表面活性剂对污泥脱水性能影响的机理研究:Gemini表面活性剂与聚电解质相互作用的分子动力学模拟

表面活性剂可以与污泥表面的胞外聚合物(EPS)吸附形成胶束,释放出自由水和结合水,从而达到改善污泥脱水性能的目的.本文采用粗粒化的分子动力学模拟方法,研究了Gemini表面活性剂与EPS形成复合物的过程和结构.聚电解质链的亲疏水性对吸附过程有显著影响,亲水聚电解质链与Gemini表面活性剂吸附的主要驱动力为静电吸引,Gemini表面活性剂头基吸附在链上,尾链朝向溶剂;疏水聚电解质链与Gemini表面活性剂吸附过程由静电作用与疏水作用共同促进,Gemini表面活性剂以平行于聚电解质链的构型存在.Gemini表面活性剂联结基团长度对吸附过程的影响甚微;聚电解质链的电荷密度对亲水聚电解质链的吸附产生协同作用,对疏水聚电解质链的吸附不产生作用.     

对氨基苯磺酸锌配合物的绿色合成及结构表征

锌配合物的绿色合成与表征是结合配合物基础知识和当前科学研究热点设计改进的一个综合性实验。本文以水为溶剂，以对氨基苯磺酸(4-ABS)和ZnO为主要原料，直接法制备得到一种三维网状配合物。对该配合物进行单晶X射线衍射、红外光谱、热重分析、紫外以及荧光光谱等结构表征，并采用Materials Studio (MS)软件的CASTEP模块，对配合物的几何构型进行优化，从原子水平上进一步佐证配合物的最优结构及稳定化能。该实验过程包含配合物制备、蒸发浓缩、减压过滤、单晶培养、紫外及荧光光谱测试、热重分析、理论计算等，整个教学过程综合性及可操作性较强。同时，该实验把绿色合成融入到实验方案设计和实施的全过程，使学生树立节能环保的理念，激发学生探究真知的兴趣和热情，使其在加深理解配位化学基础知识的同时，获得了相关前沿热点知识，对培养学生创新思维、科学研究能力和综合素质具有十分重要的意义。     

机器学习在新材料筛选方面的应用进展

新材料产业是许多相关领域技术变革的基础,也是新能源、航空航天、电子信息等高新技术产业发展的先导.传统研发手段由于成本高、效率低、商业化周期长等不利因素无法满足现代社会的发展需求.近年来大数据与人工智能不断深入结合,以数据驱动为核心的机器学习在新材料设计、筛选以及性能预测等方面取得巨大进展,极大促进了新材料的研发与应用.本综述总结了机器学习的基本过程及其在材料科学中常用的算法和相关材料数据库,重点介绍了机器学习在不同功能上的应用以及在催化剂材料、锂离子电池、半导体材料和合金材料等领域的性能预测和材料开发中的最新进展,并对其下一步在新材料应用方面提出展望.