Abstract Circularly polarized room‐temperature phosphorescence (CPRTP) simultaneously featuring multiple colors and extremely high dissymmetry factor ( g lum ) is crucial for increasing the complexity of optical characteristics and advancing further development, but such a type of CPRTP is still unprecedented. The present work develops an effective and universal strategy to achieve full‐color CPRTP with ultra‐high g lum factors in a polymeric cholesteric superhelix network, which is constructed by cholesteric liquid crystal polymer and chiral helical polymer (CHP). Taking advantage of the high helical twisting power of CHP, the resulting polymeric cholesteric superhelix network exhibits remarkable optical activity. Significantly, by adopting a simple double‐layered architectures consisting of the cholesteric superhelix film and phosphorescent films, blue‐, green‐, yellow‐, and red‐CPRTP emissions are successfully obtained, with maximum | g lum | values up to 1.43, 1.39, 1.09 and 0.84, respectively. Further, a multilevel information encryption application is demonstrated based on the multidimensional optical characteristics of the full‐color double‐layered CPRTP architectures. This study offers new insights into fabricating polymeric cholesteric superhelix with considerable CPRTP performance in advanced photonic applications.

Corrosion-resistant coatings with self-healing capabilities are still a great challenge for metal protection. In this study, a corrosion-resistant coating with intrinsic self-healing capabilities was developed by compounding hydroxy-terminated silicone oil (HTSO) with 2-ureido-4[1

NO

In the realm of conventional substation inspections, delays in problem detection or inaccuracies in data recording by inspection personnel may arise due to various factors. The application of modern technologies such as three-dimensional reconstruction, augmented reality, and deep learning proves instrumental in mitigating these challenges. Initially, a comprehensive and detailed modeling of the substation is achieved through the use of a three-dimensional laser scanner. This model, augmented with colored textures derived from aerial images captured by drones, forms a three-dimensional representation of the substation, which is then uploaded to the cloud. Addressing issues such as the assessment of the main transformer's breathing apparatus status and identification of foreign objects within the equipment, deep learning methods including HSV (Hue, Saturation, and Value) color channel segmentation and YOLOv5 are employed. This leads to the development of algorithms for evaluating the main transformer's breathing apparatus status and recognizing equipment anomalies, deployed on the cloud to establish a cloud-based digital twin system. Operational personnel, equipped with augmented reality glasses during inspections, engage in real-time interaction with the cloud. This interaction yields status information and historical data for the inspected equipment, with the option of remote expert support when necessary. Furthermore, remote monitoring of inspection personnel status in real-time, facilitated through the augmented reality glasses, enables timely warnings of high-risk operations. This integration significantly enhances the efficiency of substation inspections, reduces error rates, minimizes the likelihood of accidents, and ultimately reinforces the reliability of power supply.

Abstract In this paper, we propose a novel approach for generating some special surfaces. Our solution offers a possible way to obtain exact equations for certain surfaces, thus potentially providing more accurate models for applications arising from scientific or engineering fields.