- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试GO材料测试
表征技术：飞行时间二次离子质谱（TOF-SIMS）
飞行时间二次离子质谱（TOF-SIMS）是一种结合二次离子质谱与飞行时间质量分析器的表面表征技术。 现代TOF-SIMS具备高灵敏度、高空间分辨率、优异的质量分析能力及全面的化学信息解析功能，是一种多功能分析技术。 TOF-SIMS工作原理及离子源简介飞行时间二次离子质谱（TOF-SIMS）系统主要由进样系统、真空系统、离子源、飞行时间分析器及数据处理系统构成（图1）。 TOF-SIMS在生物领域，特别是对组织切片的分析，单细胞分析是热门的前沿课题。 近年来TOF-SIMS也逐渐被应用于地质科学中宇宙样品、熔融包裹体分析、高铝粉煤灰(HAFA)颗粒微量元素分析、矿物浮选等方面。
62110编辑于 2025-10-24 - 来自专栏测试GO材料测试
三维组分分布测绘：三大技术解构水系电池界面传输机制
测试GO前沿实验室依托TOF-SIMS深度成分分析、扫描电化学显微镜原位测绘及动态浓度分布表征三大技术，为科研人员提供水系电池界面行为的精准量化解决方案。 化学组成三维透视：TOF-SIMS深度测绘测试狗实验室采用飞行时间二次离子质谱（TOF-SIMS）技术，实现电极材料表面及体相组分的纳米级精确定位：表面分布成像：精准捕捉电极表面SEI膜中关键成分（如SO₃² 三维体相重构：通过逐层剥离与深度分析，重建负极/正极材料内部元素（如Zn、Mn、O）的三维分布模型，破解体相反应机制。 跨尺度关联分析：将浓度分布数据与电化学性能参数（倍率、阻抗）联动，建立“微观动力学-宏观性能”的定量构效关系。
28210编辑于 2025-08-22 - 来自专栏模拟计算
测试GO前沿实验室：为水系电池研究提供多维度表征解决方案
一、核心表征技术：揭示电池材料的微观世界形貌与晶体结构分析三维形貌图：利用扫描电子显微镜（SEM）与原子力显微镜（AFM）技术，可视化锌负极沉积形貌（如枝晶抑制效果）、SEI膜分布状态，结合能谱分析揭示元素组分空间分布 晶体取向分布：通过二维X射线衍射（2D-XRD）和同步辐射技术，定量分析锌箔或锌颗粒的晶体学取向（如[0001]择优取向），指导电极结构设计以提升循环稳定性。 气体逸出分析：通过气相色谱（GC）或质谱（MS）检测产气行为（如H₂、O₂、H₂S），评估电解液稳定性与反应路径安全性。 三、应用场景与案例参考锌负极优化通过晶体取向调控（如单晶[0001]锌箔）减少枝晶生成，结合TOF-SIMS分析SEI成分，提升循环寿命（Advanced Materials, 2025）。 四、客户价值与科研赋能数据可靠性：严格遵循ISO/IEC标准，提供可重复的表征结果（如TOF-SIMS成分分布图、原位EIS阻抗谱）。
20210编辑于 2025-08-11 西安工业大学Energy Storage Materials：闪蒸焦耳加热1秒合成SiC！硅基负极"三效合一"突破瓶颈
图4：电荷传输动力学机理研究通过原位EIS与DRT分析（图4a–d）揭示FH-SiSnBi在循环中电荷转移电阻（Rct）显著降低且更稳定。 图5：表面状态与赝电容行为分析不同扫速CV曲线（图5a）计算得到b值介于0.76–0.84，表明FH-SiSnBi的储锂机制为扩散与赝电容混合控制。 TOF-SIMS（图6g）进一步确认SEI内层以LiF为主，外层含有机组分，形成稳定的有机‑无机杂化SEI结构。 截面分析表明FH-SiSnBi的体积膨胀率仅为143%，远低于Si（308%）与SiSnBi（181%）。FIB‑SEM进一步证实FH-SiSnBi中裂纹数量显著减少。
15410编辑于 2026-02-07北京石墨烯研究院&北京大学&清华大学Nature子刊：脉冲焦耳热诱导渗碳策略实现微米厚高结晶度石墨薄膜的秒级合成
图2 | 飞行时间二次离子质谱揭示碳的快速扩散与偏析动力学图2利用飞行时间二次离子质谱（ToF-SIMS）对碳在镍中的时空分布进行了三维追踪。a，b，原始镍箔中几乎探测不到碳信号。 e，f，对镍（e）和钴（f）基底上的石墨厚度进行统计分析，发现厚度与循环次数呈现良好的线性关系，实现了对微米级厚度的精准调控。
14810编辑于 2026-02-28Adv. Mater.：毫秒级闪蒸焦耳加热合成单晶HfO₂，构筑高离子导、高热稳固态电解质
EXAFS和XANES等谱学分析表明，Hf–O键长收缩，且Hf表面与LCB中的F形成配位，增强了界面相互作用。 通过原位分布弛豫时间分析和拉曼/XANES谱，观察到在sc-HfO₂存在下，TFSI⁻解离程度提高、Li⁺扩散加快。 深度分辨XPS与ToF-SIMS分析揭示，其形成的固态电解质界面（SEI）具有“外有机-内无机”的梯度结构，富含LiF等组分，机械强度高且离子导通性好。
13410编辑于 2026-02-07词法分析、语法分析、语义分析
词法分析（Lexical analysis或Scanning）和词法分析程序（Lexical analyzer或Scanner） 词法分析阶段是编译过程的第一个阶段。 词法分析程序实现这个任务。词法分析程序可以使用lex等工具自动生成。 语法分析（Syntax analysis或Parsing）和语法分析程序（Parser） 语法分析是编译过程的一个逻辑阶段。 语法分析的任务是在词法分析的基础上将单词序列组合成各类语法短语，如“程序”，“语句”，“表达式”等等.语法分析程序判断源程序在结构上是否正确.源程序的结构由上下文无关文法描述. 语义分析（Syntax analysis） 语义分析是编译过程的一个逻辑阶段. 语义分析将审查类型并报告错误:不能在表达式中使用一个数组变量,赋值语句的右端和左端的类型不匹配. Lex 一个词法分析程序的自动生成工具。
57510编辑于 2025-04-05- 来自专栏AI悦创·一对一编程教学
行业分析：行业分析及框架分析
开篇小聊这节开始，我们正式进入「数据分析师的自我修养」。风格会更轻松，也会带点“个人判断 + 实战经验”的味道。本节分两块行业分析要解决什么？电商行业怎么拆？ （完整示例）一、行业分析要解决什么先把背景讲清楚。大多数行业分析来自两种场景：公司准备切入一个新赛道，需要一份靠谱的行业研究支撑决策；业务增长遇到瓶颈，想确认市场需求是不是变了。 围绕这两类目标，可以把行业分析收敛为五个模块（见下图）：这五件事分别是：界定范围 → 市场规模 → 社会热点 → 头部玩家 → 未来预测。 管理层知道难，但又想找到突破口，于是让战略/分析团队先出建议。常见情况是——需求不够清晰。 也可以关注我的公众号（微信搜：AI悦创），持续更新更系统、更实战的数据分析内容。下节见～
49000编辑于 2025-09-25 - 来自专栏全栈程序员必看
SWOT分析和PEST分析
1.SWOT分析 定义：SWOT（Strengths Weakness Opportunity Threats）分析法，又称态势分析法或优劣势分析法，用来确定企业自身的竞争优势（strength）、 ---- 2.PEST分析 定义：PEST分析是指宏观环境的分析，P是政治(politics)，E是经济(economic)，S是社会(society)，T是技术(technology)。 在分析一个企业集团所处的背景的时候，通常是通过这四个因素来进行分析企业集团所面临的状况。 如何用：目的是分析四个因素从总体上把握宏观环境，并评价这些因素对企业战略目标和战略制定的影响。
2.5K10编辑于 2022-07-01 - 来自专栏生信喵实验柴
富集分析：GSEA分析准备
其中第一行第一列是默认的格式，一般为#1.2 或#1.3，10100 是指基因数，50 是指样本数，Name 下面一般是基因名或基因探针，本例中是基因名，如果是基因探针，则分析时要进行基因探针的转换。
2K30编辑于 2022-02-11 - 来自专栏生信喵实验柴
富集分析：GSEA分析流程
背景 本次带大家实操gsea，将从分析前参数选择、分析流程操作演示和分析中常见错误分析三个方面给大家进行介绍. 首先我们来进行 GSEA 软件的参数选择与讲解。 其中 Expression dataset 指的是我们选择的要分析的表达谱数据，也就是我们在之前介绍过的自己构建的 GCT 格式的文件。 如图所示，一般我们自己填进去 5 就行，选择的越大，数据分析准确性越好，但是对于电脑的内存要求越高，同时分析时间也越长。 ：p53_hgu95av2.gct 是芯片表达谱数据，我们一会儿会下载，但是不分析此数据，P53_collapsed.gct 是我们要进行分析的基因表达谱数据，p53.cls 是指包含表型标签的数据。 好了，GSEA 分析流程就为大家写到这里，谢谢大家。
3.6K10编辑于 2022-02-11 - 来自专栏互联网数据官iCDO
【分析方法】归因分析入门
难道你不想知道你的潜在客户是从什么媒介渠道找上门来的么？这就是归因模型的目的，寻找出媒介中哪个接触点是确定有助于成功转换的营销渠道，然后将值分配给每个通道，最终计算出营销投资回报率。 我们所面临的挑战，是B2B的客户们很少用线性的路线到你的门口。考虑一下这样的可能性。比方说，你是第一次去SXSW的创业者，你希望引起注意。也许你正在寻找一个经济实惠的本地展示公司来帮你绘图，并且有展示的经验。那么你在哪里开始呢？想当然用网络搜索，输入“大展览公司在德克萨斯州”，你会有很多结果，无论是在自然搜索，或者是赞助商广告
3.4K80发布于 2018-03-02 - 来自专栏积累沉淀
JDK源码分析-ArrayList分析
List<E> subList(int fromIndex, int toIndex); } 绕了这么久，还没有到正题ArrayList，下面马上分析ArrayList，没办法，要分析他，自然得分析他的前因后果 elementData数组的大小会根据ArrayList容量的增长而动态的增长，具 体的增长方式，请参考源码分析中的ensureCapacity()函数。 下面直接看源码，所有分析都在源码的注释中 //RandomAccess 用来表明其支持快速（通常是固定时间）随机访问 //Cloneable可以克隆对象 //Serializable 对象序列化就是把一个对象变为二进制的数据流的一种方法 ) throw new ConcurrentModificationException(); } } } 对于迭代器Iterable的实现没有做分析 ，看了一下，内容比较多，以后有时间再去看看，当中涉及到了设计模式，可以看一下我以前的 Java设计模式（十六）—-迭代子模式 分析源码真的耗时间，耗了两个大晚上加一上午的时间，如果大家觉得我的理解哪里不恰当
1.9K50发布于 2018-01-11 - 来自专栏全栈程序员必看
igmp协议分析_协议分析
检验和 2 字节 多播地址 4 字节 类型 11 成员查询 12 成员报告（v1） 16 成员报告（v2） 22 成员报告（v3） 17 成员退出 IGMP 协议分析 报文如下 45 c0 00 1c 00 1a 00 00 01 02 d3 01 02 02 02 01 e1 01 01 01 16 00 07 fd e1 01 01 01 IGMP 成员报告报文分析 报文如下 45 c0 00 1c 00 1d 00 00 01 02 d4 fe 02 02 02 01 e0 00 00 02 17 00 06 fd e1 01 01 01 IGMP 离组报文分析
1.2K20编辑于 2022-11-04 - 来自专栏生信喵实验柴
富集分析：GSEA 分析介绍
分析的是基因集合而非单个基因（GO）或少数基因（Pathway）； 3. 富集分析。 怎么理解这个富集分析？ 想要理解它首先要知道单基因分析，对实验组和对照组进行高通量测序或基因芯片检测获得的数据直接进行比对分析，发现基因表达发生了变化，到此为止就是单基因分析，单基因分析未考虑基因间的相互作用，因此很难对基因的表达变化做出解释 使用ＧＳＥＡ分析结果发表文章时注意引用网站上的文献。 二、分析前准备 进行分析之前需要准备 3 个文件：表达数据集、样品分组信息和基因数据集。 四、与传统富集分析的区别 GO 富集分析通过分析差异基因在生物学过程，分子功能、细胞组成中的富集定位，从而对基因进行注释和分类，它通过设定 cut-off 值选出差异表达基因，对它们进行 GO KEGG 通路分析和 GO 富集分析类似，选出差异基因，通过统计学分析判断差异基因可能和哪些通路相关。这两个分析方法都需要筛选出差异基因，忽略对结果有贡献但没有落在差异显著范围内的基因。
9.5K50编辑于 2022-02-11 - 来自专栏数说戏聊
10.RFM分析&矩阵分析1.RFM分析2.矩阵分析
1.RFM分析 根据客户活跃程度和交易金额贡献，进行客户价值细分的方法。 高价值客户 低 高 高 重点保持客户 高 低 高 重点发展客户 低 低 高 重点挽留客户 高 高 低 一般价值客户 低 高 低 一般保持客户 高 低 低 一般发展客户 低 低 低 潜在客户 1.1 RFM分析过程 2.汇总RFM分值 RFM=100*R_S+10*F_S+1*M_S 3.根据RFM分值对客户划分8种类型 1.2 RFM分析前提 1.最近有过交易行为的客户，再次发生交易的可能性要高于最近没有交易行为的客户 1 153 2 164 3 135 4 153 5 154 6 142 7 151 8 148 2.矩阵分析 根据事物（如产品、服务等）等两个重要指标作为分析依据，进行关联分析，找出解决问题等一种分析方法。
1.1K20发布于 2018-08-02 - 来自专栏Python研究者
数据分析项目-数据分析岗位近况分析
数据读取 理解数据 数据清洗 数据分析 1、数据读取 #导入相关模块 import pandas as pd import numpy as np import matplotlib.pyplot as 发现存在异常数据，这里需要对不相关的职位进行去除 df=df.loc[df.position.str.contains('数据|分析|Data|算法|Bi|ETL')] df.shape[0] 3423 考虑数据类的岗位有数据运营、数据挖掘、商业分析师、算法工程师、ETL工程师等 salary_range字段清洗 #观察salary_range字段 df['salary_range'].unique( #新增平均薪水列，方面后面做统计分析 df['avg_salary']=df.apply(lambda x : (x.bottom_salary+x.top_salary)/2,axis=1) work_year 要求 分析： 学历要求：大专是最低要求，招高中或中专/中技的极少，最好是本科及以上 工作经验需求：偏向招聘有一定经验的求职者，尤其3-5年经验的需求最旺盛。
2.5K42发布于 2020-09-28 - 来自专栏全栈程序员必看
python层次聚类分析_SPSS聚类分析：系统聚类分析
一、概念：(分析-分类-系统聚类) 系统聚类法常称为层次聚类法、分层聚类法，也是聚类分析中使用广泛的一种方法。 二、聚类方法(分析-分类-系统聚类-方法) 1、聚类方法。可用的选项有组间联接、组内联接、最近邻元素、最远邻元素、质心聚类法、中位数聚类法和Ward法。 三、统计量(分析-分类-系统聚类-统计量) 1、合并进程表。显示在每个阶段合并的个案或聚类、所合并的个案或聚类之间的距离以及个案(或变量)与聚类相联结时所在的最后一个聚类级别。 2、相似性矩阵。
1.1K50编辑于 2022-11-02 - 来自专栏Albert陈凯
Hadoop离线数据分析平台实战——330会话分析Hourly分析Hadoop离线数据分析平台实战——330会话分析Hourly分析
Hadoop离线数据分析平台实战——330会话分析Hourly分析 项目进度 模块名称 完成情况 用户基本信息分析(MR)� 未完成 浏览器信息分析(MR) 未完成 地域信息分析(MR) 未完成 外链信息分析 (MR) 未完成 用户浏览深度分析(Hive) 未完成 订单分析(Hive) 未完成 事件分析(Hive) 未完成 模块介绍 Hourly分析指的是按照小时分析数据， 在本次项目中，只分析活跃用户、 我们通过修改现有的job来达到完成hourly分析数据统计的目标。 分别通过在active user和sessions这两个job中添加数据可以达到我们的分析要求。 计算规则 hourly分析分为hourly active user分析、hourly sessions分析以及hourly sessions length分析， 分别计算各个小时的活跃用户、会话个数以及会话长度来进行展示操作
1.2K100发布于 2018-04-08 - 来自专栏芒果先生聊生信
生信分析网站（生存分析）
数据库做基因组学的分析（机制一）； STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）； TISIDB/TIMER分析肿瘤免疫特征（机制三）。 生存分析是非常重要的表型，诸多文章均有介绍。这里，我们对生存分析的纯生信数据库进行总结，果友们在选择时也可以作为参考。 生存分析数据库 Kaplan-Meier Plotter数据库（生存分析经典数据库，首选） http://kmplot.com/analysis/ ? PrognoScan数据库（生存分析信息最全面的数据库，次选） http://dna00.bio.kyutech.ac.jp/PrognoScan/index.html GEPIA（国人之光，相关性分析是特色 ） http://www.oncolnc.org/ cBioPortal（组学分析神器也能做生存分析） https://www.cbioportal.org/ ?
4.4K44发布于 2020-08-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号