基于分枝菌酸的分枝杆菌反相高效液相色谱分型鉴定方法

采用反相高效液相色谱法(HPLC)构建了49种分枝杆菌标准菌株的分枝菌酸指纹图谱库,并对分枝杆菌进行分型鉴定。菌株经培养(对于慢生长分枝杆菌培养3周,快生长分枝杆菌培养1周)后,取两植菌勺的量,皂化1 h后,于4 ℃下储存。通过酸化方法提取分枝菌酸,并用4-溴苯甲酰基溴衍生化,以HPLC分析分枝杆菌衍生物,并以其峰形的分布及峰的相对保留时间、相对峰高为指标对分枝杆菌进行分型鉴定。该法重现性良好,各峰保留时间的相对标准偏差为0.13%～1.07%。根据构建的49种《伯杰细菌鉴定手册》中所载入的分枝杆菌标准菌株的分枝菌酸指纹谱库,发现不同菌种的分枝菌酸的指纹图谱分别具有单簇峰、双簇峰、三簇峰(含多簇峰)的特征。依据相对保留时间和相对峰高的不同,对49种分枝杆菌中的41种进行了分型。结果表明,所建立的反相HPLC法可快速准确地对分枝杆菌进行分型鉴定。     

相变材料辅助的光子卷积神经网络加速器

由于卷积神经网络(CNN)识别精度与人类接近，故其在计算机视觉、图像和语音处理等方面取得了巨大的成功，但这种成功离不开硬件加速器的支撑。受到电子器件功率与速率的限制，当前的电加速器难以满足未来大规模卷积运算对硬件算力和能耗的需求。作为一种替代方案，提出了一种低能耗存算一体光子CNN加速器结构。该结构采用微环谐振器和非易失性相变材料Ge₂Sb₂Te₅构成无源光学矩阵乘法器来实现存内计算，从而减小了权重数据读取的能耗。利用Ansys Lumerical仿真平台验证了10 Gb/s与20 Gb/s速率下4×4规模的光学矩阵乘法的运算。与传统的基于电光微环谐振器的光子CNN加速器数字电子与模拟光子(DEAP)相比，所提加速器结构在保持原运算速率的情况下减少了48.75%的功耗，并且在矩阵运算处的面积能够减少49.75%。此外，基于MNIST与notMNIST数据集对所提加速器的推理效果进行了仿真验证，识别精度分别为97.80%和92.45%。