基于离子迁移谱的假币用纸快速检测及溯源

该文采用离子迁移谱（IMS）对20种假币用纸进行分析，通过快速检测假币用纸中的可挥发性组分，构建假币用纸的指纹谱图库。基于主成分分析（PCA）和层次聚类分析（HCA）对迁移时间8 ~ 17.5 ms范围的迁移谱信息进行处理，从而对假币用纸进行分类。PCA可将同种假币用纸聚类，HCA则可进一步将20种假币用纸准确分类，其对6个未知来源的半成品假币的分类正确率达83.33%。结果表明，IMS快速检测分析是比较和分类假币用纸的有效方法。     

氧化铟掺铪红外透明导电薄膜

采用射频磁控溅射与退火工艺相结合的方法,分别在石英和硒化锌(ZnSe)衬底上制备了掺铪氧化铟(IHfO)薄膜,掺杂比例In2O3∶HfO2为98wt.%∶2wt.%.测试了薄膜的组成结构和3～5μm红外波段的光电性质,分析了退火温度、薄膜厚度和氧气流速对薄膜性能的影响.X射线衍射、扫描电子显微镜和X射线能谱表明,制备的IHfO薄膜具有氧化铟的立方体结构,掺杂铪并没有影响氧化铟的生长方向,但是减小了晶格间距,铪与铟外层电子形成新的杂化轨道.傅里叶变换红外光谱表明,随着退火温度的增加,IHfO薄膜在3～5μm波段的透过率逐渐下降,沉积在ZnSe衬底上的薄膜具有更平稳的透过率,厚度为100nm薄膜在3～5μm波段平均透过率为68%.测试霍尔效应表明,随着氧气流速的增加,IHfO薄膜电阻率逐渐增加,载流子浓度减小,霍尔迁移率变化不明显.晶界散射是影响IHfO薄膜迁移率的主要因素,当氧气流速为0.3sccm时,薄膜最佳电阻率为3.3×10~(-2)Ω·cm.与透可见光波段的导电氧化铟锡(ITO)薄膜相比,制备的IHfO薄膜可以应用在3～5μm红外波段检测气体,红外制导等领域.     

Nanostructured BiVO4 Derived from Bi-MOF for Enhanced Visible-light Photodegradation

BiVO4,a promising visible-light responding photocatalyst,has aroused extensive research interest because of inexpensiveness and excellent chemical stability.However,its main drawback is the poor photoinduced charge-transfer dynamics.Building nanostructures is an effective way to tackle this problem.Herein,we put forward a new method to prepare nanostructured BiVO4 from Bi-based metal-organic frameworks[Bi-MOF(CAU-17)]precursor.The as-prepared material has a rod-like morphology inherited from the Bi-MOF sacrificial template and consists of small nanoparticle as building blocks.Compared with its counterparts prepared by conventional methods,MOF-derived nanostructured BiVO4 shows better light absorption ability,narrower bandgap,and improved electrical conductivity as well as reduced recombination.Consequently,BiVO4 nanostructure demonstrates high photocatalytic activity under visible light towards the degradation of methylene blue.Methylene blue can be degraded up to 90%within 30 min with a reaction rate constant of 0.058 min-1.Moreover,the cycling stability of the catalyst is excellent to withstand unchanged degradation efficiency for at least 5 cycles.     

新型双吡啶盐的合成及其作为硝酸根离子荧光增强型探针的性能研究

阴离子普遍存在于生命体和环境中,在化学、生物学、医学和环境领域都具有重要的作用,而硝酸根是其中一种非常重要的无机阴离子,对环境和人体健康都具有极大危害。目前测定硝酸根离子的方法主要有电化学法、离子色谱法和离子选择性电极法等。虽然各方法各具优势,但也存在明显不足。电化学法重现性差,而离子色谱法和离子选择性电极法需要较为复杂、昂贵的仪器及较长的分析时间。荧光光谱由于具有较高的灵敏度和操作简便等优点,近年来成为阴离子识别和检测领域的研究热点。以吡喃盐为起始原料,设计合成了一种新型的双吡啶盐化合物,通过核磁共振1 H谱、13 C谱以及高分辨质谱确定了其分子结构。并研究了其与不同阴离子的荧光识别性能,显示出对硝酸根离子明显的特异性识别。在双吡啶盐溶液中滴加硝酸根离子后,荧光呈现显著增强,而其他竞争性阴离子则淬灭初始荧光。通过荧光滴定实验证实双吡啶盐探针与硝酸根离子形成稳定的1∶1超分子配合物,稳定常数lgK=5±0.02。通过计算机模拟计算以及变温核磁共振波谱表明硝酸根离子与双吡啶盐上活性氢形成稳定的氢键,并诱导整个双吡啶盐分子的共平面性增大,荧光强度增强,从而达到选择性识别的效果。     

A Novel Energetic Ionic Salt: Hydroxylammonium Potassium 3,3’-Dinitro-5,5’-bis-1,2,4-triazole-1,1’-diolate Dihydrate

A novel energetic ionic salt,hydroxylammonium potassium 3,3?-dinitro-5,5?-bis-1,2,4-triazole-1,1?-diolate dihydrate[(NH3OH)2K(DNOBT)1.5?2H2O],was synthesized and structurally characterized by elemental analysis,IR spectra,13C NMR and single-crystal X-ray diffraction.(NH3OH)2K(DNOBT)1.5?2H2O crystallizes in triclinic system,space group P with a=7.9212(6),b=9.1924(7),c=14.2549(15)?,a=103.917(2)°,β=99.736(2)°,g=104.8110(10)°,V=944.16(14)?^3,Z=2,Dc=1.855 g/cm^3,F(000)=538,μ=0.386 mm^-1,S=1.070,the final R=0.0525 and wR(I>2s(I))=0.1593.Thermal decomposition of(NH3OH)2K(DNOBT)1.5?2H2O and its intermediate potassium 1?-hydroxy-3,3?-dinitro-5,5?-bis-1,2,4-triazole-1-olate monohydrate[K(HDNOBT)?H2O]was studied by using DSC and TG-DTG.It was found that(NH3OH)2K(DNOBT)1.5?2H2O,which has primarily one exothermic decomposition process at 248.2℃,has better thermal stability than K(HDNOBT)?H2O which is decomposed at 210.9℃.     

参外联合激励下的簇发振荡及其机理

当周期激励频率远小于系统固有频率时，会存在快慢耦合效应，与单项激励不同，参外联合激励不仅会导致快子系统平衡曲线和分岔行为的复杂化，也会产生一些特殊的非线性现象，为此，本文以两耦合Hodgkin-Huxley细胞模型为例，引入周期参外联合激励，探讨在频域不同尺度耦合时该系统的簇发振荡的特点及其分岔机制．通过建立相应的快慢子系统，得到慢变参数变化下的快子系统的各种分岔模式以及相应的分岔行为，结合转换相图，揭示耦合系统随激励幅值变化时的动力学行为及其机理．研究表明，在激励幅值较小时，系统表现为概周期振荡，两频率分别近似于快子系统平衡曲线由Hopf分岔引起的两稳定极限环的振荡频率．概周期解随激励幅值的增加进入簇发振荡，导致这些簇发振荡的主要原因是在慢变参数变化的部分区间内，存在唯一稳定的平衡曲线，使得系统的轨迹逐渐趋向该平衡曲线，产生沉寂态，并随着慢变参数的变化，由分岔进入激发态．同时，快子系统中参与簇发振荡的稳定吸引子随激励幅值的变化也会不同，导致不同形式的簇发振荡．另外，与单项激励下的情形不同，联合激励时快子系统的部分稳定吸引子掩埋在其它稳定吸引子内，从而失去对簇发振荡的影响．     

基于回波平移序列的快速三维磁共振温度成像方法

高强度聚焦超声（HIFU）是一种无创的热消融疗法，为保证其安全性和有效性，需要一种精度高、速度快的测温方法在其治疗过程中对温度进行监控.基于质子共振频率位移（PRFS）的磁共振温度成像（MRT）对温度具有较高的灵敏度，且与温度具有良好的线性关系，因此常被用于引导HIFU治疗.然而在实际应用中，HIFU治疗的最大隐患在于可能造成表皮灼伤，并且灼伤区域可能与焦点区域相隔较远.因此MRT的监控范围十分重要.本文基于三维回波平移成像序列，结合可控混叠的空间并行成像技术，实现了时间分辨率为3 s的快速三维温度成像.为了验证该方法的精度，本文首先设计了仿体降温实验，利用光纤温度计验证回波平移序列测温的准确度和精确度.然后在室温条件下扫描离体猪肉组织，对比加速前后的MRT的测温精确度.在HIFU加热条件下扫描离体猪肉组织，对比加速前后的MRT的测温准确度.结果显示，本文提出的方法可以在3 s内完成三维温度精准测量，对于HIFU治疗的安全监控具有重要意义.     

3D Organic–Inorganic Perovskite Ferroelastic Materials with Two Ferroelastic Phases: [Et3P(CH2)2F][Mn(dca)3] and [Et3P(CH2)2Cl][Mn(dca)3]

Organic–inorganic hybrid perovskite-type multiferroics have attracted considerable research interest owing to their fundamental scientific significance and promising technological applications in sensors and multiple-state memories. The recent achievements with divalent metal dicyanamide compounds revealed such malleable frameworks as a unique platform for developing novel functional materials. Herein, two 3D organic–inorganic hybrid perovskites [Et₃P(CH₂)₂F][Mn(dca)₃] ( 1 ) and [Et₃P(CH₂)₂Cl][Mn(dca)₃] ( 2 ) (dca=dicyanamide, N(CN)₂⁻) are presented. Accompanying the sequential phase transitions, they display a broad range of intriguing physical properties, including above room temperature ferroelastic behavior, switchable dielectricity, and low-temperature antiferromagnetic ordering (T_c=2.4 K for both 1 and 2 ). It is also worth noting that the spontaneous strain value of 1 is far beyond that of 2 in the first ferroelastic phase, as a result of the precise halogen substitution. From the point view of molecular design, this work should inspire further exploration of multifunctional molecular materials with desirable properties.     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长，传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断，可大大缓解人工阅片压力，提高诊断的准确性，促进医疗流程的标准化建设等。目前，深度学习卷积神经网络在医学影像处理中已取得不俗表现，但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解，对近几年相关研究进展进行了综述。首先，综述了深度学习在医学领域的应用现状及面临的问题，对神经网络的可解释性内涵进行了讨论；然后，从现有深度学习可解释性的常见方法出发，重点讨论了医学影像处理的深度学习可解释性研究进展；最后，探讨了医学影像处理的深度学习可解释性的发展趋势。