公共文化服务平台

一种基于可解释机器学习模型的含能材料熔点预测方法: 本发明公开了一种基于可解释机器学习模型的含能材料熔点预测方法，通过采用了多种高效的特征工程处理技术，包括结构性质、物理化学性质等多个方面，从含能材料的分子结构中提取出关键特征，经过多次模型训练和调整得出的机器学习模型能够...; 黄鑫张朝阳陈鹏

一种室温自修复型氟聚物粘结剂的制备方法: 本发明公开了一种室温自修复型氟聚物粘结剂的制备方法，步骤1.将氟聚物与聚离子液体按照质量比溶解在溶剂中，形成均匀混合的溶液；步骤2.将混合溶液静置脱泡，并转移至模具中，通过溶剂挥发的方式获得含有聚离子液体组分的氟聚物；步...; 黄鑫黄忠

含能化合物量子化学数据库的设计及应用: 2023年; 高精度计算水平下的量子化学数据对于含能化合物的设计、合成以及表征具有重要意义。因此,建立含能化合物量子化学数据库,收集含能化合物在高精度计算水平下的量子化学数据,既能够避免重复性的计算研究与资源消耗,也保证了数据质量以便进行深入分析及知识挖掘,进而获得可靠的含能化合物结构与性质的分析预测模型。本文总结并梳理近年来量子化学计算所获得的含能化合物关键性结构和性质数据种类、数据库与高通量虚拟筛选相结合的含能化合物分子设计进展;并从量子化学计算标准与数据模型的选择、数据库以及数据库管理系统的开发等角度,对含能化合物量子化学计算数据库的设计与应用进行了展望,包括:(1)明确基准计算方法与性质预测模型以产生本领域专用性的数据;(2)建立开放共享的数据库以实现与高通量虚拟筛选相结合;(3)开发数据库管理系统以实现查询、获取与知识挖掘,以期为含能化合物量子化学数据库的设计及实际应用提供有益的参考。; 黄鑫张朝阳; 关键词：含能化合物量子化学计算数据库高通量

一种室温自修复型氟聚物粘结剂的制备方法: 本发明公开了一种室温自修复型氟聚物粘结剂的制备方法，步骤1.将氟聚物与聚离子液体按照质量比溶解在溶剂中，形成均匀混合的溶液；步骤2.将混合溶液静置脱泡，并转移至模具中，通过溶剂挥发的方式获得含有聚离子液体组分的氟聚物；步...; 黄鑫黄忠

LLM-105炸药粒度及形貌对机械感度的影响被引量：4: 2017年; 采用感度试验(摩擦感度和撞击感度)测定了高能钝感炸药1-氧-2,6-二氨基-3,5-二硝基吡嗪(LLM-105)粒度对于单质炸药机械感度的影响。试验以机械球磨法得到的LLM-105颗粒为研究对象,粒度范围为4-70μm。机械感度结果表明随着LLM-105平均粒径的增大,其摩擦感度和撞击感度均有不同程度的降低。机械球磨得到的颗粒由于表面相对于溶液结晶得到的颗粒表面更为平滑,其摩擦感度和撞击感度也相对较低。; 孙银双黄鑫黄忠; 关键词：粒度形貌机械感度 LLM-105

含氟树脂单一羟基官能团化的改性方法: 本发明公开了一种含氟树脂单一羟基官能团化的改性方法，包括如下步骤：步骤一、将含氟树脂加工成一定厚度的薄膜；步骤二、等离子活化含氟树脂薄膜表面；步骤三、使用还原剂将含氟树脂表面的复杂含氧官能团还原为单一的羟基。应用本发明采...; 黄鑫黄忠孙银双; 文献传递

PBX造型粉粒径及压制状况对撞击感度的影响被引量：1: 2019年; 为研究PBX造型粉颗粒粒径以及压制成型对撞击感度的影响规律,选用10-20μm的HMX、FOX-7、HNS-IV、LLM-105四种含能晶体与氟聚物制成PBX造型粉,测试了五种PBX颗粒粒径范围的样品经过压制前后的撞击感度,同时考察了添加石墨降感剂对撞击感度性质的影响规律。使用扫描电镜观察了不同PBX颗粒粒径中含能晶体颗粒的分布情况。结果表明,相同配方的PBX样品在不同的颗粒粒径下撞击感度结果差异明显,表现为颗粒粒径增加,撞击感度降低;而压制成型的样品撞击感度更低。添加石墨样品的撞击感度降低明显,撞击感度变化规律与未添加石墨的样品相同。由于撞击感度测试结果与PBX粉末颗粒堆积以及压制状态密切相关,在进行材料性能评估时,应选择与实际应用状态相近的样品进行撞击感度测试,从而增加结果对比的可靠程度。; 孙银双黄鑫黄忠蒋跃强; 关键词：颗粒粒径石墨撞击感度

一种利用高密度悬浮液进行炸药颗粒粘接的方法: 本发明公开了一种利用高密度悬浮液进行炸药颗粒粘接的方法，包括：步骤一、将单质炸药颗粒和含氟高聚物溶液在搅拌情况下在全氟三丁胺中进行分散混合；步骤二、利用含氟高聚物溶液中溶剂的挥发使得含氟高聚物在单质炸药颗粒表面形成一层包...; 黄鑫黄忠孙银双; 文献传递

含氟树脂单一羟基官能团化的改性方法: 本发明公开了一种含氟树脂单一羟基官能团化的改性方法，包括如下步骤：步骤一、将含氟树脂加工成一定厚度的薄膜；步骤二、等离子活化含氟树脂薄膜表面；步骤三、使用还原剂将含氟树脂表面的复杂含氧官能团还原为单一的羟基。应用本发明采...; 黄鑫黄忠孙银双

人工智能辅助含能分子设计的应用与展望: 2024年; 含能分子研发面临多重挑战,传统“试错法”效率低下,计算机辅助分子设计的出现改变了研发模式。本综述回顾了含能分子设计的发展历程,介绍了计算机辅助含能分子设计的研究现状,并概述了人工智能技术(AI)在性质预测、分子生成、合成路线和反应条件预测等多个设计环节的最新进展,讨论了当前含能分子设计模式与其他材料设计方法的差距,思考差距产生的原因,并对未来AI辅助含能分子设计的发展方向提出展望。研究发现,AI在含能分子性能预测和分子生成等方面已经有了应用,但在合成路径规划和反应条件优化等环节的应用仍有待进一步探索,应用前景巨大。通过数据增强、迁移学习或高通量计算有望能够解决含能分子数据薄弱的问题;加强AI辅助含能分子合成路线与反应条件探索有望贯通“设计→评估→制备→验证”全流程自动化分子设计模式。AI辅助含能分子设计为提升含能分子设计水平提供新的可能性,有助提升含能分子研发效率。; 刘锐刘建唐岳川张朝阳黄静黄鑫; 关键词：分子设计人工智能定量构效关系

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

黄鑫