以催化应用为纽带链接基础化学2课程与多学科的交叉融合

“基础化学2”是面向“基础学科拔尖学生培养计划”大一本科生开设的一门理科专业基础课。针对学生因专业选择余地大容易觉得课程与专业联系不够紧密而学习积极性不高的问题，提出以元素及其化合物的催化应用为纽带，寻找合适的切入点，将化学基础知识与各相关学科研究前沿及工业应用相联系，建设具有学科交叉特色的基础化学教学体系的建议，突出培养学生的学科创新思维能力，体现理论与实践相结合的教学特色。     

基于气体浓度定量的嗅觉刺激器优化设计

现有的基于磁共振测量的嗅觉刺激器，通过调节嗅剂液体浓度的方法可以实现不同浓度的嗅觉刺激，但随着实验进行，受到嗅剂挥发以及实验环境（温度、湿度、气流量）变化的影响，很难确保输送至鼻腔的嗅剂气体浓度的稳定性，进而影响实验结果的准确性．本研究对本实验室前期开发的嗅觉刺激装置进行改进，实现了气体浓度精确定量．改进后的嗅觉刺激器主要分为三个部分：控制系统、反馈系统和气路系统．控制系统主要实现气路系统的送气控制和嗅剂气体浓度调节；反馈系统则负责对气体浓度进行测量；气路系统则在原有基础上添加活性炭装置，降低无关因素干扰．装置改进之后，不同气路切换时间为75.2 ms，比原装置减少了1 s，有效提高刺激精度．实验结果显示，气体浓度调节前，300 s内乙醇、吡啶、乙酸戊酯嗅剂气体浓度分别下降6.7%、71.4%、79.2%，嗅剂气体浓度短时间内发生较大改变．加入气体浓度调节功能后，当气体浓度下降至目标浓度的90%时，可通过调节气泵电压改变嗅剂气流与空气气流比例，从而调节嗅剂气体浓度至目标值，其中吡啶、乙酸戊酯用时13 s．     

一种基于卷积神经网络的恒星光谱快速分类法

恒星光谱数据的分类是天体光谱自动识别的最基本任务之一，光谱分类的研究能够为恒星的演化提供线索。随着科技的发展，天文数据也向大数据时代迈进，需要处理的恒星光谱数量越来越多，如何对其进行自动而精准地分类成为了天文学家要解决的难题之一。当前恒星光谱自动分类问题的解决方法相对较少，为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类。该网络由数据输入层、四个卷积层、四个池化层、全连接层、输出层构成，与传统网络相比具有局部感知、参数共享等优点实验。在Python3.5的环境下编程，利用Tensorflow构建了一个简单高效的具有四个卷积层的卷积神经网络，并将Dropout作用于全连接层之后以防止过度拟合。Dropout的基本思想：当网络模型进行训练时，把一些神经网络节点按一定的比例丢弃，使其暂时不发挥作用。Dropout可以理解成是一种十分高效的神经网络模型平均方法，由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒。实验中使用的一维恒星光谱图是取自LAMOST DR3数据库，首先进行预处理截取光谱3 600~7 300 Å的部分，均匀采样后使用min-max标准化法对其进行初始化。实验包括两部分：第一部分为依据恒星光谱MK系统对光谱进行分类，每一类的训练样本包含1 000条光谱数据，测试样本为400条光谱数据，首先通过训练样本对CNN网络进行训练，进行3 000次的迭代，用训练后的网络将测试样本进行分类以验证网络的准确性；第二部分为相邻两类的恒星光谱的分类，其中O型星数据集样本为250条光谱，其余类别恒星样本数据集均为4 000条光谱，将数据5等分，每次选取当中的一份当作测试集，其余部分当作训练集，采用5折交叉验证法求得模型准确率，用BP神经网络进行对比实验。选择对网络模型进行评估的指标包括精确率P、召回率R、F-score、准确率A。实验结果显示CNN在对六类恒星光谱进行分类时其准确率都在95%以上，在对相邻类别的恒星进行分类时，由于O型星样本量较少，所以得到的分类结果不太理想，对其余类别的恒星分类准确率都高于98%，以上结果都证明了CNN算法能够很好地解决恒星光谱的分类问题。     

含时滞反馈与涨落质量的记忆阻尼系统的随机共振

针对具有记忆效应的欠阻尼系统, 存在时滞反馈与涨落质量, 本文主要研究了其输出稳态响应振幅的随机共振效应. 首先通过引入新变量和运用小时滞近似展开理论, 将具有非马尔科夫特性的原系统转化为等价的两维马尔科夫线性系统, 再利用Shapiro-Loginov公式和Laplace变换获得了系统响应的一阶稳态矩和稳态响应振幅的解析表达式. 结果表明: 当系统参数满足Routh-Hurwitz稳定条件时, 稳态响应振幅随质量涨落噪声强度、周期驱动信号频率以及时滞的变化均存在随机共振现象, 其中随机多共振现象也被观察到. 在适当范围内, 通过控制时滞反馈, 系统的随机共振效应随着时滞的增大而增强, 而较长的记忆时间及增大阻尼参数均对共振行为呈现抑制作用.有效调控时滞反馈与记忆效应的变化关系将有助于增强系统对周期驱动信号的响应强度. 最后, 通过数值模拟计算验证了理论结果的有效性.      

一类具有时滞的商业周期模型的分支控制

应用一种基于时滞反馈的分支控制方法,对一类具有时滞的商业周期模型的Hopf分支进行了控制.以时滞作为分支参数,当时滞达到某个阈值时,无控系统失去稳定性,Hopf分支产生:将时滞反馈控制器引入无控系统,可以使Hopf分支延迟发生或消失.数值仿真的结果验证了该方法的有效性.     

急停起跳落地阶段的下肢生物力学分析

比较了不同性别间的运动学参数差异，采用皮尔森相关系数检验确定了下肢动力学和运动学参数间的相关性。结果表明：女性受试者在整个落地阶段膝、髋关节最大屈曲角度、前后方向上摩擦力峰值、膝关节屈伸力矩峰值出现了显著性的减小。落地阶段髋关节屈曲角度与前后方向上的摩擦力峰值呈现显著相关。落地初期膝关节屈曲角度与前后方向上摩擦力峰值和垂直方向上地面反作用力均呈现显著相关。落地初期膝、髋关节的屈曲角度不一定会降低落地阶段的冲击力，但是积极的髋、膝关节活动可以降低落地阶段的冲击力。落地初期髋、膝关节的活动度是影响膝关节前十字交叉韧带损伤的重要因素。     

分布反馈太赫兹量子级联激光器实现高功率单模输出

太赫兹量子级联激光器(THz QCL)是一种基于超晶格或耦合多量子阱中电子共振隧穿和子带间跃迁的单极光源,其辐射频率可通过能带和波函数设计进行调控,具有响应速度高、体积小、便于集成等优点。近年来,国际上多个科研团队展开了对THz QCL的密集研究,器件性能取得了显著的进展。针对THz QCL的实际应用,目前急切需要解决两个方面的问题:第一方面,受限于严重的大气衰减、光束合成等困难,急需解决THz QCL功率输出提升的问题。第二方面,研制窄线宽、高功率单模输出的太赫兹本振源。     

周期激励下的前包钦格呼吸神经元的簇振荡现象研究

研究周期激励作用下的非自治前包钦格呼吸神经元模型,结果表明当外界激励频率与系统固有频率存在着量级差距时,系统可以产生典型的簇放电模式.由于激励频率远小于系统的固有频率,因此将整个周期激励项视为慢变参数,从而可以利用稳定性分析理论研究慢变参数变化下的平衡点的分岔类型,进一步应用快慢动力学分析方法给出簇模式产生的动力学机理.本文的结果说明外界激励对神经元的动力学行为有着重要影响,为进一步揭示呼吸节律的产生机制提供了重要帮助.     

冻结立井爆破近区井壁振动信号基线漂移校正和消噪方法

冻结立井爆破过程中，近区监测信号中含有的基线漂零及噪声成分对其局部特征精细化提取影响显著。在对近区井壁振动信号有效采集基础上，通过互补总体经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）方法、稀疏化基线估计消噪（baseline estimation and de-noising with sparsity, BEADS）方法和隐马尔可夫模型消噪（hidden Markov model de-noising, HMMD）方法等，解决了信号中基线漂移和随机噪声消除难题，并采用交叉小波变换对校正和消噪效果进行了相关性评价。实例分析结果表明:信号中缓变的基线成分遍历信号各个模态分量的整个过程，且主要集中于低频分量中，而噪声则集中在高频分量。组合分析方法对低频基线漂零和高频噪声的处理效果好，是一种高效且相对保幅的信号分析方法，可用于批量信号数据的预处理过程。     

英国国家科研与创新署学科交叉研究资助机制及启示

Newly established in 2018, the UK Research and Innovation (UKRI) strengthens the strategic coordination of the UK research and innovation system by bringing together seven Research Councils, Research England, and Innovate UK. Through its nine organizations, UKRI funds multidisciplinary and interdisciplinary research in a number of priority areas. It also runs the Strategic Priorities Fund to support multidisciplinary and interdisciplinary research in strategic areas identified by government policies as well as the Global Challenges Research Fund to promote challenge-led interdisciplinary research needed by developing countries. The UKRI makes significant efforts to engage stakeholders in the development, design, and implementation of multidisciplinary and interdisciplinary programs. It has also developed a range of mechanisms to improve the evaluation of multidisciplinary and interdisciplinary projects. Chinese science and innovation funding agencies could draw upon the UKRI experience from four aspects to advance interdisciplinary research in China.