CL-20/TNT共晶炸药的分子动力学研究

运用分子动力学(MD)方法,选择凝聚态分子势能优化力场(COMPASS),对六硝基六氮杂异伍兹烷(ε-CL-20)、2,4,6-三硝基甲苯(TNT)晶体及其等摩尔比的CL-20/TNT混合炸药和共晶炸药进行不同温度下恒定粒子数等压等温(NPT)系综模拟研究.结果表明,CL-20/TNT共晶的内聚能密度(CED)和结合能随温度的升高逐渐减小;共晶的CED比混合炸药的大,结合能是混合炸药的2倍多,预示其稳定性明显增强.对相关函数和局部放大结构显示共晶中组分分子间作用主要来自TNT中H和CL-20中O以及CL-20中H和TNT中O之间形成的氢键.通过波动法求得的弹性力学性能结果表明,CL-20/TNT共晶的拉伸模量(E)、体积模量(K)和剪切模量(G)介于ε-CL-20和TNT晶体之间,且随温度的升高而下降,符合一般预期;但共晶炸药的柯西压(C12-C44,Cij弹性系数)、K/G和泊松比(ν)均比其组分炸药ε-CL-20和TNT高得多,预示该共晶具有异常高的延展性和弹性伸长,主要是二组分呈层状交替排列且之间存在较强相互作用所致.     

复合酶耦合酶解酸处理后玉米秸秆的研究

以玉米秸秆为研究对象,经过2%硫酸预处理后,利用果胶酶、β-葡萄糖苷酶、纤维素酶三种酶协同酶解,以提高玉米秸秆的酶解产糖量。结果表明:当酶解时间为48h,果胶酶、β-葡萄糖苷酶、纤维素酶分别为45U/mL、30U/mL、60U/mL时,葡萄糖、木糖和酶水解得率分别为67.83%、3.25%、73.65%,相比纤维素酶单一酶解的葡萄糖、木糖和酶水解得率分别提高了65.04%、20.82%、65.06%。分步糖化发酵5天后,相比单一酶解发酵乙醇含量提高了72.5%。说明利用三种酶复合处理,能明显提高酶解产糖量。研究结果为玉米秸秆转化为可发酵糖技术的研究提供重要参考。     

激光惯性约束聚变靶制备技术研究进展

在实验室实现聚变反应释放的能量大于点燃聚变反应所需能量的阈值是当今世界ICF研究的主要目标,实现这一目标仍需要深入研究一系列的关键物理问题。在ICF研究中,制靶能力的发展与提升至关重要,靶的质量是实验成功的核心要素之一。本文介绍了国际ICF靶制备工作近年来在新型烧蚀层材料靶丸、新型靶丸支撑技术、优化黑腔材料与构型以及减小燃料填充管直径等方面取得的一系列进展,并结合ICF物理需求,简要阐述了ICF靶的发展趋势。     

过渡金属Co2+离子掺杂ZnS硫化物纳米晶制备与中红外发光特性研究

利用不含有机相的简单水热法制备了Co^2+∶ZnS纳米晶,纳米晶具有立方闪锌矿结构,平均晶粒尺寸约为8.3 nm,在808 nm激光泵浦下具有2~5μm波段的中红外荧光发射,中心波长位于3400 nm和4700 nm,分别对应Co^2+离子的4T2(F)→4 A 1(F)和4T1(F)→4T2(F)的能级跃迁.进一步将制备的纳米晶在还原气氛下进行800℃热处理,获得立方闪锌矿和纤锌矿混合晶型的纳米晶,平均晶粒尺寸增大到22.5 nm左右,热处理后的纳米晶表面羟基含量更低,中红外荧光发射强度显著提高.该Co^2+∶ZnS纳米晶的制备方法简单、在制备过程中不引入有机相等荧光淬灭中心,同时证明通过后热处理过程可以进一步减少表面缺陷及羟基含量,使荧光强度得到大幅提升.     

抗IgG-Fc蛋白ssDNA适配体的筛选与鉴定

传统的抗IgG-Fc单克隆抗体制作过程繁琐、耗时长且批间差异大,极大的限制了其应用。因此寻找一种抗IgG-Fc单克隆抗体的替代元件是十分必要的。本研究基于微孔板指数富集的配体系统进化技术（微孔板-selex）,设计了针对抗IgG-Fc蛋白ssDNA适配体的筛选方案。交替包被5种IgG单克隆抗体于酶标孔作为筛选靶分子,将从靶分子上洗脱的核酸适配体作为模板进行PCR扩增,生物素-链霉亲和素ELISA测定第3,7,13,14,16,18轮筛选获得ssDNA文库与内酰胺酶单克隆抗体的结合能力,并将第19轮筛选获得的ssDNA文库进行TA克隆验证、高通量测序。经过19轮筛选,得到69796条抗IgG-Fc蛋白的适配体,选取出现频率最高的ap-1（178次）、ap-2（129次）、ap-3（58次）体外合成并在其5,端标记生物素,经ELISA鉴定3条适配体分别与5种IgG单克隆抗体有着较强的结合能力,并与3%BSA几乎不结合。Ap-1结合能力最强,被认为是本次筛选得到最佳抗IgG-Fc蛋白核酸适配体。实验结果表明本文筛选获得抗IgG-Fc蛋白的核酸适配体,具有成为抗IgG单克隆抗体替代元件的潜力。     

片段化森林中檵木幼苗种内叶经济性状变异及其驱动因子

在异质性生境中，种内功能性状变异有助于植物对环境的适应，进而影响种群更新、群落构建和生态系统过程。探讨了种内叶经济性状的变异及受生境异质性的塑造情况。以千岛湖片段化生境中的常见种檵木（Loropetalum chinense）的幼苗为研究对象，测定了200株檵木幼苗个体水平的7个叶经济性状（比叶面积SLA、叶全碳量C、叶全氮量N等）及其对应的生境因子（郁闭度、土壤全碳量、土壤全氮量等），采用相关性检验、主成分分析和线性混合效应模型等方法探讨片段化森林中檵木幼苗的种内叶经济性状变异及生境异质性对该变异的驱动作用。结果显示：（1） 在7个叶经济性状所构成的21对相关性分析中，有12对显著相关。经主成分分析降维后，主成分1（PC1）占性状总变异的43.02%，主要与比叶面积、叶绿素浓度、叶全氮量呈正相关，与叶干物质质量分数和叶碳氮比呈负相关，体现了檵木的种内叶经济谱，可反映叶片的最大光合效率。（2）片段化对生境条件和叶经济性状均有影响。岛屿森林群落的郁闭度显著低于大陆。相对于大陆，岛屿中的檵木幼苗趋向于更小的PC1值（缓慢投资-收益策略）；大岛边缘较大岛内部偏向于更小的PC1值。（3）生境因子中，郁闭度对PC1具有显著正效应。研究表明，片段化生境中的檵木在幼苗阶段存在叶经济谱，生境片段化可通过影响生境条件进而改变檵木幼苗的叶经济性状。随着生境片段化程度的加剧，檵木幼苗的叶经济性状逐渐向缓慢投资-收益策略靠拢。     

热处理对CH薄膜表面粗糙度及力学性能的影响

利用低压等离子体化学气相沉积法制备厚度约为7μm的辉光放电聚合物薄膜,将制备的薄膜样品放入通有氩气保护的热处理炉中加热至300℃,分别进行6,10,24h的保温热处理。通过白光干涉仪观察分析了不同保温时间下辉光放电聚合物薄膜的表面粗糙度;利用傅里叶变换红外吸收光谱分析了300℃条件下不同保温时间对薄膜结构的影响;采用纳米压痕仪表征了不同保温时间热处理后,薄膜硬度及模量的变化。结果表明:随着保温时间的增加,薄膜的表面均方根粗糙度由12nm降至4.43nm。薄膜结构中甲基的相对含量减少,双键的相对含量增加,碳链变长,同时薄膜网络结构的交联化程度增强。硬度和模量随着保温时间的增加先减小后增大。     

氮掺杂有序介孔碳-Ni纳米复合材料的制备及电化学性能

以F127为模板剂,Ni Cl2为镍源,尿素为氮源,间苯二酚甲醛原位聚合树脂为碳源,分别采用均相法和两相法制备Ni-NOMC-1,Ni-N-OMC-2纳米复合材料。X射线衍射(XRD)、激光拉曼以及透射电子显微镜(TEM)等测试结果表明,复合材料具有有序介孔结构,Ni以金属微粒形式嵌于碳骨架中,提高了有序介孔碳的石墨化程度。X射线光电子能谱测试(XPS)表明尿素热解后以4种形式存在:sp3杂化与C结合的N原子,吡啶N原子,sp2杂化与C结合的N原子以及quaternary-N原子。Ni-N的共改性改变了碳载体的理化性质,有利于Pt纳米粒子的负载与分散。均相法制备的Ni-N-OMC-1复合材料微波负载Pt后,氧还原极限电流密度为5.32 m A·cm-2,氢氧化电化学活性面积高达138.53 m2·g-1,电化学催化活性优于商业20%Pt/C材料(4.49 m A·cm-2,96.98 m2·g-1)。     

后处理工艺制备多级孔Ti-BEA沸石及其环氧化催化性能

基于脱铝多级孔BEA沸石与二氯二茂钛的固相反应,开展了钛掺杂量可调的多级孔Ti-beta后处理工艺制备研究.对制备的多级孔Ti-beta样品的理化性质进行了表征,包括X射线衍射、氮气吸附脱附测试、扫描电镜、透射电镜、紫外可见吸收光谱和紫外拉曼光谱等.结果表明,多级孔BEA沸石具有较好的化学稳定性,脱铝-钛化的后处理过程未对样品多级孔结构产生明显影响. 以环己烯和十二烯的烯烃环氧化为探针反应表征了合成多级孔Ti-beta与纯相微孔Ti-beta沸石的催化性能.结果表明,在小分子环己烯的环氧化反应中,多级孔Ti-beta沸石的催化活性(转化率59.4%)与微孔Ti-beta相当(转化率57.9%);但是在较大分子十二烯的催化反应中,多级孔结构Ti-beta材料的催化性能(转化率11.1%)明显优于纯相微孔材料(转化率6.8%),且产物中环氧化物选择性更高(分别为60.3%和37.8%).     

人工智能在锂离子电池研发中的应用

锂离子电池已成为解决现代社会储能问题的最佳解决方案之一。然而,电池材料和器件开发都是复杂的多变量问题,传统的依赖研究人员进行实验的试错法在电池性能提升方面遇到了瓶颈。人工智能（AI）具有强大的高速、海量数据处理能力,是上述突破研究瓶颈的最具潜力的技术。其中,机器学习 (ML) 算法在评估多维数据变量和集合之间的组合关联方面的独特优势有望帮助研究人员发现不同因素之间的相互作用规律并阐明材料合成和设备制造的机制。本综述总结了锂离子电池传统研究方法遇到的各种挑战,并详细介绍了人工智能在电池材料研究、电池器件设计与制造、材料与器件表征、电池循环寿命与安全性评估等方面的应用。最重要的是,我们介绍了AI和ML在电池研究中面临的挑战,并讨论了它们应用的缺点和前景。我们相信,未来实验科学家、数学建模专家和AI专家之间更紧密的合作将极大地促进AI和ML方法用以解决传统方法难以克服的电池和材料问题。