由买买提看人间百态

topics

全部话题 - 话题: 原子
首页 上页 1 2 3 4 5 6 7 8 9 10 下页 末页 (共10页)
R******d
发帖数: 1108
1
扇得响

:一步10个变化,就算下100步,那就是10^100
:可观测宇宙原子总数: 10^80
l******8
发帖数: 1691
2
这个比较本来就没有意义。要比跟宇宙所有原子一起的状态数目去比。
h**********c
发帖数: 4120
3
在接近0k把所有种类的原子放一起,形成的分子能拿什么奖

发帖数: 1
4
先把61个原子放进61个不同的物体里面,就容易了
R*****i
发帖数: 2126
5
不可观察宇宙原子总数10^800?
s******n
发帖数: 6806
6
这么比没有意义,显然少啊。棋盘上棋子的原子组合就比棋局的变化多,别说宇宙了。
v***n
发帖数: 123
7
你知道宇宙有多少原子吗?
l****g
发帖数: 5080
8
是指10的82次方么?
不考虑押韵的话,20个字,用汉字中的10000字,大概是10的80次方个组合。如果是律
诗,这样的排列超过原子数量没有问题。
只是这样的排列大部分没有诗意就是。
x***u
发帖数: 6421
9
来自主题: Joke版 - 两个原子走在街上 (转载)
另一个原子说:damn,I'm negative.
s******n
发帖数: 6806
10
原子肯定不行吧,太大了。
量子力学里好像是说理论上可以瞬间复制一个信息量完全一样的出来,
但是原来这个得毁掉。
d******i
发帖数: 3957
11
中子是太监,原子是人妖,就这么简单
M*****e
发帖数: 11621
12
中子,原子,取自中原二字。实际上是同一种粒子的不同称呼而已。同义的还有华子,
夏子。
差点被楼主骗了。
m*****d
发帖数: 13718
13
由此类推答案是原子?
M*****e
发帖数: 11621
14
不能以颗粒算。
根据google
1 cup peanuts: 828 cal
1 cup sunflower seeds: 818 cal
两者其实差不多。
问题应该是一杯原子和一杯中子哪个热量高。
H********g
发帖数: 43926
15
【 以下文字转载自 Biology 讨论区 】
发信人: lyray (lyray), 信区: Biology
标 题: 人类灵魂就隐藏在DNA末端krypton原子
发信站: BBS 未名空间站 (Wed Aug 26 16:32:06 2015, 美东)
We owe the discovery of this mysterious biogenetic process to our scientist
AOYOO 221.
It had been discovered a long time before that in the human brain were
krypton atoms (a rare gas that you know), and this discovery was a
significant, transcendent one. It was quite simply the key to the OEMBUAW,
MAN'S THIRD FACTOR, which you do not know and which acts as a link be... 阅读全帖
H********g
发帖数: 43926
16
人类灵魂就隐藏在DNA末端的krypton原子
M********t
发帖数: 5032
17
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
Google人工智能
攻破了围棋,然后呢?
雷锋网
study875
39分钟41秒前
Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或
得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国
际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——
比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google
人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情
况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李
世乭。
今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰
写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序
中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练
AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人
工智能系统无法突破人类的计算。为了获得更好的... 阅读全帖
L****8
发帖数: 3938
18
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能

在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计
算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计
算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才
1080。国际象棋最大只有2155种局面,称为香农数,大�: 率�1047。
使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术
的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它
们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉—
—做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。
这也... 阅读全帖
b******y
发帖数: 2729
19
而我们这里的每一个原子其实都是一个宇宙?
s*****k
发帖数: 2297
20
就是给老魔送宝来的。
黄原子用三个长元丹换的什么玄幻如意门,就是给老魔预备的。
老魔到时候需要下人界找一座极山,回魔界捞黄瓶子,不能总用什么界盘,否则容易产
生视觉疲劳。这下有了这个门,到时候老魔就可以各个界面随便跑了。
m*********h
发帖数: 5449
21
反基对于造物主的存在无法否定,但感情上非要否定。
而这些人多数连原子的存在都无法证实,都是听人说的。
这两种事情区别对待,说明了反基是感情用事。
真话是,你信不信,是靠推理,不是靠眼睛。
o***1
发帖数: 592
22
竟然问出这样的问题。 智力可嘉。
有多少科学实验可以证明原子的存在?
而神, 除了吹牛, 还是吹牛。
m******t
发帖数: 1171
23
安拉,佛陀和各路大仙:“对!没见过原子怎么就信呢 !“
t****l
发帖数: 236
24
我室冷原子量子存储研究成果入选欧洲物理学会2008年度重大进展
a**********k
发帖数: 1953
25
没细看全文, 但就标题而言,原子组合成的只是物质,
只是肉身; 但人的灵魂是超越肉身而存在。 所以
如果以灵魂为标识, 人可以永生。
f*****w
发帖数: 2602
26
比如我要先查找某个东西是否存在,然后根据是否存在再插入一条记录,这个该怎么做
到原子性?
我看了下mongodb提供的相关的只有findAndModify(),可是也没有findandinsert啊
然后如果自己用两个的sequential的 db operation写的话万一有race condition怎么
办? 好像并不是安全的做法
s*****t
发帖数: 1994
27
本报综合报道 11日,美国宇航局(NASA)公布了对宇宙微波最为全面的测量,天文学家称
这是一年来科学界最重大的突破,首次把宇宙论转变为精确的科学。
美国宇航局利用先进的遥控探测仪器——微波各向异性探测器(MAP),对宇宙进行长
达1年的观测,并利用结果精确计算出宇宙的年龄大约是137亿年,而且组成成分只有4%是
原子,其余皆为不明的黑色物质与能量。科学家同时还指出了第一代行星的星光是在大爆
炸后2
亿年就开始形成。科学家这次获得的结果能够帮助理论家发展一套关于宇宙起源和命运的
宇宙论标准模型。
第一代星光早就形成
美国宇航局的研究人员11日说,这些数字已经困扰天文学家们几十年了,但是现在距
离地球100万英里以外的太空船已经可以追踪到大爆炸38万年后(许多科学家相信这是宇宙
的诞生期),寻找答案。
美国宇航局对浩瀚的宇宙进行了长达12个月的全面观测,结果有了惊人发现。这些色
彩炫丽的照片显示,宇宙的年龄长达137亿年。新发现中最令人吃惊的是,第一代行星的
亮光在“大爆炸”之后大约2亿年就形成,比许多科学家预测的都还要早得多。
美国宇航局表示:“大爆炸之后大约2亿年,各种奇异的粒子就聚
a*******g
发帖数: 8
28
来自主题: Chemistry版 - 求教:氮气能解离成氮原子吗?
高压氮气从脉冲阀里以分子束的形式在真空靶室喷出来的时候,会不会有部分解离成氮
原子。请达人指教。如果可以的话在哪里可以查到参考文献?万分感谢!
R**X
发帖数: 417
29
来自主题: Chemistry版 - 求教:氮气能解离成氮原子吗?
要用thermal cracker的才能有原子N
要是ion gauge位置不对有可能会造成部分N2解离,我还真碰到过这类邪门事情
不过某些表面N2方上去就能直接解离
l*****n
发帖数: 1679
30
原子大部分是空的,只有外层电子云和 极小的原子核,
那么SEM看到的规则排列的小球是什么???电子云?原子核?
谢谢
p*****e
发帖数: 152
31
我倒啊。。。SEM看原子。。。。
l*****n
发帖数: 1679
32
原子大部分是空的,只有外层电子云和 极小的原子核,
那么SEM看到的规则排列的小球是什么???电子云?原子核?
谢谢
x****a
发帖数: 1041
33
SEM好像看不到原子。
A****2
发帖数: 72
34

需要用AFM(atomic force microscopy). 看到的小球是模拟的原子。
z****r
发帖数: 245
35
请教个晶体结构的问题。如果知道了原子半径和密堆积方式,有什么软件可以计算晶胞
参数么?主要是多元的话,手算不清楚。谢谢。
m**********e
发帖数: 12525
36
还可以发明一种叫做"分子蛋"的东西
原子弹是核能量释放,普通炸弹是外层电子能量释放,这鬼子说,
如果能找出一种方式,让内层电子能量释放出来,其威力接近小型
化的氢弹,但是完全没有核污染.it还说哪几种原子有发展前途,
估计冷战时期美国人也投了钱研究过这个.
a*****e
发帖数: 4577
37
比如单原子层的graphene
很多人也在讨论它的介电常数,让我觉得很难理解
没人回复所以干脆解释的详细一点:
以graphene为例
二维的体系,假设不考虑自由电子,那么在光学波段,
介电常数一般是由价带到导带跃迁引起的
吸收截面 a 正比于 介电常数的虚部 e2,e2可以通过考虑所有的跃迁几率得到
e2正比于\int_{cb,vb} u^2 \delta(e-\hbar\omega),u为跃迁矩阵元,cb,vb是价带和
导带
对于graphene,假设层间的距离足够小,小到和graphite类似,介电常数的定义还是比
较明确的。OK,现在假设把graphene的层间距离加大。大到和光波波长类似,那么用光
波照射之后是否也会出现像bragg diffraction那样的情况呢,个人觉得应该有
这种情况下,如果用吸收截面的方法来理解,显然无法解释为什么会有diffraction
那么,问题在什么地方呢?
a*******g
发帖数: 8
38
高压氮气从脉冲阀里以分子束的形式在真空靶室喷出来的时候,会不会有部分解离成氮
原子。请达人指教。如果可以的话在哪里可以查到参考文献?万分感谢!
M********t
发帖数: 588
39
空气的氮分子都能变成两个氮原子,只不过很少很少很少而已……
l*****n
发帖数: 1679
40
原子大部分是空的,只有外层电子云和 极小的原子核,
那么SEM看到的规则排列的小球是什么???电子云?原子核?
谢谢
v****x
发帖数: 498
41

孤立原子 基态占据 无穷远处为0参考点
l****g
发帖数: 385
42
前两天谈到同步辐射的时候突然想起来这个问题,为什么原子轨道中的电子虽然做圆运
动但是没有同步辐射呢?
s***e
发帖数: 7166
43
很简单,不存在原子轨道,电子不作圆周运动。——你不是从1900年穿越过来的吧。
N***m
发帖数: 4460
44
那加速运动的中性原子呢?
q*d
发帖数: 22178
45
1.简单的说,在原子尺度,此时经典力学已不适用,
电子没做圆周运动--圆周运动意味着轨道的存在,而将违反测不准.
2.此时只能用量子力学,量子力学解出来比如氢原子基态波函数
是能量的本征态,根据量子力学它就是不辐射的
x******i
发帖数: 3022
46

如果不考虑辐射场,也不考虑辐射场的量子化,
对楼主的问题就只有这么回答:
因为《量子力学》把辐射场给忽略了,所以量子力学中
原子轨道中的电子不辐射光子。
这个答案倒也很符合逻辑。
x******i
发帖数: 3022
47

问题就在这里,为啥原子和辐射场作为一个总系统,
会存在一个基态,能量存在下限?
有人可以回答说,基态之所以不衰变,是因为有不确定
原理。
不确定原理的根源在于位置和动量之间的对易关系。
但是如果考虑电子和辐射场的耦合,电子的运动必然
会受到辐射阻尼,而任何有阻尼的运动本身没法在时间
上保持力学量之间的对易关系,除非这个阻尼存在的同
时,系统还受到外界涨落的驱动。
这个就说明,要完全自洽的解释基态的稳定性,必然需
要引入辐射场的量子化。
量子力学有路径积分的描述。在这个图像下,定态下电子
的可能路径也全都是加速运动。既然所有可能的路径都是
加速运动,就必须考虑相应的辐射场。
现在讨论的是氢原子中电子的同步辐射问题。
x******i
发帖数: 3022
48

这个就扯远了。
楼主最开始的问题是“定态”的电子为啥不会辐射。好多人根
据高中课本,回答说稳态的电子云没有辐射。我想否定的是
这一点,所以最自然的就是从真空涨落和自发辐射出发。
这个问题,相当于计算了电子运动的经典部分的平均
辐射流。当外加电磁场很强,而且是相干态时,的确
可以得到很精确的答案。但这还是一个半经典的计算
方法,它不能从第一原理完全描述跃迁过程详细的统计
特点,比如如果原子在振荡电磁场作用下在两个态之
间来回跃迁,跃迁之间时间长度的统计特性,以及发
射出光子之间的统计关联等。这就好比《量子力学》本
身并没法描述为什么外加电磁场的光子是按Poisson过
程到达。
举例而言,如果入射电磁场不是相干态,光子到达本身
就不是Poisson过程,如果涉及的跃迁是双光子过程,
那么跃迁率和光强的关系就会受到影响。
q*d
发帖数: 22178
49
楼主的问题是"原子轨道里电子做圆周运动"为什么不辐射?
首先这个问题里的电子做圆周运动的概念就是错的,
楼主仍然没有挣脱经典力学的图像,如果依然用鸭梨是多德的,
你推桌子桌子就动,不推它就不动的概念去理解F=ma,那当然是矛盾的,
在一个更深的层次上,前者本来就是错的.
量子力学完全是自成体系,在大尺度或者大量子数的条件下,
可以近似出经典力学包括加速度在内的概念,经典力学只算是
量子力学的一个子集
其次,我非常不能理解你一方面用加速度这种经典力学里才重要的
概念,一方面用虚光子这种QED里才有的概念来解释楼主的问题.
前者是一般初学者在量子力学里应该忘掉的概念,后者以氢原子
为例,无论质量重整化还是电荷重整化,都是高阶效应.解释楼主的
问题,不必说把弱项相互作用也包括进去吧

有更
首页 上页 1 2 3 4 5 6 7 8 9 10 下页 末页 (共10页)