甲苯溶解直接进样-电感耦合等离子体原子发射光谱法测定柴油抗磨剂中11种微量元素

0.500 0g柴油抗磨剂样品用10mL甲苯溶解,然后用甲苯定量至30g,采用电感耦合等离子体原子发射光谱法测定样品溶液中钠、钾、钙、镁、铁、钼、锌、磷、硼、硅、锡等11种微量元素。氧气流量为30mL·min~(-1),钠、钾、钙、镁、铁、钼、锌、磷、硼、硅、锡的分析谱线依次为588.957 0,766.444 0,393.386 0,279.512 1,259.913 0,202.016 7,213.815 8,214.915 7,249.713 5,251.613 4,189.917 7nm。在等离子体气体中加入氧气有效消除了积碳现象,以钇为内标元素。11种元素的线性范围均为0.05~10.0mg·L~(-1),检出限(3s)为0.001 2~0.086 1 mg·kg~(-1)。在1.000 mg·kg~(-1)浓度水平进行加标回收试验,回收率为95.7%~107%,测定值的相对标准偏差(n=6)为1.3%~4.7%。     

氩气在线稀释-电感耦合等离子体质谱法直接测定饱和食盐水中总砷

应用氩气在线稀释克服了电感耦合等离子体质谱法直接测定饱和食盐水中总砷时高盐的基体效应。运用碰撞池技术,有效消除40 Ar35Cl+对砷的干扰;通过在线加入甲醇溶液,提高砷的灵敏度。试验结果表明:砷的线性范围在10.0μg·L~(-1)以内,检出限(3s)为0.092μg·L~(-1),加标回收率在90.2%~111%之间,测定值的相对标准偏差(n=6)在1.7%~4.2%之间。     

电感耦合等离子体原子发射光谱法测定车用催化转化器中铂铑钯北大核心CSCD

汽车尾气是大气最主要的污染源之一,世界上许多国家都相继制定了限制汽车尾气排放的法规,并且为实现＂低排放甚至零排放＂,对尾气排放的要求越来越严格。     

新型FITC掺杂的二氧化硅荧光纳米粒子的合成及其应用于pH传感的研究

将异硫氰酸荧光素(FITC)与3-氨基丙基三甲氧基硅烷(APTMS)反应制得前驱体FITC-APTMS,采用油包水微乳液法,利用APTMS与正硅酸乙酯(TEOS)的共水解与聚合作用,制备了FITC掺杂的二氧化硅核壳型荧光纳米粒子。经TEM与荧光光谱表征及光稳定性实验与染料泄露实验等,表明所制得纳米颗粒呈规则球形,粒径为(150±15)nm,具有良好的单分散性与光稳定性,不易发生染料泄露。这种纳米颗粒对pH值敏感,在pH3.6～9.7范围内,荧光强度与溶液酸度有良好的响应,其中在pH6.0～9.0之间呈良好的线性关系,此纳米颗粒能被单个小鼠神经干细胞吞噬,可应用于细胞的pH值实时监测。     

用滤波片操控Hong-Ou-Mandel干涉的实验研究

基于Brańczyk的理论工作,考虑干涉滤波片的谱函数对干涉结果的影响,推导出更加普适的Hong-Ou-Mandel干涉符合概率公式,从而增加干涉实验的可操控性.用带宽不同的干涉滤波片系统研究了Hong-Ou-Mandel干涉现象,得到与理论预测相吻合的实验结果.实验数据和理论仿真均显示,通过使用不同带宽的干涉滤波片可以灵活调节干涉曲线,以获得较高的平台符合计数率和干涉可见度.实验中测得的干涉可见度均高于97%,最高达到99.9%,验证了实验方案的可靠性.研究结果对于同类的量子干涉实验也具有参考价值.     

超级微波消解-全自动重金属分析联用系统测定土壤中18种元素的含量北大核心CSCD

以超级微波消解-全自动重金属分析联用系统测定土壤中18种元素(锂、铍、钒、铬、锰、钴、镍、铜、锌、砷、钼、银、镉、锑、铊、铅、铋、铀)的含量。取0.1 g土壤于消解管中,将消解管加载至上述联用系统,按照以下步骤自动完成加酸、消解、稀释、测定:加入1 mL水润湿样品,再加入1.5 mL硝酸、0.5 mL盐酸和0.5 mL氢氟酸,并程序升温至260℃,保温30 min;冷却、泄压、用水稀释后,用电感耦合等离子体质谱法测定。结果表明:18种目标元素的质量浓度均在一定范围内与其对应的信号强度与内标元素铑信号强度的比值呈线性关系,检出限(3s)为0.001~0.300μg·L^(-1);方法用于土壤成分分析标准物质GSS-2、GSS-13和GSS-27的分析,测定值均在认定值的不确定度范围内,其相对标准偏差(n=6)为1.3%~5.3%。方法消解用酸量仅为HJ 803-2016的50%,且自动化程度高、分析快速,适用于大批量土壤样品的分析。     

The coupled deep neural networks for coupling of the Stokes and Darcy-Forchheimer problems

We present an efficient deep learning method called coupled deep neural networks (CDNNs) for coupling of the Stokes and Darcy-Forchheimer problems. Our method compiles the interface conditions of the coupled problems into the networks properly and can be served as an efficient alternative to the complex coupled problems. To impose energy conservation constraints, the CDNNs utilize simple fully connected layers and a custom loss function to perform the model training process as well as the physical property of the exact solution. The approach can be beneficial for the following reasons: Firstly, we sample randomly and only input spatial coordinates without being restricted by the nature of samples. Secondly, our method is meshfree, which makes it more efficient than the traditional methods. Finally, the method is parallel and can solve multiple variables independently at the same time. We present the theoretical results to guarantee the convergence of the loss function and the convergence of the neural networks to the exact solution. Some numerical experiments are performed and discussed to demonstrate performance of the proposed method.     

基于静态呼吸图技术的图案化方法

对呼吸图技术制备二维有序多孔结构的研究进展进行了综合评述, 并重点介绍了本课题组发展的静态呼吸图技术. 利用静态呼吸图法, 可制备高度有序的聚合物、聚合物/无机物微孔膜. 这些有序的结构可以直接应用于光掩膜. 进一步, 多孔聚合物膜可以被紫外光交联和改性. 表面改性的多孔聚合物膜可以用于细胞支架. 而交联的聚合物/无机物前驱体微孔膜可以用来制备无机纳米材料阵列. 结果表明, 静态呼吸图技术是一种简单、高效的对聚合物、聚合物/无机物薄膜进行图案化的通用方法,并展示了图案化薄膜广阔的功能化前景.     

构建支持向量机-偏最小二乘法为药物构效关系建模

为研究药物构效关系积累样本数据的过程中,需为小样本建模。此时较易造成过拟合,影响模型的预测性能和稳定性。为此可用偏最小二乘(PLS)法从样本数据中成对地提取最优成分,消除自变量间的复共线性,并有效的降维,然后应用最小二乘支持向量机对成对成分进行非线性回归,并以基于误差修正的策略调整,使之更有效地表达自、因变量间的非线性关系。由此构建为EB-LSSVM-PLS算法,所建模型的预报精度高,稳定性良好。将其应用于新型黄烷酮类衍生物的QSAR建模,效果令人满意,其泛化性能优于其它方法。