具有热激活延迟荧光（Thermally activated delayed fluorescence，TADF）特性的有机给、受体（Donor?acceptor，D?A）分子体系通过反向系间窜越捕获三重态激子，可以将内量子效率的理论上限提高到100%，因而受到极大关注。通常，具有分子内电荷转移特性的D?A体系可以通过构建扭曲的分子构象来减小单、三重态之间的能差ΔE_S?T，以确保反向系间窜越快速发生。当分子被激发后，若激发态构象中D?A的二面角更接近90?时，ΔE_S?T会更小，延迟荧光也会增强。然而，快速的溶剂化过程常常会影响激发态构象、分子内电荷转移过程、延迟荧光发射，这使得研究TADF分子发光过程更富有挑战。本文综述了本课题组近期在溶剂化对D?A体系延迟荧光的影响及调控方面所取得的初步进展。结果显示，强极性溶剂会导致非辐射弛豫增加，不利于TADF发射；改变溶剂粘度会影响激发态构象弛豫，从而可以实现对TADF的增强或减弱的调控。这些结果有助于理解溶剂化效应与构象弛豫、TADF之间的关系，为TADF分子的设计与合成提供指导。

This paper investigates the combination of laser-induced breakdown spectroscopy (LIBS) and deep convolutional neural networks (CNNs) to classify copper concentrate samples using pretrained CNN models through transfer learning. Four pretrained CNN models were compared. The LIBS profiles were augmented into 2D matrices. Three transfer learning methods were tried. All the models got a high classification accuracy of >92%, with the highest at 96.2% for VGG16. These results suggested that the knowledge learned from machine vision by the CNN models can accelerate the training process and reduce the risk of overfitting. The results showed that deep CNN and transfer learning have great potential for the classification of copper concentrates by portable LIBS.

为研究在基于热烧蚀效应的激光清洗中激光参数对清洗效果的影响，根据热烧蚀效应原理、傅里叶热传导方程以及能量守恒定理，使用有限元分析软件建立了热烧蚀动态能量守恒的二维激光清洗仿真模型。在该模型中使用了虚拟第三类边界条件，将薄层-基底系统中的激光烧蚀热功率密度与被烧蚀污渍层边界的法向移动速度进行关联，实现了污渍层烧蚀潜热消耗量与激光烧蚀能量之间的动态能量守恒，明确了质量损失与能量消耗的数学关系，使所建立的模型更加理论自恰和精确可靠。利用该模型理论分析了光斑吸收功率、光斑直径、扫描速度以及扫描能量密度对清洗效果的影响，结果表明：污渍平均残留厚度随光斑吸收功率和扫描能量密度增大而减小，且减小的速率会逐渐变慢，当激光功率过大时，基材会出现损伤；污渍平均残留厚度随光斑直径和扫描速度的增大而变大，但减小光斑直径和扫描速度会降低清洗效率。提出了根据污渍层物性参数与扫描能量密度的对应关系优化激光参数的方法，并对非平整表面污渍层进行了多次不间断扫描的仿真分析，得到了清洗效果随扫描次数的变化规律。该研究结果对激光清洗设备的方案设计、优化改进和使用选型具有一定的指导意义。

叶绿素是作物生长诊断的重要参数, 对其进行高效检测是农田精细化管理的基础。 PROSPECT模型是作物光谱学检测研究的重要工具, 可为建立高精度叶绿素诊断模型提供数据集基础。 为了建立具有普适性的田间玉米作物叶绿素含量检测模型, 使用PROSPECT模型输入叶片结构参数和生化参数模拟叶片400~2 500 nm波段反射率曲线10 650条。 在其他参数设置保持不变的情况下, 分析光谱反射率曲线对叶绿素含量参数的敏感性, 结果显示叶绿素含量仅在400~780 nm区间对光谱反射率曲线产生影响。 讨论了3种叶绿素检测特征波长筛选策略, 分别为: 根据敏感性分析结果, 选出548~610和694~706 nm区域共计76个波长, 记为SEN-BAND; 基于反向区间偏最小二乘法(Bi-PLS)筛选5个区间共计91个波长, 记为BP-BAND; 基于连续投影算法(SPA), 在叶绿素影响区域400~780 nm筛选10个特征波长, 记为SPA-BAND。 进而使用2019年、 2020年两年期田间实测玉米叶片光谱反射率曲线和叶绿素含量数据, 分别应用上述3种方法选取的特征波长构建玉米叶片叶绿素含量检测模型。 结果显示, 使用SPA-BAND特征波长构建的模型, 在两年期数据中均得到最佳结果。 2019年数据模型建模集决定系数(Rc2)为0.815 6, 建模集均方根误差RMSEC为2.908 6, 验证集决定系数(Rv2)为0.799 5, 验证集均方根误差RMSEV为2.997 7。 2020年数据模型建模集决定系数(Rc2)为0.949 2, 建模集均方根误差RMSEC为0.976 8, 验证集决定系数(Rv2)为0.910 2, 验证集均方根误差RMSEV为1.562 9。 表明, 基于PROSPECT模型筛选叶绿素含量特征波长建立的叶绿素诊断模型具有普适性。

本文针对化工过程中在线检测丙烯的需求，研究了基于调制吸收光谱技术（TDLAS）的检测技术，提出了一种独立于光谱线型特征的数值仿真方法，考虑实际激光光源宽线宽对吸光度的影响，通过对比仿真和实验的光谱幅度变化规律，确定了丙烯气体分析装置的设计参数和技术方案，选择中心波长为1 628.5 nm的宽调谐DFB激光器，采用差分方案去除解调光谱的直流偏置，采用多元回归模型降低化工过程的背景气体光谱干扰。在模拟实际环境的气体实验中，该装置在0~1% 量程内的最大相对误差为0.55%。对0.2% 的丙烯进行3小时连续测量，标准差为9.3×10^?6；Allen方差分析发现在积分时间为221.9 s 时，极限标准差可达1.33×10^?6。在抗干扰测试中，当背景气体甲烷、乙烯的浓度变化时，丙烯的测量误差最大仅为19.17×10^?6。调制吸收光谱技术克服了色谱和软测量等传统方法的不足，TDLAS装置可检测有复杂光谱特征的重烃分子，展示了测量精度高、稳定性好、抗背景光谱干扰能力强等优点。