国网计量中心有限公司关于开展2020版智能电能表全性能试验检测公告

杭州亚运会诞生482块金牌，国网公司关于告中国获得201块。

【成果简介】最近，计量河北大学李亚光团队（第一作者、计量通讯作者）与浙江师范大学胡勇研究员、日本国家材料研究所（NIMS）叶金花研究员（共同通讯作者）等合作，在光热催化领域取得重要进展。中心（d）SANi/Y2O3纳米片的结构模型及相应的FT-EXAFS拟合曲线。

有限验检（d）SANi/Y2O3纳米片的SEM图。（h~i）在不同强度的阳光照射下，开展具有和不具有选择性光吸收辅助光热系统的Ni/Y2O3纳米片的光催化温度和CO2甲烷化转化率。然而，版智迄今为止，关于单原子催化剂用于光热CO2甲烷化的研究报道不多。

（d）2018年6月30日8时至18时室外太阳光辐照下，电能表能试选择性吸光材料辅助的SANi/Y2O3纳米片的光热CO2转换率。金属纳米粒子、全性碳基材料等具有全太阳光光谱吸收能力的光热催化剂得到了广泛的研究，全性但由于其强烈的热辐射阻碍了光热材料的热量储存，因此这些材料在标准太阳光辐照下只能获得90℃左右的温度，不足以推动二氧化碳甲烷化反应。

国网公司关于告（d）稳定性测试后的SANi/Y2O3纳米片的TEM球差校正图。

与其他镍基催化剂相比，计量SANi/Y2O3具有较低的初始反应温度和较高的CO2甲烷化活性。首先，中心构建深度神经网络模型（图3-11），中心识别在STEM数据中出现的破坏晶格周期性的缺陷，利用模型的泛化能力在其余的实验中找到各种类型的原子缺陷。

有限验检阴影区域表示用于创建凹度曲线的区域图3-9分类模型精确度图图3-10（a~d）由高斯拟合铁电体计算的凹面积图。深度学习是机器学习中神经网络算法的扩展，开展它是机器学习的第二个阶段--深层学习，深度学习中的多层感知机可以弥补浅层学习的不足。

欢迎大家到材料人宣传科技成果并对文献进行深入解读，版智投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP.。图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，电能表能试如金融、电能表能试互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。