基于分步式压印光刻的激光干涉仪纳米级测量及误差研究

针对在未做隔离保护处理的环境中，基于Michelson干涉原理的激光干涉仪测量系统存在严重的干扰误差，不适合分步式压印光刻纳米级对准测量的要求.采用Edlen公式的分析及计算，不仅在理论上揭示出环境温度、湿度、气压等变化对激光干涉仪测量准确度的影响，而且证明影响测量准确度的最大干扰源是空气流动的结果.通过气流隔离措施和系统测量反馈校正控制器，能够实时补偿激光干涉仪两路信号的相差.最终，测量漂移误差在10 min内由13 nm降低到5 nm以内，满足压印光刻在100 mm行程中达到20 nm定位准确度要求.     

压印光刻中的两步对正技术

压印光刻中套刻需要粗、精两级对正.实验采用一对斜纹结构光栅作为对正标记.利用物镜组观察光栅标记图像的边界特征进行粗对正,其准确度在精对正信号的捕捉范围内；利用光电接收器件阵列组合接收光栅莫尔信号，在莫尔信号的线区进行精对正.由于线性区的斜率大, 精对正过程中得到相应x,y方向的对正误差信号灵敏度高,利用高灵敏度对正误差信号作为控制系统的驱动信号,对承片台进行驱动定位,实现精对正.最终使X,Y方向上的重复对正准确度分别达到了± 21 nm(± 3σ)和±24 nm(± 3σ).     

湛江港湾海产动物污染残毒的测定与评价

介绍了用原子吸收分光光度法等测定湛江港湾海产动物的污染残毒水平，并对其残毒水平及海产品质量进行了评价。     

碱性介质中二(碲酸根)合铜(Ⅲ)酸根氧化乙二醇一乙醚的反应动力学及机理

在碱性介质中用分光光度法研究了二过碲酸合铜(Ⅲ)配离子(DTC)氧化乙二醇一乙醚(EGE)的反应动力学及机理。反应速率表明:反应对DTC为准一级,对EGE为分数级;在保持准一级条件([EGE]》[DTC])下,表观速率常数随着OH^-浓度的增加而增大,随着TeO₄^2-浓度的增加而减小;有负的盐效应。据此提出了包括配离子和EGE形成络合物的前期平衡的反应机理,由假设反应机理推出的速率方程能很好的解释全部实验现象,进一步求得速控步的速率常数和活化     

反相高效液相色谱-增敏化学发光同时测定VB1和VC

本文基于维生素B1(VB1)、维生素C(VC)对鲁米诺(Luminol)和铁氰化钾(K3[Fe(CN)6])化学发光反应的增敏作用原理,建立了反相高效液相色谱(RP-HPLC)分离、柱后化学发光检测VB1与VC的新方法。当在鲁米诺中加入KBr时可以大大增敏该反应。本法已成功运用于蜂蜜和复合维生素片中VB1与VC的测定。     

亲和层析在蛋白质研究中的应用进展

文中介绍了生物、免疫、固定化金属离子拟生物几类常规亲和层析的原理及其在蛋白质分离纯化以及分析鉴定方面的应用（引用文献25篇）。     

微液滴在仿蛛丝结构TiO2纤维表面的定向运动与粘附

制备了具有响应性的仿蛛丝周期纺锤节TiO₂纤维。通过改变纤维表面微观结构、紫外光照和超声波等手段,仿蛛丝结构TiO₂纤维表面浸润性会发生响应性变化。纤维表面的这种浸润性变化,不仅实现了水滴从纺锤节两端到中心处的定向运动,而且可以使得水滴被纤维纺锤节粘附。当仿蛛丝结构TiO₂纤维表面为亲水状态时,无论纺锤节光滑还是粗糙,水都是从纺锤节两端向中心方向运动;当仿蛛丝TiO₂纤维表面疏水时,水滴会被具有粗糙表面的纺锤节两端粘附。     

密闭高压消解–ICP–AES测定进口铜精矿中铅、镉、汞、砷

采用密闭高压消解法对样品进行消解,用电感耦合等离子体发射光谱法(ICP–AES)测定进口铜精矿中的铅、镉、砷、汞有害元素。铅、镉、砷、汞的工作曲线分别在0~10,0~1,0~4,0~0.6μg/mL范围内线性良好,线性相关系数大于0.999。各元素加标回收率均为91.0%~104.7%,相对标准偏差均小于3%(n=7)。将密闭高压消解法与电热板加热法和微波消解法进行了比对分析,结果显示,密闭高压消解–ICP–AES法适合用于铜精矿样品的消解与测定。     

无机化学教材建设的传承、发展与创新

回顾了吉林大学无机化学学科教材建设的历史,从恢复高考招生制度后我国的第一部无机化学教材的编写,到该书第2版、第3版的修订,到配套的无机化学实验教材及无机化学习题集、无机化学习题解答的编写,处处凝结着无机化学教师们智慧的结晶,形成了厚重的历史积淀。随着新世纪的到来,顺应新时代要求、新兴的编者队伍在教学实践中成长壮大,编写出全新的无机化学教材。经过几代教师的努力,无机化学教材不断发展和完善,形成了多层次、系统性、立体化、高质量的精品无机化学教材体系,可满足不同层次、不同专业、不同教学计划的需求,在全国高校无机化学教学活动中发挥了重要作用。     

人工智能在锂离子电池研发中的应用

锂离子电池已成为解决现代社会储能问题的最佳解决方案之一。然而,电池材料和器件开发都是复杂的多变量问题,传统的依赖研究人员进行实验的试错法在电池性能提升方面遇到了瓶颈。人工智能（AI）具有强大的高速、海量数据处理能力,是上述突破研究瓶颈的最具潜力的技术。其中,机器学习 (ML) 算法在评估多维数据变量和集合之间的组合关联方面的独特优势有望帮助研究人员发现不同因素之间的相互作用规律并阐明材料合成和设备制造的机制。本综述总结了锂离子电池传统研究方法遇到的各种挑战,并详细介绍了人工智能在电池材料研究、电池器件设计与制造、材料与器件表征、电池循环寿命与安全性评估等方面的应用。最重要的是,我们介绍了AI和ML在电池研究中面临的挑战,并讨论了它们应用的缺点和前景。我们相信,未来实验科学家、数学建模专家和AI专家之间更紧密的合作将极大地促进AI和ML方法用以解决传统方法难以克服的电池和材料问题。