大豆油煎炸过程理化指标与LF-NMR弛豫特性的相关性研究

在对大豆油无料/薯条煎炸过程[温度:(180±5)℃,持续36 h]中的酸价(AV)、粘度(V)、吸光值(A)及总极性化合物(TPC)含量等及低场核磁共振(LF-NMR)弛豫特性(峰起始时间T21、T22、T23、相应的峰面积比例S21、S22、S23、单组份弛豫时间T2W)变化规律研究的基础上,利用多元回归分析建立了理化指标与其LF-NMR检测结果的相关性模型,并进行验证。结果表明:大豆油的酸价、TPC含量及S21峰面积均随煎炸时间的延长而线性增大,T21、T22峰起始时间及T2W则随煎炸时间的延长而线性减小(r2>0.90),粘度、吸光值随煎炸时间的延长逐渐增加并符合二项式关系(r2>0.90),而T23峰起始时间及S22、S23与煎炸时间之间无明显规律性变化。煎炸薯条后,油样的酸价、粘度、TPC含量、吸光值及S21均较无料煎炸显著增大(P<0.05),而T21、T22峰起始时间及T2W显著缩短。多元回归分析表明,酸价及TPC含量与T2W、T21,粘度与T2W,吸光值与S21间均可建立良好的相关性模型(R2>0.93)。模型验证合理可靠,可通过油样的LF-NMR检测结果有效预测其理化指标的变化。     

固体核磁共振技术在锡硅分子筛表征中的应用

生物质等绿色资源的高效转化利用是催化科学的重要发展方向.锡硅分子筛因具有优良的催化性能而得到相关研究者的普遍关注.准确构建催化剂活性中心结构/酸性与催化反应性能之间的构效关系是新型高效催化剂设计与研发的基础.固体核磁共振（NMR）是研究分子筛活性中心局域结构、酸特性与催化反应机理的重要手段.本文简述了近年来固体NMR技术在锡硅分子筛研究领域的一系列主要进展,并进行了展望.     

Effect of surface oxygen vacancy defects on the performance of ZnO quantum dots ultraviolet photodetector

The slower response speed is the main problem in the application of ZnO quantum dots (QDs) photodetector, which has been commonly attributed to the presence of excess oxygen vacancy defects and oxygen adsorption/desorption processes. However, the detailed mechanism is still not very clear. Herein, the properties of ZnO QDs and their photodetectors with different amounts of oxygen vacancy (V_O) defects controlled by hydrogen peroxide (H₂O₂) solution treatment have been investigated. After H₂O₂ solution treatment, V_O concentration of ZnO QDs decreased. The H₂O₂ solution-treated device has a higher photocurrent and a lower dark current. Meanwhile, with the increase in V_O concentration of ZnO QDs, the response speed of the device has been improved due to the increase of oxygen adsorption/desorption rate. More interestingly, the response speed of the device became less sensitive to temperature and oxygen concentration with the increase of V_O defects. The findings in this work clarify that the surface V_O defects of ZnO QDs could enhance the photoresponse speed, which is helpful for sensor designing.     

锌离子对聚乳酸结晶和热性能的影响

本文发现了Zn(II)离子掺杂可以加快聚乳酸的结晶过程. 测试了三种Zn(II)盐(ZnCl₂、ZnSt和ZnOAc),并与其它离子Mg(II)和Ca(II)进行对照. FT-IR以及变温拉曼光谱分析发现,经Zn(II)离子掺杂后,聚乳酸的结晶度和结晶速率均增加,差示扫描量热技术以及X射线衍射分析也进一步证实. 差示扫描量热技术测定PLA/ZnSt-0.4 wt%材料的结晶率达到22.46%,PLA/ZnOAc-0.4 wt%材料的结晶率达到24.83%.     

利用费曼路径积分理论分析多光子干涉

将费曼路径积分理论引入量子力学教学,用来分析光子干涉现象.对非简并的两光子和三光子干涉的关联函数进行了推导,并对干涉结果进行了模拟.模拟结果显示,非简并的多光子干涉是多光子聚束和量子拍效应叠加的结果.     

面向变厚度柔性轧制工艺的帽型梁横向冲击吸能优化设计

作为汽车主要吸能构件的帽型梁的吸能提升设计是备受关注的问题.研究表明,通过优化薄壁结构的厚度可有效提升吸能性能,但复杂的厚度分布造成制造困难.针对可实现厚度调控的工艺,发展易制造的结构设计方法极为必要.本文基于变厚度柔性轧制工艺(variable gauge rolling, VGR)可实现厚度调控的特点,发展建立帽型梁横向冲击吸能优化设计方法.基于变厚度柔性轧制工艺生产的柔性轧制板(tailor rolled blanks, TRB)的特点,将受横向冲击的帽型薄壁梁设计成沿轴线分段变厚度、分段间设梯度过渡段的结构形式,通过调整各段厚度、分段位置和过渡层梯度变化规律,实现性能的优化.以应变能密度分布均匀为优化准则、基于混合元胞自动机(hybird cellular automata, HCA)方法构建优化模型和求解方法,并在迭代过程中施加满足轧制约束的过滤函数,使结构满足轧制工艺要求.其中,轧制约束的过滤函数由粒子群算法自动寻找.基于本文方法,具体设计了柔性轧制帽型梁横向冲击吸能最优的分段位置、各段厚度及过渡段厚度的梯度过渡方式,设计结果验证了方法的有效性.      

Item2vec与改进DDPG相融合的推荐算法

传统的推荐算法能够有效解决信息过载问题,但在冷启动和数据稀疏的情况下,传统方法仍有其局限性。针对以上问题本文提出一种基于深度强化学习理论的推荐算法,该算法使用深度确定性策略梯度(DDPG,deep deterministic policy gradient,DDPG)算法来解决推荐问题,使用Item2vec将离散的动作空间转换为连续的表示,同时提出了一种余弦距离和欧氏距离相结合的奖励函数,能够保障神经网络不会过早的收敛于局部最优。应用该算法进行电影的推荐,实验结果表明本文提出的算法能够产生较好的推荐并能缓解冷启动所带来的影响。     

基于表面等离子共振的光纤探针折射率传感器

基于表面等离子体共振效应,设计一种锥形光纤探针折射率传感器。通过锥形结构理论模型与SPR共振模型,利用MATLAB与FDTD Solutions软件进行理论计算与模拟仿真,分析锥形光纤锥度比、传感区长度和银膜厚度对传感器发生共振时的共振深度的影响。通过对比所镀膜层的结构与厚度,从灵敏度与品质因素角度对传感器性能进行优化。结果表明随着锥形光纤锥度比增大,共振深度出现极值;传感区长度越长,共振深度越深;银膜在50 nm处传感器性能较优,银/二氧化钛复合膜结构的传感器灵敏度与品质因素高于单层膜结构传感器。     

一例环状四核Cu-Ln配合物的合成、结构及性质（英文）

合成了一例四核化合物{[CuL Pr(NO3)2(H2O)]2}n(I),并通过IR、元素分析、UV-vis光谱、热重分析和单晶X射线衍射进行了表征.该化合物属于P21/n空间群,单斜晶系.晶胞参数:a=1. 216 9 (3),b=1. 248 1(4),c=1. 507 1(4) nm,β=82. 337(2)°,V=2. 288(1) nm3,Z=4,C17H17CuN 4O11Pr,M=657. 80,ρc=1. 909 g/cm3,μ(MoKα)=3. 098 mm-1,F(000)=1 292,GOOF=1. 050,R1=0. 065 2,wR2=0. 191 3,I 2σ(I).在化合物I中,双核片段利用酰胺氧原子得到了一个四核结构.通过硝酸根离子在轴向位置与铜离子配位,得到了一个二维网状化合物.     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。