重庆师范大学

本发明公开了一种双活性位点Bi‑NiO@BiMoO光催化剂及其应用。所述Bi‑NiO@BiMoO光催化剂包含层状BiMoO基底、金属Bi纳米颗粒和NiO颗粒，所述金属Bi纳米颗粒和NiO颗粒均原位分布于层状BiMoO基底的表面和/或内部。本发明利用金属Bi的局域表面等离子体共振效应增强可见光吸收与热电子产生，利用NiO的自旋极化特性构建自旋选择电子转移通道；通过等离子体效应与自旋极化效应的协同作用，实现光生载流子的高效分离，破除O活化的自旋禁阻限制，定向构建·O主导的氧化路径。

本发明公开了一种2D/3D耦合的S型异质结SnS/ZnSn(OH)光催化剂及其应用；所述SnS/ZnSn(OH)光催化剂包含三维多面体ZnSn(OH)基底和二维SnS纳米片，所述二维SnS纳米片原位生长于所述三维多面体ZnSn(OH)基底的表面，形成二维/三维复合结构。本发明通过原位生长策略，使二维SnS纳米片在三维ZnSn(OH)多面体表面原位生长，构建具有紧密界面接触的2D/3D复合结构，实现二维材料与三维材料在结构和功能上的优势互补。

本发明公开了基于混合神经网络的变压器状态预测方法及系统，属于电力系统智能运维与时间序列预测技术领域。针对现有预测方法难以同时兼顾多变量间全局物理耦合建模与长程非线性演化稳健拟合的问题，本发明以离散小波变换将原始序列分解为独立频带，由量子通道纠缠模块精准重构多变量物理耦合，同时借助残差量子Token混合模块提取长程波动特征并保障训练稳定，最终经预测输出高精度结果。本发明在保持训练稳健性的同时实现对变压器未来状态的精准长时预测，为电网调度中心超前预警与负荷调度提供可靠决策依据。

本发明涉及一种感知判别先验引导的可见光‑红外跨模态目标检测方法，包括如下的步骤：步骤1，双模态特征预处理；步骤2，模态差异特征生成；步骤3，差异门控生成与双模态特征增强；步骤4，跨模态全局交互；步骤5，判别先验融合特征构建；步骤6，多响应图构建；步骤7，软前景/背景区域划分；步骤8，前景/背景原型提取；步骤9，判别性前景先验生成；步骤10，模态可靠性估计；步骤11，联合重校准；步骤12，最终融合输出。本发明的有益效果是：通过模态差异感知、跨模态全局交互、判别先验生成与模态可靠性门控，自适应融合双模态特征，增强目标区域、抑制背景干扰，提升复杂场景下小目标、遮挡目标的检测精度。