图书基本信息
书名:分子光化学
ISBN:9787030371393
著者:樊美公 佟振合
出版社:科学出版社
丛书名:中国科学院大学研究生教材系列
POD版定价:128元
正文语言:中文
装帧:平装
开本:16
页数:604
字数:746000
读者对象:
光化学、光物理、材料科学等光电技术领域的研究生、科研人员及相关专业高年级本科生。
内容简介
《分子光化学》为材料学专业研究生的专业基础课。该课程主要讲述和讨论光致变色材料,非先性光学材料,有机高分子光折变材料,光致发光和电致发光材料,光信息存储原理、材料和器件,半导体、纳米材料与太阳能的利用等具体研究领域。
目录
前言
第1章 分子光化学导论
1.1 分子轨道
1.1.1 n轨道
1.1.2 π轨道和π
*轨道
1.1.3 σ轨道和σ
*轨道
1.2 电子激发态
1.2.1 激发态的电子组态
1.2.2 激发态的多重态
1.2.3 激发态的能量
1.3 激发态的产生
1.3.1 Lambert-Beer定律
1.3.2 Stark-EⅠnsteⅠn定律
1.3.3 吸收光谱
1.3.4 选择定则
1.4 激发态的衰减
1.4.1 Kasha规则
1.4.2 辐射跃迁
1.4.3 无辐射跃迁
1.4.4 能量传递
1.4.5 电子转移
1.4.6 化学反应
1.4.7 JablonskⅠ图解
1.5 光化学发展的趋势
参考文献
第2章 激发态的产生及其分子内物理衰变理论
2.1 激发态的产生及相关问题
2.1.1 构造原理
2.1.2 光和分子的相互作用
2.1.3 选择规则
2.1.4 跃迁及激发态的表示方法
2.1.5 单重态与三重态的性质比较
2.1.6 n→π
*跃迁和π→π
*跃迁
2.1.7 激发态与基态的性质比较
2.1.8 激发态的寿命
2.1.9 量子产率
2.2 激发态的衰变概述
2.3 辐射跃迁与光吸收的关系
2.4 荧光
2.4.1 荧光产生的条件
2.4.2 影响荧光的主要因素
2.4.3 荧光速率常数、强度、量子产率和荧光寿命
2.4.4 荧光光谱和斯托克斯频移
2.4.5 高级激发态发射的荧光
2.5 磷光
2.5.1 磷光的产生及磷光速率常数
2.5.2 磷光量子产率
2.5.3 磷光光谱
2.5.4 室温下液态溶液中的磷光
2.6 延迟荧光
2.6.1 E型延迟荧光
2.6.2 P型延迟荧光
2.7 激基缔合物和激基复合物
2.7.1 电荷转移络合物与电荷转移跃迁
2.7.2 激基缔合物及激基复合物的形成与特征
2.8 荧光技术的应用
2.9 非辐射跃迁理论
2.10 内转换
2.10.1 速率常数
2.10.2 量子产率
2.11 系间窜越
2.12 单分子过程的光物理动力学
参考文献
第3章 分子激发态能量转移与电子转移
3.1 分子激发态能量转移
3.1.1 引言
3.1.2 能量转移的基本理论
3.1.3 能量转移的典型实例
3.1.4 能量转移的研究方法
3.2 分子激发态电子转移
3.2.1 引言
3.2.2 电子转移的基本理论
3.2.3 电子转移的研究方法
3.2.4 能量转移与电子转移的对比
3.3 能量转移与电子转移的竞争
3.3.1 引言
3.3.2 双组分体系中的能量转移和电子转移
3.3.3 能量转移理论
3.3.4 电子转移过程
3.3.5 能量转移与电子转移的一般动力学处理
3.3.6 能量向多个激发态转移
3.3.7 能量转移与电子转移的竞争
3.3.8 能量转移与电子转移竞争的实例
参考文献
第4章 分子激发态反应动力学和超快过程研究
4.1 反应动力学基本原理
4.1.1 分子激发态的产生
4.1.2 激发态的失活途径
4.1.3 激发态能量传递与电荷转移
4.2 时间分辨光谱技术简介
4.2.1 飞秒时间分辨吸收
4.2.2 皮秒时间分辨荧光
4.3 酮缺陷和链间相互作用对聚芴类分子绿光发射的影响
4.3.1 非树状化聚芴薄膜和溶液中的发光行为
4.3.2 带芴酮缺陷聚芴PFN薄膜和溶液中的发光行为
4.3.3 树状化聚芴薄膜和溶液中的发光行为
4.3.4 芴酮缺陷和链间相互作用的协同效应
4.4 菌紫质光循环中视黄醛超快异构化过程
4.4.1 近红外区的全局拟合
4.4.2 激发态吸收450nm动力学曲线的分析
4.4.3 基态漂白540nm动力学曲线的分析
4.4.4 光产物630nm动力学曲线的分析
4.4.5 可见区受激荧光710nm动力学曲线的分析
参考文献
第5章 光反应中间体及高级激发态的光化学
5.1 分步双激光技术与一般光化学方法
5.2 分步双激光技术的简介
5.3 激发态反应中间体的荧光光谱研究
5.3.1 自由基的荧光光谱
5.3.2 双自由基的荧光光谱
5.3.3 卡宾的发射光谱
5.4 激发态中间体的瞬态吸收
5.5 激发态中间体的单分子反应
5.5.1 单分子光裂解反应
5.5.2 分子内光裂解重排反应
5.5.3 单光子光电离
5.6 激发态反应中间体的分子间反应
5.6.1 氧与激发态自由基之间的反应
5.6.2 激发态自由基同烯烃的反应
5.6.3 激发态自由基同电子受体之间的反应
5.6.4 激发态自由基同电子给体之间的反应
5.6.5 卡宾的分子间反应
5.7 高级激发态
5.7.1 高级激发态——光物理
5.7.2 高级激发态的光化学
5.8 多光子过程理论
5.8.1 微扰方法
5.8.2 格林函数方法
参考文献
第6章 光氧化反应
6.1 引言
6.1.1 氧原子和氧分子的电子结构和化学活性
6.1.2 光氧化反应的分类
6.2 自动氧化反应
6.2.1 自动氧化反应的动力学
6.2.2 引发
6.2.3 链传递
6.2.4 链终止
6.2.5 抗氧化剂
6.2.6 多不饱和脂肪酸的自动氧化
6.2.7 支链反应
6.2.8 金属催化的自动氧化反应
6.2.9 氮氧自由基催化的自动氧化反应
6.3 单重态氧反应
6.3.1 单重态氧的基本性质
6.3.2 单重态氧的产生
6.3.3 单重态氧的化学反应
6.3.4 杂环化合物的单重态氧反应
6.4 电子转移光氧化反应
6.4.1 经激发态反应物与氧的CTC或经激发态反应物与基态氧的电子转移进行的光氧化反应
6.4.2 经基态反应物与单重态氧进行电子转移而进行的光氧化反应
6.4.3 光诱导电子转移反应
6.4.4 激发态电子受体敏化剂引发的光氧化反应
6.5 分子筛以及某些超分子体系中的光氧化反应
6.5.1 分子筛中的光氧化反应
6.5.2 其他超分子体系中的光氧化反应
6.6 与单重态氧反应有关的化学发光现象
6.6.1 过氧化物反应中产生的单重态氧的化学发光
6.6.2 产生化学发光的能量要求
6.6.3 二氧杂环丁烷体系的化学发光
6.6.4 其他CL体系
6.6.5 化学发光在分析化学中的应用
6.7 生物体系中的光氧化反应
6.7.1 DNA的氧化损伤
6.7.2 蛋白质的氧化损伤
6.7.3 光化学疗法
参考文献
第7章 双键的异构化反应及其应用
7.1 碳-碳双键的异构化反应
7.1.1 一般理论分析
7.1.2 基态顺-反热异构化反应
7.1.3 光异构化或激发态异构化反应
7.2 氮-氮双键的异构化
7.2.1 偶氮苯类化合物
7.2.2 氨基偶氮苯类型
7.2.3 假1,2-二苯乙烯类型
7.2.4 偶氮苯的光异构化机制
7.3 碳-氮双键的异构化
7.3.1 含一个双键的异构化
7.3.2 碳-氮双键的单向光异构化
7.3.3 含两个碳-氮双键化合物的异构化
7.4 甲嵌衍生物的异构化反应
7.5 双键异构化的应用
7.5.1 离子识别
7.5.2 对映体的分离
7.5.3 光控蛋白和多肽的结构
7.5.4 光控树枝状化合物的定向药物输送
7.5.5 偶氮苯的异构化在光控分子机器中的应用
7.5.6 含偶氮苯衍生物的液晶材料的研究
参考文献
第8章 光环合加成反应理论和反应中间体的捕获
8.1 碳-碳双键之间的分步光环合加成反应
8.1.1 芳烃中碳-碳不饱和键的光环合加成反应
8.1.2 α,β-烯酮的光环合加成反应
8.2 羰基和硫羰基参与的分步光环合加成反应
8.3 含碳氮双键化合物的分步光环合加成反应
8.4 协同光环合加成反应
参考文献
第9章 分子基光功能配合物的光化学与光物理
9.1 配合物中的电子激发态
9.1.1 配体内的电荷跃迁
9.1.2 金属中心的电荷跃迁
9.1.3 配体到配体的电荷跃迁
9.1.4 配体到金属的电荷跃迁
9.1.5 金属到配体的电荷跃迁
9.1.6 金属-金属到配体的电荷跃迁
9.1.7 其他类型的电荷跃迁
9.2 金属有机配合物的光取代反应机制
9.2.1 压力对光诱导取代反应的影响
9.2.2 M(CO)
4(phen)和PR
3的光诱导取代反应机制
9.3 光致发光的Pt(Ⅱ)多联吡啶配合物
9.3.1 多联吡啶Pt(Ⅱ)配合物的电子光谱
9.3.2 光致发光多联吡啶Pt(Ⅱ)配合物
9.3.3 光致发光多联吡啶Pt(Ⅱ)配合物的应用
9.4 d
10电子构型铜(Ⅰ)和金(Ⅰ)配合物的结构和光物理性质
9.4.1 Cu(NN)*和Cu(PP)*类配合物
9.4.2 光致近紫外高能发射的Au
2(dcpm)
2(Y)
2(Y=ClO*、PF* 、CF3SO*)配合物
参考文献
第10章 固体表面光催化反应
10.1 非均相光催化反应
10.1.1 基本概念
10.1.2 反应机制
10.1.3 反应过程动力学
10.1.4 反应影响因素
10.2 光催化剂
10.2.1 TⅠO
2的结构
10.2.2 能带弯曲和肖特基势垒
10.3 光催化剂的表面修饰
10.3.1 复合半导体
10.3.2 染料敏化
10.3.3 金属沉积
10.3.4 掺杂
10.3.5 多元化修饰技术
10.3.6 光催化剂的担载
10.3.7 量子点修饰
10.4 展望
参考文献
好的,这里为您撰写一份关于 [按需印刷] 分子光化学 之外,其他图书的详细简介。 --- 图书简介:[深度学习在复杂系统建模中的应用] 书名:深度学习在复杂系统建模中的应用:从理论基石到前沿实践 内容概述 本书是一部面向研究人员、高级工程师以及对人工智能交叉学科感兴趣的读者的专业著作。它系统地梳理了现代深度学习技术在处理高度非线性、高维度和时变特性的复杂系统问题中的理论基础、关键算法及其在多个工程和科学领域的实际应用。全书聚焦于如何利用深度神经网络的强大表征能力来捕捉传统分析方法难以刻画的系统内部机制,并提供了一套从数据预处理到模型部署的完整方法论。 第一部分:复杂系统与深度学习的基础理论 本部分旨在为读者构建一个坚实的理论框架,确保读者理解复杂系统的本质特征以及深度学习模型如何与之对应。 第一章:复杂系统的内涵与挑战 本章首先界定了复杂系统的概念,区分了简单系统、复杂适应系统(CAS)和超复杂系统。重点探讨了复杂系统中常见的挑战,包括:路径依赖性、涌现现象、多尺度耦合、以及模型的不完备性问题。随后,分析了传统建模范式(如动力学方程、统计物理方法)在处理大规模、高噪声数据时的局限性。 第二章:深度学习的核心架构回顾 本章对深度学习中的核心网络结构进行深入回顾,但视角独特,侧重于这些结构如何解决复杂系统的特定需求。内容包括: 全连接网络(FNN)的局限性与优化: 探讨其在处理高维稀疏数据时的效率问题。 卷积神经网络(CNN)与空间相关性: 讨论CNN如何通过局部感受野有效地捕捉物理空间中的局部相互作用。 循环神经网络(RNN/LSTM/GRU)与时间序列动力学: 重点解析门控机制如何模拟系统的长期记忆和状态演化。 图神经网络(GNN)与网络拓扑结构: 强调GNN在模拟相互连接的实体(如交通网络、分子网络)中的优势。 第三章:从信息论到表征学习 本章深入探究深度学习的内在机制。它从信息瓶颈原理、稀疏编码理论出发,解释了深度网络是如何在数据中提取出对预测任务最优的低维“有效表征”。特别讨论了自监督学习(Self-Supervised Learning, SSL)在数据标签稀缺的复杂系统中获取高质量预训练特征的重要性。 第二部分:针对复杂系统特性的深度模型设计 本部分是本书的核心技术篇,介绍了专门设计用于处理复杂系统特有挑战的创新模型。 第四章:处理不确定性与随机性 复杂系统本质上是开放的,充满了随机扰动。本章聚焦于量化和处理这种不确定性: 贝叶斯深度学习(BDL): 介绍变分推断(VI)和蒙特卡洛Dropout,用以量化模型预测的置信区间,而非仅仅给出点估计。 概率图模型与深度学习的结合: 探讨如何使用深度网络作为参数生成器,嵌入到潜在变量模型(如HMM、PGM)中,以更灵活地建模潜在的随机过程。 第五章:物理信息驱动的神经网络(PINN) PINN是本书的重点创新方向之一。本章详细讲解了如何将系统的微分方程约束(如Navier-Stokes方程、薛定谔方程的离散形式)直接编码到神经网络的损失函数中。讨论了如何解决PINN中的梯度消失/爆炸问题,以及如何应用于发现未知物理参数。 第六章:多尺度与多模态数据融合 复杂系统通常在不同尺度上展现出不同的行为(如微观的分子运动与宏观的流体动力学)。 多尺度建模: 介绍如何使用层级结构的网络(Hierarchical Networks)或基于算子的学习(Operator Learning, 如DeepONet)来同时处理不同分辨率的数据。 异构数据融合: 探讨如何利用注意力机制(Attention Mechanisms)和跨模态嵌入(Cross-Modal Embeddings)来整合来自传感器、模拟和文本描述的异构信息。 第三部分:前沿实践与案例分析 本部分将理论和模型应用于多个高影响力领域,展示深度学习在实际复杂系统中的威力。 第七章:气候与环境动力学的预测与归因 本章探讨如何利用深度网络处理海量气象数据。内容包括:使用GNN模拟大气环流的非局部相互作用,利用深度生成模型(GAN/VAE)生成高分辨率的极端天气情景,并讨论深度学习在气候变化归因链条中的作用。 第八章:生物复杂性与系统生物学 在生物系统中,基因调控网络、蛋白质相互作用网络是典型的复杂系统。 基因调控网络推断: 利用时间序列CNN和RNN从单细胞RNA测序数据中重建动态调控网络。 药物反应预测: 探讨如何利用GNN来表示分子结构和生物相互作用网络,以预测化合物在复杂生物环境中的效力与毒性。 第九章:金融市场与经济系统的建模 金融市场被视为一个高维、非平稳、具有强烈的反馈效应的复杂系统。本章关注: 高频交易中的信号提取: 使用Transformer结构处理长期依赖的序列数据。 市场微观结构建模: 运用强化学习(RL)构建智能代理(Agent),模拟市场参与者的异质性行为,并研究系统性风险的出现机制。 第十章:计算范式的未来:可解释性与鲁棒性 对于关键领域的应用,模型的可解释性至关重要。本章最后探讨如何提高复杂系统深度模型的可靠性: 因果推断: 介绍结构因果模型(SCM)与深度学习的结合,以区分相关性与系统驱动的因果关系。 模型调试与验证: 讨论对抗性攻击在复杂系统建模中的潜在风险,以及相应的鲁棒性增强技术。 本书特色 本书的独特之处在于它没有将深度学习视为一个“黑箱工具箱”,而是将其视为一种全新的、能够与经典物理、统计方法对话的建模语言。它提供了丰富的Python代码示例(基于PyTorch/TensorFlow),并附带了可重现的研究数据集链接,使得读者能够亲手实现书中所述的尖端算法,并将其应用于自己的复杂系统研究中。本书适合作为高年级本科生、研究生和专业研究人员的进阶参考读物。