以卡那霉素为选择剂对盐酸地匹福林的毛细管电泳拆分

本研究以卡那霉素作为手性选择剂,采用毛细管电泳法对盐酸地匹福林对映体进行手性拆分,并对分离条件进行优化。考察了卡那霉素的浓度、缓冲溶液pH值、柱温及有机添加剂等因素对分离的影响。优化分离条件为:卡那霉素浓度0.6%;有机添加剂5%:乙腈-甲醇混合物(体积比9∶1);20mmol/L pH=2的磷酸盐缓冲溶液;进样:25psi×2s;分离电压+20kV;检测波长262nm;柱温25℃。在此优化分离条件下,盐酸地匹福林实现基线分离。该方法操作简便,可用于盐酸地匹福林对映体的分离。     

油楠树脂油化学成分的研究

采用毛细管气相色谱-质谱(CGC-MS)联用技术对油楠树脂油的化学成分进行研究,共分离出42个峰,并确认了其中39种成分,占总油量的94.31%。分离出的主要成分为蓖麻油酸(17.91%);7,7,8,8-四甲基二环[4.2.0]辛烷-1(6),3-二烯-2,5-二酮(7.60%);1,2-二乙基-3,4-二甲基-苯(6.70%);1,2,6,6-四甲基-1,3-环己二烯(5.35%);n-棕榈酸(4.47%);1,3,4-三甲基-3-环己烯-1-甲醛(4.17%)。     

分支通道内液-液自发渗吸规律研究

自发渗吸过程中两相界面在分支通道内的破裂和汇合为强非稳态过程, 难以用经典理论及常规数值计算方法准确描述。本文采用格子玻尔兹曼方法研究孔隙结构分支通道基本单元内的液-液自发渗吸行为, 对比出入口通道大小、两相黏度差异对液-液自发渗吸行为的影响。入口通道的大小对两相界面破裂进入分支通道内的竞争自发渗吸行为起控制作用, 而两相流体黏度控制了自发渗吸整体行为。本研究为复杂孔隙结构内液-液自发渗吸行为定量表征提供研究基础。     

关于两个图的一类新连接图的谱

给定2个图G1和G2，设G1的边集E(G1)={e1,e2,?,em1}，则图G1⊙G2可由一个G1，m1个G2通过在G1对应的每条边外加一个孤立点，新增加的点记为U={u1,u2,?,um1}，将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到，其中i=?1,2,?,m1。得到：（i）当G1是正则图，G2是正则图或完全二部图时，确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图，G2是任意图时，给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时，给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用，构建了无限多对A-同谱图、L-同谱图和Q-同谱图；同时当G1是正则图时，确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

Hierarchical and probabilistic quantum state sharing via a non-maximally entangled stateHierarchical and probabilistic quantum state sharing via a non-maximally entangled stateHierarchical and probabilistic quantum state sharing via a non-maximally entangled state

A scheme that probabilistically realizes hierarchical quantum state sharing of an arbitrary unknown qubit state with a four-qubit non-maximally entangled 丨X） state is presented in this paper. In the scheme, the sender Alice distributes a quantum secret with a Bell-state measurement and publishes her measurement outcomes via a classical channel to three agents who are divided into two grades. One agent is in the upper grade, while the other two agents are in the lower grade. Then by introducing an ancillary qubit, the agent of the upper grade only needs the assistance of any one of the other two agents for probabilistically obtaining the secret, while an agent of the lower grade needs the help of both the other two agents by using a controlled-NOT operation and a proper positive operator-valued measurement instead of the usual projective measurement. In other words, the agents of two different grades have different authorities to reconstruct Alice＇s secret in a probabilistic manner. The scheme can also be modified to implement the threshold-controlled teleportation.     

pH对毛细管电泳分离多肽的影响

设计了一个针对高年级本科生的毛细管电泳分离实验，用以研究pH对生物小分子多肽分离的影响。5种多肽包括Bradykinin、[Hyp3]-bradykinin、Angiotensin I、Leucine Enkephalin和[Met5]-Enkaphalin，被用于毛细管电泳的分离实验。研究了毛细管电泳生物分析实验中最重要的2个因素即电渗流和样品吸附随pH的变化以及对于分离的影响。在pH=10的条件下，酸性多肽几乎没有吸附，少量的碱性多肽有吸附。在pH=6的条件下，碱性多肽具有非常强的吸附从而导致非常差的分离效果，在pH=2.3的条件下，5种多肽都能被很好地分离，由于多肽此时都带有正电荷因此几乎没有吸附。而在此pH，电渗流消失。对具有一定分析化学基础理论知识的学生而言，这是一个非常好的生物分析实验，有助于学生充分理解相关环境因素对仪器分析的重要影响。     

Structural and electron charge density studies of a nonlinear optical compound 4,4 di-methyl amino cyano biphenylStructural and electron charge density studies of a nonlinear optical compound 4,4 di-methyl amino cyano biphenyl

The 4,4 dimethyl amino cyano biphenyl crystal （DMACB） is characterized by its nonlinear activity. The intra molec- ular charge transfer of this molecule results mainly from the electronic transmission of the electro-acceptor （cyano） and electro-donor （di-methyl-amino） groups. An accurate electron density distribution around the molecule has been calculated based on a high-resolution X-ray diffraction study. The data were collected at 123 K using graphite-monochromated Mo Ka radiation to sin（0）/X - 1.24 A-l. The integrated intensities of 13796 reflections were measured and reduced to 6501 independent reflections with 1 〉 3o＇（1）. The crystal structure was refined using the experimental model of Hansen and Cop- pens （1978）. The crystal structure has been validated and deposited at the Cambridge Crystallographic Data Centre with the deposition number CCDC 876507. In this article, we present the thermal motion and the structural analysis obtained from the least-square refinement based on F2 and the electron density distribution obtained from the multipolar model.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。