格的反软理想

首先给出了格的反软理想新概念,证明2个反软理想分别在软集的限制并和"或"运算下仍然是反软理想.其次,利用软集的反对偶给出反软理想的等价刻画.再次,利用软集的反扩张原理给出反软理想在同态映射下反像与原像的性质.最后,在全体反软理想组成的集合H上,引入链条件并讨论H是阿丁的或诺特的充要条件.     

纳米复合材料催化发光法测定空气中的苯系物

基于苯系物在纳米材料上的催化发光现象,建立了一种快速测定空气中苯系物的方法。在铜锰铁复合纳米材料上的最佳测定条件为：检测波长460nm,表面温度320℃,气体流速120mL/min。方法的检出限（3σ）为0．5mg／m^3,线性范围为1～80mg／m^3,相关系数为0．9995。对常见共存物的研究表明,方法有较好的选择性。     

蒙特卡罗模拟中基于双向链表的元胞链表方法

较之分子动力学, 蒙特卡罗能够实现非局域的粒子移动, 从而解决一些分子动力学不容易模拟的问题. 非局域的粒子移动主要包括模拟化学反应时粒子产生和消失的过程, 高分子模拟时的扭折-跳跃、绕枢轴转动和蠕动以及位形偏倚蒙特卡罗中链的回溯和再生. 然而在蒙特卡罗方法处理非局域移动时, 并不存在一种计算短程作用的计算复杂度为 的算法, 从而限制了蒙特卡罗方法的应用. 本文基于双向链表的数据结构, 发展了蒙特卡罗模拟中因粒子删除和插入而引起的短程势能变化的计算复杂度为 的元胞链表方法. 所有非局域的粒子移动可以转化为粒子的删除和插入, 因此该方法适用于上述所有情形. 此外, 由于Metropolis算法中给某粒子一个随机位移的过程可以看成旧位置粒子的删除以及新位置粒子的插入, 因此该方法也适用于Metropolis算法中粒子的随机移动.     

掺硼金刚石膜研究进展及应用

掺硼金刚石在原有金刚石高硬度、高稳定性、良好的生物相容性等优良性能的基础上,具有半导体甚至低温超导特性,以及宽的电化学势窗、低背景电流等电化学优势。目前,掺硼金刚石膜被公认为是极佳的电化学电极材料,大量研究工作集中在硼的掺杂方式、掺硼金刚石膜微观形貌控制、掺硼金刚石膜表面修饰等方面,以优化掺硼金刚石膜的性能,拓展其应用空间。本文基于对掺硼金刚石结构的认识,综述了其电学及电化学性能研究进展,阐述了其主要制备方法。并分析了掺硼金刚石膜作为电极在消毒杀菌、废水处理、超级电容器、生物传感器等领域的应用现状及前景。     

新型多吡啶铂(Ⅱ)络合物的设计、合成及性能研究

<正>由于特殊的分子构型及电子排布,具有平面四边形构型的多吡啶Pt(Ⅱ)络合物能够产生许多特殊的、具有潜在应用价值的激发态性质．本论文设计、合成了一系列以三联吡啶、6-苯基-2,2’-二联吡啶、菲啰啉为主配体,取代苯乙炔为辅助配体的多吡啶Pt(Ⅱ)络合物,系统地研究了它们的光物理性质,取得如下有意义的研究结果:     

对硝基苯酚荷移分光光度法测定盐酸环丙沙星

在pH=6.5—7的近中性水溶液中,盐酸环丙沙星与对硝基苯酚能发生荷移反应,形成稳定1∶1的荷移络合物。其最大吸收波长λmax为402.5nm,表观摩尔吸光系数为2.49×104L·mol-1·cm-1;盐酸环丙沙星在1—80μg/mL范围内符合比耳定律。用于盐酸环丙沙星纯粉和片剂的测定,取得了满意的结果。     

核磁共振法测定奥扎格雷钠含量

利用核磁共振波谱技术对国家级新药奥扎格雷钠的测定可行性进行了研究,建立了用非待测物为内标的定量测定奥扎格雷钠含量的方法.方法的线性回归系数为0.9986,稳定性试验RSD平均值为0.32%,重复性试验RSD平均值为0.27%,与常规的奥扎格雷钠测定方法相比,本方法具有快速、简单、准确、不破坏样品等优点.     

高取代度淀粉磷酸酯的理化性质及结构表征

以磷酸二氢钠、磷酸氢二钠的混盐为酯化剂,干法制备高取代度木薯淀粉磷酸酯(CSP-HDS)。研究表明,取代度不同时,产物的表观粘度、糊透明度、凝沉性、冻融稳定性均不相同。与木薯淀粉相比,酯化反应后产物粘度增大,糊透明度、凝沉性及冻融稳定性得到改善。XRD分析表明酯化反应主要发生在淀粉分子的非结晶区,对结晶区破坏不明显;SEM分析显示酯化后大部分淀粉颗粒保持原来形貌,仅少数团粒受到侵蚀。     

油田用水基纳米聚硅增注剂的制备及其性能研究

以超疏水的纳米聚硅乳液为前躯体,选用复配的表面活性剂,将超疏水的纳米聚硅核均匀分散在水中,制备了水基纳米聚硅乳液.该乳液分散性和稳定性较好,可以完全用水取代柴油作携带介质将纳米聚硅材料带入井下.模拟岩芯驱替试验表明岩芯经水基纳米聚硅乳液处理后,水的流速平均从0.250 mL/m in增加到0.475mL/m in,增加了90.0%,增注效果十分显著.岩芯的X射线光电子能谱分析显示,纳米聚硅和表面活性剂能吸附在岩石表面上,改变岩石表面的润湿性,提高水相相对渗透率.     

学习向量量化神经网络用于胃癌组织样品分类识别的研究

将lvq神经网络(Learn ing Vector Quantization Neural Networks)用于胃癌组织样品的分类识别,根据胃癌组织及相应正常组织的FTIR光谱的主要特征吸收峰值(包括vas(CH3)、vs(CH2)、δ(CH2)、v(C-O)、vs(PO2-)、vas(PO2-)和vs(核酸,细胞蛋白及膜脂))全部或部分作为网络输入向量,对未知的胃组织样品进行分类识别,结果显示:i)以上述全部七个谱峰为输入向量时,网络经训练学习后,其平均识别正确率最高(达89.3%),表明该网络对胃癌组织样品的分类识别是满意的,完全可作为临床医学的辅助诊断手段;ii)总体上,当作为输入向量的FTIR特征谱峰越多时,则网络的平均分类识别正确率越高;iii)作为输入的FTIR特征谱峰不同时,则网络的平均分类识别正确率也不同。