碳纳米管(CNT)因其优异的物理性能被广泛认为是一种有效的挥发性有机化合物(VOCs)吸附剂。然而,由于团聚效应产生传质阻力,会影响CNT的吸附性能。微纤复合材料作为一种新型结构材料,有效克服了这一问题。文中采用化学气相沉积(CVD)法在...碳纳米管(CNT)因其优异的物理性能被广泛认为是一种有效的挥发性有机化合物(VOCs)吸附剂。然而,由于团聚效应产生传质阻力,会影响CNT的吸附性能。微纤复合材料作为一种新型结构材料,有效克服了这一问题。文中采用化学气相沉积(CVD)法在纸状烧结不锈钢纤维载体(PSSF)表面分别直接生长CNT和硫掺杂碳纳米管(SCNT),成功制备了具有梯度多孔结构的CNT/PSSF和SCNT/PSSF复合材料。通过扫描电子显微镜(SEM)、透射电子显微镜(TEM)、热重分析技术(TG)、拉曼光谱(Raman)、傅里叶变换红外光谱仪(FT-IR)和X射线光电子能谱(XPS)对其进行系统表征。固定床反应器中的吸附实验结果表明,SCNT/PSSF因其表面丰富的缺陷和酸碱官能团,展现出优异的动态吸附性能。此外,通过构建由颗粒CNT和SCNT/PSSF组成的结构化固定床,研究了微纤复合材料在二甲苯吸附过程中的传质增强机理。与纯5 cm CNT结构床相比,4 cm CNT+1 cm SCNT/PSSF床层的利用率(ΔZ)提高了8.1%。结构化固定床的吸附过程可以被Yoon-Nelson模型良好拟合。展开更多
随着深度学习技术的发展,光学字符识别(optical character recognition,OCR)技术逐步从传统方法转向基于深度神经网络的端到端学习模型,涌现出大量具备高准确率和强泛化能力的OCR大模型。多模态大模型通过融合视觉、语言等多种感知通道...随着深度学习技术的发展,光学字符识别(optical character recognition,OCR)技术逐步从传统方法转向基于深度神经网络的端到端学习模型,涌现出大量具备高准确率和强泛化能力的OCR大模型。多模态大模型通过融合视觉、语言等多种感知通道,提高了模型在复杂场景下的理解与生成能力,而多任务统一大模型则通过构建通用架构,简化了模型设计,提升了多个OCR任务的处理效率。本文回顾了OCR和多模态学习领域的最新技术进展,重点介绍了OCR大模型在多模态学习和多任务统一模型中的应用与前沿进展。此外,本文还分析了OCR增强的多模态大模型、文档理解多模态大模型和针对特定OCR任务的多模态大模型的现状与挑战,探讨了OCR大模型面临的技术瓶颈和未来发展方向,包括提升分辨率处理能力、改进视觉标记压缩、增强结构化图形符号和复杂版面结构的感知与理解等,展望了其在文档数字化、程序自动化测试和智能教育等方面的广泛应用潜力。展开更多
文摘碳纳米管(CNT)因其优异的物理性能被广泛认为是一种有效的挥发性有机化合物(VOCs)吸附剂。然而,由于团聚效应产生传质阻力,会影响CNT的吸附性能。微纤复合材料作为一种新型结构材料,有效克服了这一问题。文中采用化学气相沉积(CVD)法在纸状烧结不锈钢纤维载体(PSSF)表面分别直接生长CNT和硫掺杂碳纳米管(SCNT),成功制备了具有梯度多孔结构的CNT/PSSF和SCNT/PSSF复合材料。通过扫描电子显微镜(SEM)、透射电子显微镜(TEM)、热重分析技术(TG)、拉曼光谱(Raman)、傅里叶变换红外光谱仪(FT-IR)和X射线光电子能谱(XPS)对其进行系统表征。固定床反应器中的吸附实验结果表明,SCNT/PSSF因其表面丰富的缺陷和酸碱官能团,展现出优异的动态吸附性能。此外,通过构建由颗粒CNT和SCNT/PSSF组成的结构化固定床,研究了微纤复合材料在二甲苯吸附过程中的传质增强机理。与纯5 cm CNT结构床相比,4 cm CNT+1 cm SCNT/PSSF床层的利用率(ΔZ)提高了8.1%。结构化固定床的吸附过程可以被Yoon-Nelson模型良好拟合。
文摘随着深度学习技术的发展,光学字符识别(optical character recognition,OCR)技术逐步从传统方法转向基于深度神经网络的端到端学习模型,涌现出大量具备高准确率和强泛化能力的OCR大模型。多模态大模型通过融合视觉、语言等多种感知通道,提高了模型在复杂场景下的理解与生成能力,而多任务统一大模型则通过构建通用架构,简化了模型设计,提升了多个OCR任务的处理效率。本文回顾了OCR和多模态学习领域的最新技术进展,重点介绍了OCR大模型在多模态学习和多任务统一模型中的应用与前沿进展。此外,本文还分析了OCR增强的多模态大模型、文档理解多模态大模型和针对特定OCR任务的多模态大模型的现状与挑战,探讨了OCR大模型面临的技术瓶颈和未来发展方向,包括提升分辨率处理能力、改进视觉标记压缩、增强结构化图形符号和复杂版面结构的感知与理解等,展望了其在文档数字化、程序自动化测试和智能教育等方面的广泛应用潜力。
