合成气制碳二含氧化合物铑基催化剂的研究

作为从非石油资源制备清洁燃料和化工原料的一种替代方法,煤、天然气和生物质经合成气催化转化制乙醇、乙醛和乙酸等碳二含氧化物引起了广泛的关注。铑基催化剂是合成气制碳二含氧化合物最有效的一类催化剂。对近年来用于合成制碳二含氧化合物的铑基催化剂的研究进行了总结,主要包括助催化剂、载体和制备方法及条件等,并指出了今后研究的方向。     

电网资产全寿命周期管理过程中的评估与决策

为了更好地帮助国家电网公司解决资产成本分析与运营效率分析等问题,在充分考虑设备维护成本、运行可靠性等因素的前提下,采用从时间、对象、管理3个维度分析的"事前评估决策、事中管控优化与事后评价提升"方法,开展了基于状态和风险评价的资产全寿命管理工作,并将其落实到资产全寿命周期管理评估决策系统中,找出了资产的设计、采购与运维优化策略。目前该方法已在国家电网公司全面部署,并取得良好效果。     

突出重围——儿时的回忆《盟军敢死队》

在市场花园行动中,被包围的英军在残垣败瓦中负隅顽抗。一队英军在城市的边缘试图突袭德军冲出包围圈,一名英军暗杀了落单的巡逻士兵,同时另一名英军士兵在建筑物的阴暗处警戒等待时机,突袭随时可能开始…．．     

融合知识表征的多模态Transformer场景文本视觉问答

目的 现有视觉问答方法通常只关注图像中的视觉物体,忽略了对图像中关键文本内容的理解,从而限制了图像内容理解的深度和精度。鉴于图像中隐含的文本信息对理解图像的重要性,学者提出了针对图像中场景文本理解的“场景文本视觉问答”任务以量化模型对场景文字的理解能力,并构建相应的基准评测数据集TextVQA(text visual question answering)和ST-VQA(scene text visual question answering)。本文聚焦场景文本视觉问答任务,针对现有基于自注意力模型的方法存在过拟合风险导致的性能瓶颈问题,提出一种融合知识表征的多模态Transformer的场景文本视觉问答方法,有效提升了模型的稳健性和准确性。方法 对现有基线模型M4C(multimodal multi-copy mesh)进行改进,针对视觉对象间的“空间关联”和文本单词间的“语义关联”这两种互补的先验知识进行建模,并在此基础上设计了一种通用的知识表征增强注意力模块以实现对两种关系的统一编码表达,得到知识表征增强的KR-M4C(knowledge-representation-enhanced M4C)方法。结果 在TextVQA和ST-VQA两个场景文本视觉问答基准评测集上,将本文KR-M4C方法与最新方法进行比较。本文方法在TextVQA数据集中,相比于对比方法中最好的结果,在不增加额外训练数据的情况下,测试集准确率提升2.4%,在增加ST-VQA数据集作为训练数据的情况下,测试集准确率提升1.1%;在ST-VQA数据集中,相比于对比方法中最好的结果,测试集的平均归一化Levenshtein相似度提升5%。同时,在TextVQA数据集中进行对比实验以验证两种先验知识的有效性,结果表明提出的KR-M4C模型提高了预测答案的准确率。结论 本文提出的KR-M4C方法的性能在TextVQA和ST-VQA两个场景文本视觉问答基准评测集上均有显著提升,获得了在该任务上的最好结果。     

金属有机骨架UiO-66在催化领域的应用

金属有机骨架（MOFs）经过二十多年的快速发展,已经合成了成千上万种,然而MOFs材料普遍具有较低的稳定性,在一定程度上限制了MOFs的发展。UiO-66的合成是MOFs材料稳定性的一个突破,其在催化领域的发展尤为迅速。本文首先介绍了理想及实际状态下UiO-66的结构特征,并说明了配体缺失导致的节点空位处的元素组成。然后综述了利用UiO-66特殊的结构特征或将其功能化用于催化反应的研究,包括节点空位、功能化节点空位、负载金属纳米颗粒、功能化配体等。最后,考虑到可以综合利用UiO-66的特殊结构,对UiO-66在未来多功能催化剂的设计合成领域所能发挥的作用进行展望。     

基于混沌的高速真随机数发生器的设计与实现

选取分段线性的混沌表达式来设计真随机数发生器,具体分析了表达式中参数对迭代产生的序列的影响,并给出了最佳的参数选择范围.真随机数发生器由模拟电路实现,整个电路由八级结构相同的子电路和一级抗饱和电路构成.每级子电路都由运算电路和采样/保持电路两部分组成,同时,分析了它们的工作过程和仿真结果.介绍了如何在开关电容电路中消除电荷注入对电路的影响.所设计的真随机数发生器芯片采用TSMC的0 .2 5 μm,mixed signal的工艺进行流片,芯片面积为2 .34m m2 ,并完成了对芯片的测试工作     

高效液相色谱测定肉制品中四种合成着色剂的研究

建立肉制品中着色剂测定的高效液相色谱法。采用Inertsil ODS-3C18色谱柱（250×4．6nm,5μ）,以甲醇同-0．02mol／L乙酸铵体积比（35：65）为流动相,等度洗脱,流速为1．40mL／min,检测波长为500nm,柱温25℃,在此色谱条件下进行检测,结果表明,四种合成着色剂在20～100mg／L的浓度范围内,线性回归方程的相关系数为0．9991～0．9994,方法回收率为85．2％-105．3％,相对标准偏差为1.3％-4．6％。该方法可有效检测肉制品中四种着色剂的含量。