激光捕获技术及其发展

激光捕获技术是利用光辐射力来捕捉、移动和操纵微粒的先进技术。光镊即单光束梯度力光阱是通过在高度会聚的激光束束腰附近所产生的极高的场强梯度来形成皮牛顿量级的力,可以三维地捕获和操纵微小粒子。阐述了激光捕获技术的模型和原理以及系统的基本结构;追踪了激光捕获技术的最新研究进展;介绍了非高斯型光阱、光纤光阱和全息光镊等几种特殊形式,并分析了每种形式的特点。展望了激光捕获技术的发展前景。     

模拟纳米晶体原子分布及X射线散射理论图案

通过分子动力学方法模拟纳米晶体（1—3nm）的结构．利用模拟的结果，进行了X射线衍射及径向分布函数的模拟计算．结果表明：纳米晶体晶界呈短程有序，界面原子间距分布很宽；随着晶粒尺寸的减小，晶粒的畸变越大，原子体积常数也明显增大 关键词：     

急性缺氧条件下EP、CM、CAP以及耳蜗毛细胞的形态学变化

本实验用同一根玻璃微电极在豚鼠耳蜗中阶记录ＥＰ（ＥｎｄｏｃｏｃｈｌｅａｒＰｏｔｅｎｔｉａｌ，耳蜗内电位）、ＣＭ（ＣｏｃｈｌｅａｒＭｉｃｒｏｐｈｏｎｉｃｓ，耳蜗振电压）、ＣＡＰ（ＣｏｍｎｏｕｎｄＡｃｔｉｏｎＰｏｔｅｎｔｉａｌ，复合动作电位），观察在不同缺氧状态下，三者动态变化过程．发现在缺氧初始（１—２分钟），ＣＭ和ＣＡＰ随ＥＰ同步迅速下降；但缺氧３—６分钟时，ＣＭ下降缓慢，似一“平台”，而ＣＡＰ和ＥＰ继续同步下降；缺氧７—１２分钟时，三者又倾于平行。扫描电镜观察：ＩＨＣ（内毛细胞）表面由底四到三圈出现广泛分泌物和球状物，ＯＨＣ汐（毛细胞）表面出现局限性分泌物和球状物，静纤毛融合。结果表明：ＯＨＣ和ＩＨＣ的功能状态与氧代谢密切相关，ＣＭ直接受ＯＨＣ和ＩＨＣ结构变化的影响。ＣＭ下降过程中的平台，则可能与盖膜（ＴＭ）的压电效应有关。ＣＡＰ的变化不完全依赖于ＣＭ。     

手性Salen-Co(Ⅱ)配合物催化芳香酮不对称还原反应研究I

目前,以廉价的氢气为氢源,由潜手性的酮不对称加氢是制备手性醇最好的方法之一[1].但存在手性催化剂的膦配体不稳定以及贵金属(Ru、 Rh)的流失等问题.硼氢化钠是一种较温和的氢化试剂,Mukaiyama等用具有C2对称轴的一系列光学活性的二亚胺钴配合物催化硼氢化钠不对称还原芳香酮,实现了以硼氢化钠为氢源的不对称氢化反应[2].     

聚天青A膜修饰电极的电化学特性及其对亚硝酸根的电催化性能

在玻碳电极上以循环伏安法制备了聚天青A膜修饰电极(PAAE) ,天青A能够在玻碳电极上形成稳定的聚合膜 ;通过正交试验确定了电聚合天青A的最佳条件 ,研究了该修饰电极的电化学特性 ,并讨论了其对亚硝酸根的电催化还原作用 ;结果表明 ,亚硝酸根在PAAE上有很好的电流响应 ,催化峰电流与亚硝酸根浓度在1.0×10-5 ～4.0×10-3 mol/L之间呈良好的线性关系     

巯基乙酸自组装膜DNA电化学传感器对转基因NOS的定量检测

以转基因植物中常用的根癌农杆菌终止子(NOS)为检测对象, 将巯基乙酸自组装于金电极表面形成巯基乙酸自组装单分子膜, 再利用乙基-(3-二甲基氨丙基)碳二亚胺盐酸盐(EDC)和N-羟基琥珀酰亚胺(NHS)的活化作用将NOS探针ssDNA序列固定于金电极表面形成NOS电化学生物传感器, 以亚甲基蓝(MB)为杂交指示剂, 对NOS靶基因相关序列进行了定量检测.     

二氢茉莉酮酸甲酯的简便合成方法

本文报道二氢茉莉酮酸甲酯的简便合成方法。先由丁二酸和庚酰氯反应得到2-戊基-1,3-环戊二酮(1),再用甲醇醚化1,可得到2-戊基-3-甲氧基-环戊-2-烯酮(2)。2与丙二酸二甲酯反应生成(2-戊基-3-酮-1-环戊烯-)基乙酸甲酮(3)。最后,催化氢化3,便可得到二氢茉莉酮酸甲酯(4)。     

镁电解槽中制备镁稀土合金的电解工艺及机制研究

在模拟镁电解槽中,采用电解法制备出稀土含量<10%的镁稀土合金;研究了熔盐中RECl3和CaCl2的含量、电解温度和阴极电流密度对合金中RE含量和电流效率的影响。并采用循环伏安实验和还原实验研究电解制备镁稀土合金的机制。研究结果表明,电解制备镁稀土合金最佳的工艺条件为:熔盐中RECl3和CaCl2的含量分别为3%和10%(质量分数),电解温度为948 K,阴极电流密度约为8 A.cm-2。其电解过程机制为:阴极上只电解出金属镁,而后金属镁把稀土元素还原出来,形成镁稀土合金。     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于改进极根学习机的回转窑煅烧带温度预测方法

针对传统算法预测回转窑煅烧带温度存在精度低、速度慢的问题,提出了基于改进极限学习机(ELM)的回转窑煅烧带温度预测方法。对ELM输入权值矩阵定义了变换系数,采用黄金分割法在给定区间内搜寻变换系数的最佳值,改进了ELM网络参数的确定方式,弥补了随机确定输入权值并且不作调整的缺陷,在保证ELM训练速度的前提下提高预测精度、减小模型随机性。实验结果表明,改进的ELM预测精度高、训练速度快、模型性能优,可满足工况恶劣的回转窑的生产需要。