自然语言处理领域中的自动问答研究进展

分别从数据来源、问答范围、会话管理方式等三个方面介绍了自动问答的发展现状,并着重阐述了基于深度学习的自动问答的研究进展,分析并总结了自动问答领域近年的研究成果,指出了自动问答未来所面临的问题。     

茴拉西坦/介孔二氧化硅的制备及释药性能

为了提高难溶性药物的溶出速率,采用水热合成法制备了MCM-41和SBA-15两种介孔二氧化硅载体材料,利用浸渍法将模型药茴拉西坦负载于两种载体上.利用扫描电子显微镜(SEM)、高分辨透射电子显微镜(HRTEM)、小角X射线衍射(XRD)、N2吸附-脱附、红外光谱(IR)、差热-热重(DTA-TG)对载药前后载体材料的表面形貌、粒径、孔径、孔容、比表面积、晶胞参数、骨架结构等进行测试,结果表明MCM-41和SBA-15具有相同的二维六方孔道结构,孔径及孔容分别为3.49 nm和6.67 nm,载药后的载药量分别为17;和22;,药物以非晶态装载于介孔孔道中没有影响介孔二氧化硅的骨架结构,但使介孔孔容及比表面积都有所降低.通过在不同pH溶出介质中负载于载体上的茴拉西坦与原料药晶体的溶出比较发现,两种载体均能够显著提高茴拉西坦的溶出速率.结合材料表征、载药量及溶出度综合比较,SBA-15载体的载药及释药性能均优于MCM-41载体.     

环戊基全取代六元瓜环与钾离子配合物的合成及其结构表征

金属与瓜环的配位化学是瓜环化学的主要研究内容之一.本文主要研究了环戊基全取代六元瓜环(CyP6 Q[6])与K+的配合物的合成,并利用X-射线单晶衍射法对其晶体结构进行了表征.结果表明:K+与CyP6 Q[6]的两个端口配位,形成了分子胶囊结构.相邻的瓜环通过与[ZnCl4]2-的偶极作用,形成平面堆积结构,最后形成三维超分子自组装实体.     

基于辛格式的深度哈密尔顿神经网络

HNN是一类基于物理先验学习哈密尔顿系统的神经网络.本文通过误差分析解释使用不同积分器作为超参数对HNN的影响.如果我们把网络目标定义为在任意训练集上损失为零的映射，那么传统的积分器无法保证HNN存在网络目标.我们引进反修正方程，并严格证明基于辛格式的HNN具有网络目标，且它与原哈密尔顿量之差依赖于数值格式的精度.数值实验表明，由辛HNN得到的哈密尔顿系统的相流不能精确保持原哈密尔顿量，但保持网络目标；网络目标在训练集、测试集上的损失远小于原哈密尔顿量的损失；在预测问题上辛HNN较非辛HNN具备更强大的泛化能力和更高的精度.因此，辛格式对于HNN是至关重要的.     

纳米银改性树脂基托机械性能的初步研究

采用磁控溅射技术在聚甲基丙烯酸甲酯(PMMA)树脂基托表面沉积一层纳米银(Ag NPs)涂层.研究了纳米银改性PMMA树脂基托的机械性能,为改性材料的临床应用提供理论基础.根据国际标准ISO2409:2007描述的划格法对涂层与基底的附着力强度进行测试,各组试件的接触角采用静态液滴法测量,三点弯曲法检测试件的弯曲强度.结果显示,各组涂层与PMMA基底材料结合良好,各组试件的表面润湿性变化不大,其中PMMA-Ag NPs80s组疏水性略有提高,各组试件的弯曲强度均符合国家标准.     

锡苯和铅苯二聚反应的理论研究

采用密度泛函理论B3LYP方法,研究了锡苯和铅苯的[2+2],[4+2]及[4+4]二聚反应的微观机理和势能剖面,考察了Sn(Pb)原子上的2,4,6-三甲基苯基(Mes)取代基对反应势能剖面的影响.研究结果表明,所有反应均为协同过程,且大多数情况下,2个C—Sn(Pb)键同步形成.[2+2]和[4+2]反应在热力学和动力学上均比相应的[4+4]反应容易进行,而[4+2]反应在动力学上比相应的[2+2]反应有利.Sn(Pb)原子上的Mes取代基在热力学和动力学上均不利于反应的进行.铅苯的动力学稳定性与锡苯相当,但其热力学稳定性高于锡苯.     

高精度无损质子交换膜燃料电池膜电极Pt载量与分布测试方法

随着质子交换膜燃料电池商业化的推进,为提高膜电极制造的可重现性,保障膜电极制造工艺的产品控制,需要Pt载量和分布无损高精度在线检测提供技术支撑。根据欧姆定律与焦耳定律,利用质子交换膜燃料电池膜电极在直流激励电压下产生的电流密度和热分布信号可以对膜电极电阻进行分析,通过膜电极Pt载量与其电阻的关系就可以实现膜电极Pt载量和空间分布分析。通过不同直流激励电压下电流测试,证明了膜电极电阻与Pt载量反相关,Pt载量定量表征精度为0.0008～0.0025 mg/cm²;利用红外热成像法对直流激励电压下膜电极热分布信息的采集成功实现了Pt载量分布的定性分析;最后,通过直流激励前后膜电极性能的对比证明了该方法对膜电极性能是无损的。高精度无损的直流激励测试方法可以实现膜电极Pt载量的高效在线测试,提高膜电极质量和制造效率,降低膜电极制造成本,对于质子交换膜燃料电池大规模商用具有重要意义。     

利用激光背向散射成像的马铃薯品质智能分级

激光背向散射成像是激光与生物组织相互作用产生散射光的成像,在农产品的品质分类中有着广泛的应用。利用激光背向散射成像技术与深度学习,实现马铃薯在不同存储情况下的品质分类。对激光背向散射进行理论分析,搭建激光背向散射成像的数据采集系统,对马铃薯样品进行激光背向散射图像采集,得到新鲜马铃薯、冰箱存储与室温存储马铃薯的激光背向散射成像数据集。对数据集利用改进后的VGG16网络进行训练,并与DenseNet121网络、原始VGG16网络的训练结果进行对比。结果显示,改进后的VGG16网络对数据集的分类准确率为95.33%。由此表明,激光背向散射成像结合深度学习可以实现马铃薯品质的智能分级。