-
题名QCLAS技术在CO气体浓度检测中的应用研究
- 1
-
-
作者
祝月兵
张文斌
汪鑫
-
机构
先进技术成果西部(绵阳)转化中心(绵阳科技城先进技术研究院)
-
出处
《黑龙江环境通报》
2026年第1期4-7,共4页
-
基金
2022年中央引导地方科技发展项目“基于QCLAS的温室气体先进监测技术开发”(2022ZYDF092)。
-
文摘
可调谐激光吸收光谱技术(QCLAS)具有非接触性、高灵敏度、快速响应等优点,是一种高效的气体检测技术,特别是在CO气体检测领域,其应用广泛且效果显著。该技术利用半导体可调谐激光器技术完成光谱高精度扫频,实现对气体吸收光谱的精确测量,达到准确检测气体浓度的效果。本文旨在探讨QCLAS技术在CO气体检测中的应用,利用激光与CO气体分子的相互作用来分析气体成分和浓度,并通过原理和实验数据分析,实现CO气体检测的精度测量。
-
关键词
qclas
CO
可调谐激光
气体级联吸收
-
Keywords
qclas
CO
tunable laser
gas cascade absorption
-
分类号
X831
[环境科学与工程—环境工程]
-
-
题名一种量子竞争学习算法
被引量：6
- 2
-
-
作者
解光军
庄镇泉
-
机构
中国科技大学量子通讯与量子计算实验室
合肥工业大学应用物理系
-
出处
《量子电子学报》
CAS
CSCD
北大核心
2003年第1期42-46,共5页
-
基金
国家自然科学基金(60171029)资助
-
文摘
量子计算(Quantum Computation)以其独特的性能引起广泛瞩目。本文尝试将量子计算与传统的神经计算结合起来,通过设计若干个量子算子来构造Hamming神经网络的量子对照物,从而提出一种量子竞争学习算法(Quantum Competitive Learning Algorithm,QCLA),它能够实现模式分类和联想记忆。
-
关键词
量子竞争学习算法
量子计算
HAMMING神经网络
量子神经计算
QCLA
-
Keywords
quantum learning
quantum computation
Hamming neural network
quantum neural computation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
O413
[理学—理论物理]
-
