B(X)上保持约当积的固定点的满射

设B(X)是维数大于等于3的复Banach空间X上有界线性算子全体构成的代数.设A∈B(X),若Ax=x,则称x∈X是算子A的固定点.Fix(A)表示A的所有固定点的集合.本文刻画了B(X)上保持算子的Jordan积的固定点的满射.     

Ultrahigh Loading Copper Single Atom Catalyst for Palladium-free Wacker Oxidation

Wacker oxidation is an industry-adopted process to transform olefins into value-added epoxides and carbonyls. However, traditional Wacker oxidation involves the use of homogeneous palladium and copper catalysts for the olefin addition and reductive elimination. Here, we demonstrated an ultrahigh loading Cu single atom catalyst(14% Cu, mass fraction) for the palladium-free Wacker oxidation of 4-vinylanisole into the corresponding ketone with N-methylhydroxylamine hydrochloride as an additive under mild conditions. Mechanistic studies by ¹⁸O and deuterium isotope labelling revealed a hydrogen shift mechanism in this palladium-free process using N-methylhydroxylamine hydrochloride as the oxygen source. The reaction scope can be further extended to Kucherov oxidation. Our study paves the way to replace noble metal catalysts in the traditional homogeneous processes with single atom catalysts.     

曲线距离法的二维光纤光谱弯曲校正

多目标光纤光谱望远镜可以在一次观测中获得大量的不同天体的光谱数据。从天体探测到的光在通过光纤之后，再通过光谱仪狭缝，然后在CCD传感器中成像为二维光谱图；之后经过光纤光谱数据处理系统的一系列软件处理，最终输出可供天文界使用的一维光谱并存储起来。一维光谱是天文学家研究目标天体的主要手段，它是通过处理二维光谱图得到的。以LAMOST为例，望远镜系统在一次观测后首先会得到32幅由250条光纤光谱组成的二维光谱，然后经过一系列的处理得到一维光谱。在这个过程中，会有很多因素影响到最终一维光谱的精确度。比如由于望远镜使用时间的增加，某些元件会产生磨损、老化或变形，使得二维光谱中光纤形状会产生一定程度的弯曲，这种弯曲在二维光谱的两侧表现得尤为明显。在一幅常见的二维光谱中，纵坐标方向代表了抽取的一维光谱的波长方向，横坐标方向代表了抽取的一维光谱的流量方向，这种弯曲形变的产生会影响到之后的波长定标和流量定标，使得抽取的一维谱信息不准确。目前初步的解决办法是通过与定标灯谱的比对来尽量减少其影响。但这样不仅造成了时间和人力的浪费，而且准确率和效率不高。就这一现状，提出了一种基于曲线距离法的思想，将弯曲的二维谱线校直：首先采用灰度重心法将一幅二维光谱中的250条光纤中心轨迹进行定位，将异常点采用稳健的局部回归方法剔除；然后将中心轨迹进行曲线拟合，得到光纤中心轨迹的方程；通过模仿曲线变弯的逆过程，即保持轨迹上两点间的曲线距离不变，再将弯曲的光谱映射到竖直的法线上，完成校直过程。在整个过程中保持各个对应点的灰度值不变，通过边缘处理和插值运算解决产生的像素点稀疏问题。最后采用累加法进行一维谱抽取，并将校直后抽取的一维光谱与未校直抽取的一维光谱进行比对，比对后可发现校直前后在一维光谱的两端差别较大，其差值谱线也说明了这一点。该方法实现了二维光谱的自动校直，大大提高了抽取一维谱的效率和准确性。二维光谱的预处理和校直方法首先在LAMOST数据上进行验证，鉴于多目标光纤光谱望远镜系统原理的相似性，该处理方法也适用于其他的多目标光纤光谱望远镜系统，具有较好的参考和应用价值。     

GPR40 受体苯丙酸类激动剂三维定量构效关系研究

苯丙酸类化合物是G蛋白偶联受体40(GPR40)潜在的生物活性药物。本文基于比较分子力场分析法(Co MFA)和比较分子相似性指数分析法(CoMSIA),分别建立了40个已知活性的GPR40受体苯丙酸类激动剂的三维定量构效关系(3D-QSAR)模型,研究该类激动剂与生物活性之间的关系。CoMFA和CoMSIA模型的交叉验证系数(q~2)分别为0. 527和0. 500,拟合验证系数(r~2)分别为0. 901和0. 860,两个3D-QSAR模型预测值与实验值基本一致,表明模型具有良好的可信度和预测能力。根据两个3D-QSAR模型提供的立体场、静电场、疏水场、氢键供体场和氢键受体场所提供的信息提出优化该类抑制剂结构的药物设计思路,为指导设计更高活性的GPR40激动剂以及GRR40新分子激动活性的预测提供理论依据。     

高浓度敏化剂掺杂的NaYF4∶Yb3+,Er3+纳米材料的合成及发光性能研究

为了探究泵浦功率对不同浓度敏化剂离子掺杂的上转换材料发光特性的影响，采用溶剂热法，成功制备了不同浓度敏化剂Yb3+掺杂的NaYF₄∶Yb3+, Er3+上转换纳米颗粒。首先对这种纳米晶体的结构和形貌进行了详细的分析，使用X射线粉末衍射仪和透射电子显微镜测试了制备的纳米晶体的结构和形貌。表征结果证明了制备的纳米颗粒均为结晶性良好、形状规则的六方相纳米晶体，随着Yb3+掺杂浓度的提高，纳米晶体的粒径有所增加。在此基础上，通过控制泵浦功率对不同浓度敏化剂Yb3+掺杂的NaYF₄∶Yb3+, Er3+上转换纳米颗粒在980 nm激发光下的光致发光特性做了详细的研究。对于不同浓度敏化剂掺杂的样品，随着泵浦功率的提高，上转换发光的强度增强，这可以归因于高泵浦功率促进材料对激发光的吸收。上转换发光的红绿比也得到了提高, 值得注意的是, 在不同浓度敏化剂Yb3+掺杂的样品中，发光的红绿比改变的程度和可调谐的范围有所不同。为了深入的了解上转换发光机制，对不同浓度样品中可能发生的电子能量传递机制进行了讨论并提出假设，认为上转换发光过程中，不同浓度样品中红绿比变化程度的不同是发光离子组合之间的平均距离和包括多声子弛豫、交叉弛豫和反向能量传递的非弛豫过程的综合作用。在低浓度敏化剂掺杂的样品中，由于掺杂浓度导致Yb3+和Er3+之间的平均距离较大，反向能量传递过程比较微弱。在非弛豫过程中，发生在同一发光中心Er3+上的多声子弛豫和相邻发光中心Er3+之间的交叉弛豫为主要过程。随着泵浦功率的提高，高能级的布居速率增加减弱了非辐射弛豫对发光的影响，材料的红绿比只有微弱的提高，绿光是上转换发光中的主要成分。随着掺杂浓度的提高，敏化剂离子Yb3+和激活剂离子Er3+之间的平均间距减小，反向能量传递过程得到增强，成为非辐射弛豫过程中的主要部分。由于泵浦功率增强而提高的高能级对上转换发光的贡献，通过相邻敏化剂和激活剂离子之间的反向能量传递过程得到迅速的衰减，使红光成为上转换发光中的主要成分。在980 nm的近红外光激发下，在不同浓度Yb3+掺杂的样品中存在不同侧重的非辐射弛豫过程, 由于多声子弛豫、交叉弛豫和反向能量传递共同作用，红绿比随着泵浦功率提高而增加。这种发光特性不但使得我们得到红光性能更好的上转换荧光材料，而且可以通过测定材料的红绿比来判定材料的掺杂浓度。经过进一步的设计和修饰，这种纳米材料很有潜力作为一种多功能光动力治疗纳米平台在生物检测领域中得到应用。不同浓度样品中可能发生的电子能量转移过程的提出，有利于对上转换发光机理的了解和稀土发光离子组合的设计和优化。     

数字减影血管造影引导下双侧子宫动脉栓塞术在穿透性凶险性前置胎盘中的应用

本文分析了数字减影血管造影（DSA）引导下双侧子宫动脉栓塞术在穿透性凶险性前置胎盘患者中的应用效果及对母婴结局的影响。选择2017年12月～2019年7月我院收治的穿透性凶险性前置胎盘患者45例，依据是否行子宫动脉栓塞术，将患者分为观察组（n=25例）和对照组（n=20例）。观察组行DSA引导下双侧子宫动脉栓塞术治疗，对照组行常规剖宫产手术治疗。术后7天对患者效果进行评估，比较两组手术指标、母婴结局及并发症发生率。结果显示：观察组失血量、红细胞输血量、冷沉淀输血量、住院时间，少（短）于对照组，新生儿1 min Agpar评分高于对照组，差异有统计学意义（P<0.05）。观察组新生儿肺炎、新生儿呼吸窘迫综合征、新生儿窒息及新生儿高胆红素血症发生率均低于对照组，差异有统计学意义（P<0.05）。观察组子宫切除、产后出血、失血性休克和DIC发生率均低于对照组，差异有统计学意义（P<0.05）。表明DSA引导下双侧子宫动脉栓塞术治疗穿透性凶险性前置胎盘的效果确切，可明显减少患者术中出血量及术后并发症，降低手术风险，改善临床结局，且微创、安全，值得临床推广应用。     

真实情境与化学学科核心素养的发展——基于《普通高中化学课程标准(2017年版)》的解读

《普通高中化学课程标准（2017年版）》构建了化学学科核心素养的内容体系及其发展水平框架，重视开展“素养为本”的教学，重视真实情境的创设。在分析教学情境的内涵与功能的基础上，解读了新课标中课程内容、实施建议和命题原则中对真实情境创设与应用的要求，讨论了真实情境在发展学生化学学科核心素养中的教育价值。通过对具体教学案例的分析，探讨了基于学生化学学科核心素养发展的教学情境设计的策略。     

基于可见光波段的燃烧与未燃烧矸石分类方法研究

我国煤矿数量众多，分布广泛，大量堆积的煤矸石对矿区环境造成严重影响，其中部分煤矸石处理不当可能引发自燃和爆炸，对矿区安全构成直接威胁。根据煤矸石的燃烧状态可以分为燃烧矸石和未燃烧矸石两类，其存在的安全隐患和对环境的危害性有所不同，同时其综合利用的途径亦不相同。因此，对煤矸石进行燃烧矸石和未燃烧矸石的分类识别与监测就显得尤为重要。目前的监测方法主要为实地勘查调研，其效率低、成本高，难以满足煤矸石监测的实际需求。选择辽宁省铁法矿区作为研究区，首先从矿区矸石山现场采集典型的煤矸石样本106个；然后，利用SVC HR1024光谱仪测试其可见光-近红外光谱，分析燃烧和未燃烧矸石的光谱特征，并基于可见光波段构建光谱指数NDGI，用于识别燃烧矸石和未燃烧矸石。选择实验室测试的光谱数据和实际卫星遥感数据对该指数进行了验证，并与随机森林法进行对比。结果显示：在350～760 nm燃烧矸石光谱曲线斜率整体较高，在550～630 nm反射率存在陡升现象，而未燃烧矸石在整个可见光波段光谱曲线斜率较低；以0.25作为NDGI指数阈值，可以很好地将燃烧矸石和未燃烧矸石区分开来，实验室样本验证结果显示，NDGI指数的分类精度可达99.1%，高于随机森林分类法的95.2%；现场的验证结果表明，使用铁法矿区的landsat8 OLI数据，并基于NDGI指数对矿区内的矸石山进行燃烧和未燃烧区域识别划分，所提取的燃烧和未燃烧矸石在形态和大小上与Google Earth具有很好地一致性，表明该指数对于矸石的燃烧状态具有很好识别效果。在上述研究基础上，分别取燃烧和未燃烧矸石进行矿物鉴定，通过对比矸石燃烧前后矿物种类的变化，分析造成燃烧和未燃烧矸石的光谱特征差异的原因。结果表明：燃烧使矸石中的Fe2+被氧化为Fe3+。Fe3+的大量增加造成光谱曲线在550nm处形成明显的波谷特征，在整个燃烧过程中生成的玻璃质在750nm处形成高反射率，二者综合造成燃烧和未燃烧矸石的NDGI指数差异。研究结果为煤矿区燃烧和未燃烧矸石的区分识别提供了一种快速、高效、较为准确的实用方法。     

1,3,4-(口恶)二唑硫醚酰胺为核心骨架的新型多杂环分子的合成及对Cdc25B与PTP1B的抑制活性

首先利用含有三嗪的芳香酰肼(3)构筑了1,3,4-噁二唑衍生物(5), 然后将化合物5与含有1,3,4-噻二唑的衍生物(6)拼合合成了18个目标分子. 利用红外光谱(IR)、 核磁共振波谱(NMR)和高分辨质谱(HRMS)等技术对其结构进行了表征. 考察了目标分子对细胞分裂周期25磷酸酯酶B(Cdc25B)和蛋白酪氨酸磷酸酯酶1B(PTP1B)的抑制活性. 结果表明, 有8个目标分子的抑制活性优于其阳性对照物, 有望成为潜在的Cdc25B抑制剂; 有12个目标分子的抑制活性优于其对照物, 有望成为潜在的PTP1B抑制剂.     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进，人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此，研究人员开始关注数据挖掘算法，并尝试对这些光谱进行数据挖掘。近年来，神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中，支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时，通过将其最优化问题转化为具有(QP)形式的凸问题，进而得到全局最优解。尽管该方法在实际应用中表现优良，但为了进一步提高其分类能力，有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开，每一类靠近某个分类面，而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍，因此，自TSVM提出后便受到研究人员的持续关注，并出现若干改进算法。在恒星光谱分类中，一般分类算法都是根据历史观测光谱来建立分类模型，其中最关键的是对光谱进行人工标注，这项工作极为繁琐，且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此，提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分；然后，在训练集上进行学习，得到分类依据；最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势，更重要的是，在训练集上学习分类模型过程中，不仅考虑有标记的训练样本，也考虑部分未标记的样本。一方面提高了学习效率，另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明，与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比，带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而，该方法亦存在一定的局限性，其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想，利用大数据处理技术，来对所提方法在大数据环境下的适应性展开进一步研究。