超声雾化提取法测定3种香料中的挥发性成分

用超声雾化提取法提取,气相色谱法检测八角茴香和小茴香中反式茴香醚以及花椒中柠檬烯的含量.最佳提取条件为100 mg样品加入15 mL正己烷提取液,在35 W的超声功率下提取5 min(八角茴香和小茴香)或30 min(花椒).测定反式茴香醚的回收率在90.9%～100.7%之间,柠檬烯的回收率在90.0%～98 6%之间.将所建立的超声雾化提取法与常用的超声辅助提取法和索氏提取法进行了比较,证明所建立的方法具有提取时间短、效率高、设备简单且没有噪音污染等优点.     

带喷头混合型毛细管色谱柱的制备及其在蛋白质组分离分析中的应用

本研究制备了一种应用于液-质联用（LC-MS）系统中的带喷头混合型毛细管色谱柱．用标准蛋白和酵母蛋白胰蛋白酶酶切溶液考察了其在LC—MS中的离子化效率、毛细管色谱柱分离性能和寿命,并与直接填充型毛细管色谱柱的色谱性能进行比较,未见显著性差异．将制备的带喷头混合型毛细管色谱柱应用于鼠肝蛋白组的分析,在假阳性率为1％的条件下鉴定到1262个肽段,归属于513个蛋白簇．通过对鉴定蛋白质理化性能的统计分析,其等电点和分子量分布高于一般两维凝胶电泳的范围．实验结果还表明该混合型毛细管色谱柱在肽段的理化性能上没有偏性,可以广泛应用于蛋白质组学的研究中．     

QuEChERS/高效液相色谱-串联质谱法测定土壤中61种激素类药物残留

建立了QuEChERS/高效液相色谱-串联质谱(HPLC-MS/MS)测定土壤中61种激素类药物残留的分析方法。样品经乙腈提取,QuEChERS方法净化后进行HPLC-MS/MS测定。采用电喷雾离子源(ESI),正、负模式扫描,多反应监测(MRM)模式采集,基质匹配工作曲线法定量。结果表明:61种目标化合物在各自浓度范围内线性良好,相关系数(r~2)为0.991 8～0.999 8,检出限(LOD,S/N≥3)为0.01～2.3μg/kg,定量下限(LOQ,S/N≥10)为0.03～7.5μg/kg;在10、50、200μg/kg 3个加标水平下,平均回收率为62.6%～102%,相对标准偏差(n=6)为1.0%～11%。该方法简单、快速、重现性好、稳定性高,可满足土壤中61种激素类药物残留的检测要求。     

Bi5O7I/聚苯胺复合光催化剂的制备及光催化活性

首先采用化学氧化聚合法合成聚苯胺(PANI),再采用溶剂热法制备了Bi_5O_7I/PANI复合材料,并采用X射线衍射、傅里叶变换红外光谱、场发射扫描电镜、紫外-可见漫反射光谱和荧光光谱等对所制备材料进行了表征,考察了复合材料在可见光光照条件下降解罗丹明B(RhB)的催化性能。结果表明当负载PANI后,Bi_5O_7I/PANI的复合材料都表现出优异的光催化性能。当PANI负载量在5%(w/w)时,催化效率最佳。在60 min内,其降解RhB的速率常数为Bi_5O_7I的3.9倍。捕获实验表明超氧自由基和空穴是该过程的主要活性物种。Bi_5O_7I/PANI具有优异光催化性能的原因主要在于,负载的PANI扩展了可见光吸收范围并增强了可见光吸收强度,而且PANI和Bi_5O_7I匹配的能级结构抑制了光生电子-空穴的复合效率。     

基于复合绝缘层SiNx/PMMA的有机金属-绝缘层-半导体器件

为改善有机半导体器件的界面性能,在氮化硅层上旋涂聚甲基丙烯酸甲酯(PMMA)构成复合绝缘层。首先,利用原子力显微镜研究了不同浓度的PMMA复合绝缘层的表面形貌及粗糙度。接着,蒸镀六联苯(p-6P)、酞菁铜和金电极,构成有机的金属-绝缘层-半导体(MIS)器件。最后,研究了MIS器件的回滞效应及电性能。实验结果表明,复合绝缘层的粗糙度为单绝缘层的1/5,大约1.4 nm。复合绝缘层上的p-6P薄膜随着PMMA浓度增加形成更大更有序的畴,但单绝缘层上薄膜呈无序颗粒状。复合绝缘层的有机MIS器件几乎没有回滞现象,但单绝缘层的器件最大回滞电压约为12.8 V,界面陷阱电荷密度约为1.16×10~(12) cm~(-2)。复合绝缘层有机薄膜晶体管的迁移率为1.22×10~(-2) cm~2/(V·s),比单绝缘层提高了60%,饱和电流提高了345%。基于复合绝缘层的MIS器件具有更好的界面性能和电性能,可应用到有机显示领域。     

乘积阿基米德Copula

在乘法模式下,对阿基米德Copula进行了推广,提出了乘积阿基米德Copula.通过构造两类特殊的乘积阿基米德Copula,举出了若干乘积阿基米德Copula例子,并分析了关于尾部相依性、对称性等方面的性质.最后,在探讨阿基米德Copula和乘积阿基米德Copula的关系中,提出几个值得进一步讨论的问题.     

基于混合行为博弈的多目标仿生设计方法

将多个设计目标视为不同的博弈方,通过计算设计变量对目标函数的影响因子和模糊聚类, 将设计变量集合分割为各博弈方拥有的策略空间. 对蜥蜴种群的繁衍生存机理进行仿生,将 3种蜥蜴的行为方式分别定义为利己主义、集体主义和投机主义,并赋予相应的博弈方, 各博弈方根据所仿生蜥蜴的行为特点,建立自身博弈得益函数与目标函数之间的映射关系. 各博弈方分别以自身博弈得益函数为目标,在各自的策略空间中进行单目标优化,获得本博 弈方对其余博弈方的最佳对策,所有博弈方的最佳对策形成一轮博弈的策略组合,并根据收 敛判别,通过多轮博弈,获得最终的博弈解. 以白鹤滩拱坝体型的三目标优化设计为例,设 计结果显示坝体体积方量减少了16.412万方,或2.38%; 最大主拉应力降低 了0.036MPa, 或0.31%; 整体应变能下降了0.167GJ 或4.47% 体现了基 于混合行为博弈方式的多目标仿生设计方法的有效性.     

Wave nature of Rosensweig instability

The explicit analytical solution of Rosensweig instability spikes’ shapes obtained by Navier–Stokes(NS) equation in diverse magnetic field H vertical to the flat free surface of ferrofluids are systematically studied experimentally and theoretically. After carefully analyzing and solving the NS equation in elliptic form, the force balanced surface equations of spikes in Rosensweig instability are expressed as cosine wave in perturbated magnetic field and hyperbolic tangent in large magnetic fiel...     

基于深度架构网络的矮新星自动分类研究

矮新星是一类特殊而稀少的半相接双星。发现更多的矮新星对于深入研究物质转移理论、理解密近双星演化过程意义深远。利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。传统的自编码器是仅包含一个隐层的经典神经网络模型,编码能力有限,数据表征学习能力不足。模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征,通过对底层特征的逐渐抽象学习获得高层特征,进而提高光谱的分类准确率。以自编码器为基础构建了由输入层、若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络,用于处理海量的光谱数据集,挖掘隐藏在光谱内部具有区分度的深度结构特征,实现对矮新星光谱的准确分类。鉴于深度架构网络的参数设置会严重影响所构建网络的性能,将网络参数的优化分为逐层训练和反向传播两个过程。预处理后的光谱数据先由输入层进入网络,再经自编码器算法和权值共享实现对网络参数的逐层训练。反向传播阶段将初始样本数据再次输入网络,以逐层训练所得的权值对网络初始化,再把网络各层的局部优化训练结果融合起来,根据所设置的输出误差代价函数调整网络参数。反复地逐层训练和反向传播,直到获得全局最优的网络参数。最后由末隐层作为重构层搭建支持向量机分类器,实现对矮新星的特征提取与分类。网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减,并由反向传播算法微调整个网络,从而防止发生深度过拟合现象,减少因隐层神经元间的相互节制而学习到重复的数据表征,提高网络的泛化能力。该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力,其特征检测层可从无标注数据中隐式地学习到深度结构特征,有效刻画光谱数据的非线性和随机波动性,避免了光谱特征的显式提取,体现出较强的数据拟合和泛化能力。不同层之间的权值共享能够减少冗余信息的干扰,有效化解传统多层次架构网络易陷入权值局部最小化的风险。实验表明,该深度架构网络在矮新星分类任务中能达到95.81%的准确率,超过了经典的LM-BP网络。     

前行中的合成化学:2018～2022年科学基金项目评审工作概述及展望

2018年国家自然科学基金委员会化学科学部对学科布局进行了优化与调整,设立合成化学(B01)学科申请代码,受理项目涉及传统的无机化学、有机化学、高分子化学与超分子化学等多个领域.本文综述了2018～2022年合成化学不同类型项目的申请与资助情况,并对合成化学的未来发展提出了一些思考和展望.