:统计异质性、通信成本昂贵、个性化能力不足。统计异质性指的是联邦学习中客户端之间的数据分布存在差异,这种非独立同分布特性
容器化技术具有支持快速部署Web应用程序和提高云数据中心资源利用率等潜力,因此它被广泛应用到微服务架构中。尽管现有的容器化技术已经得到了很好的发展,然而,随着用户对应用需求的不断增长,导致云数据中心对计算资源的需求也不断增长。因此,如何有效地解决应用程序的快速部署和提高云数据中心的资源利用率,从而减少物理机的使用数量则成为亟待解决的问题。容器部署是一个NP难组合优化问题。进化算法作为一种成熟的具有
遥感图像中的语义分割,对土地调查以及灾后土地管理恢复等方面具有重要的实用价值。由于不同数据域的遥感图像中,地物细节信息丰富,地貌情况也各不相同,数据集标注难度大,使用传统方法存在模型学习效率较低和泛化性弱的问题。因此针对遥感图像语义分割的域适应方法具有十分重要的意义。随着大数据时代的到来,深度学习算法得到了高速发展,基于卷积神经网络的语义分割方法也层出不穷。本文在总结并分析国内外域适应遥感语义分割