首页 > 其他分享 >一些离谱的化学方程式

一些离谱的化学方程式

时间:2023-04-25 20:33:10浏览次数:41  
标签:离谱 化学 Na 方程式 2Fe 工业

一些离谱的化学方程式

最近了解了一些比较离谱的化学方程式。特别是最后两个,绝对能够燃起你对化学的激情。希望能够对大家的学习有所帮助
无奈水博

基础班

Ba+2Na=Banana
工业制香蕉

2Mg+2Na+O₂=2Mango
工业制芒果

CO+2Fe=Coffee
工业制咖啡

2CO+Ca+La=Cocacola

工业制可口可乐

Ar+NO+Ge=Orange

工业制橘子

3P+Na+2Ne+Li=Pineapple+N₂
工业制菠萝

进阶版

大家在学会了“制作”食物后
便纷纷脑洞大开
开始利用这个原理
制造一些奇奇怪怪的东西

2Bi+2Li=bilibili

工业制b站

2Ca +2Ti+N2 =2CaT+2Ni

工业制猫

As+S=Ass

工业制屁股

KI+2S=KISS

工业制吻

4Fr+3O₂+4Hg=4Frog+2H₂O

工业制青蛙

Al+Ca+Mg+O₂+Na=Cool man+Ag
工业制帅哥

2W+2Fe+I₂=2WiFe
工业制老婆

Mg+Al=镁铝=美女
工业制美女

标签:离谱,化学,Na,方程式,2Fe,工业
From: https://www.cnblogs.com/2020fengziyang/p/17353755.html

相关文章

  • 【多臂赌机】基于时变egreedy策略结合强化学习求解多臂赌机问题附matlab代码
    ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。......
  • 01-1 动力学基础(化学热力学与动力学、浓度物理量、焓、热量)
    研究化学反应的两种手段复习相关物理量:质量浓度、物质的量浓度、质量分数、摩尔分数和物质的量浓度关系式简单反应、复杂反应、总包反应、单相与多相反应生成焓、反应焓、燃烧焓、反应焓的计算实例发热量、高位发热量、低位发热量发热量:亦称“热值”,指的是单位量......
  • 30CrMnTi钢板简介及化学成分
    一、30CrMnTi钢板简介及介绍:30CrMnTi 属于合金钢,读作叁零铬锰钛,冲击韧性低、钢板强度高淬透性高。热处理后钢板的弯曲强度较高、耐磨性能高。可在热处理淬火低温回火或者调质后使用。二、30CrMnTi钢板化学成分:CSiMnPSNiCrMoCuTi0.24~0.320.17~0.370.8~1.1≤0.035≤0.035≤0.31~1......
  • VM虚拟化学习四——虚拟机CPU和内存动态扩容
    1.CPU动态扩容  1.1创建虚拟机配置CPU数 [root@linux-node4~]#virt-install--help|grepcpu    #创建虚拟机的时候可以配置CPU --vcpusVCPUS    Numberofvcpustoconfigureforyourguest.Ex: --vcpus5          ......
  • 强化学习奖励函数的设置
    奖励奖励强化学习中奖励函数设置不好,agent也得不到好的解。确定奖励函数的注意事项明确任务目标:一定要确保奖励函数和任务目标是一致的,否则可能会出现奖励函数引导agent在任务上取得不良的表现。注意:因为算法目标是最大化奖励,所以需要看奖励和目标之间的关系。当我的奖励......
  • python代码:基于强化学习的智能电网的动态定价方法
    python代码:基于强化学习的智能电网的动态定价方法摘要:提出了一种考虑服务提供商(SP)利润和用户(CUs)成本的分级电力市场中能量管理的动态定价DR算法。使用强化学习(RL)描述分层决策框架,将动态定价问题描述为离散有限马尔可夫决策过程(MDP),并采用Q学习求解该决策问题。使用RL,S......
  • Python 强化学习实用指南:1~5
    原文:Hands-OnReinforcementLearningwithPython协议:CCBY-NC-SA4.0译者:飞龙本文来自【ApacheCN深度学习译文集】,采用译后编辑(MTPE)流程来尽可能提升效率。不要担心自己的形象,只关心如何实现目标。——《原则》,生活原则2.3.c一、强化学习导论强化学习(RL)是机器学习的......
  • Python 强化学习实用指南:11~14
    原文:Hands-OnReinforcementLearningwithPython协议:CCBY-NC-SA4.0译者:飞龙本文来自【ApacheCN深度学习译文集】,采用译后编辑(MTPE)流程来尽可能提升效率。不要担心自己的形象,只关心如何实现目标。——《原则》,生活原则2.3.c十一、策略梯度和优化在最后三章中,我们学......
  • 使用Pytorch实现强化学习——DQN算法
    使用Pytorch实现强化学习——DQN算法强化学习的主要构成强化学习主要由两部分组成:智能体(agent)和环境(env)。在强化学习过程中,智能体与环境一直在交互。智能体在环境里面获取某个状态后,它会利用该状态输出一个动作(action)。然后这个动作会在环境之中被执行,环境会根据智能体采取的动......
  • 基于强化学习(Q-learning算法)的需求响应动态定价研究
    代码关键词:需求响应  强化学习 动态定价 编程语言:python平台主题:16、基于强化学习(Q-learning算法)的需求响应动态定价研究代码内容:代码提出了一种考虑服务提供商(SP)利润和客户(CUs)成本的分层电力市场能源管理动态定价DR算法。用强化学习(RL)描述了动态定价问题为离散有限马......