Piezoelectric Nanogenerator Based on Electrospun Cellulose Acetate/Nanocellulose Crystal Composite Membranes for Energy Harvesting Application

Nanogenerators, as the typical conversion of mechanical energy to electrical energy devices, have great potential in the application of providing sustainable energy sources for powering miniature devices. In this work, cellulose acetate/cellulose nanocrystal(CA/CNC) composite nanofiber membranes were prepared by electrospinning method and then utilized to manufacture a flexible pressure-driven nanogenerator. The addition of CNC not only increased the content of piezoelectric cellulose I crystallization but also strengthened the mechanical deformation of the nanofiber membranes, which could greatly enhance the piezoelectric performance of CA/CNC composite membranes. The CA/CNC composite nanofiber membrane with 20%(mass fraction) of CNC(CA/CNC-20%) showed optimal piezoelectric conversion performance with the output voltage of 1.2 V under the force of 5 N(frequency of 2 Hz). Furthermore, the output voltage of the CA/CNC-20% nanogenerator device exhibited a linear relationship with applied impact force, indicating the great potential in pressure sensors.     

Chelating Metal Ions in a Metal-Organic Framework for Constructing a Biomimetic Catalyst Through Post-modification

Crystal engineering, as a burgeoning technology, has been widely used to construct metalloporphyrins biomimetic catalysts. Herein, a bimetallic metal-organic framework (MOF) was constructed by 4-(4-carboxyphenyl)-1,2,4-triazole ligand, Co²⁺ and Zr⁴⁺ metal ions by solvothermal reaction(named PFC-88). A N,N-chelation site was found between the two adjacent ligands in PFC-88, consequently a porphyrin-like structure was obtained through chelating Fe³⁺ in this site by post-modification, named PFC-88-Fe. The result of a single crystal X-ray technology verified that Fe ions were successfully metalated in the N,N-chelation site of PFC-88, which is assisted by the X-ray absorption near-edge structure(XANES) spectra. An o-phenylenediamine oxidation reaction was applied to assessing the catalytic activity of PFC-88-Fe, in which the absorbance increases of phenazine-2,3-diamine at λ=418 nm were recorded by absorption spectroscopy in kinetic mode, exhibiting the application potential as a biomimetic catalyst.     

黄绿色葡萄石的矿物学特征及谱学研究

葡萄石可以以板状、片状、葡萄状、肾状、放射状或块状集合体的形式产出,因其美丽的外观和特殊的晶体结构,近年来受到了学者的广泛关注。本文通过电子探针、粉晶X射线衍射仪、傅里叶变换红外光谱仪、显微拉曼光谱仪、紫外可见分光光度计等仪器对黄绿色葡萄石的成分、结构及谱学特征进行了分析与探讨。葡萄石的主要致色元素为Fe,且Fe³⁺经常取代Al³⁺占据八面体配位,Fe²⁺经常取代Ca²⁺存在于空隙中。电子探针数据表明:Fe与Al的含量变化整体呈现负相关关系,Fe与Ca的含量变化也整体呈现负相关关系,Fe含量相对较高的样品其黄绿色调加深。XRD图谱和拉曼光谱的结果表明:在葡萄石中绿帘石以包裹体的形式存在。红外光谱和拉曼光谱表明葡萄石中存在硅氧四面体和铝氧八面体两种架构,紫外可见吸收光谱揭示了葡萄石的致色机理。本文对葡萄石的矿物学特征及谱学特征进行系统分析,为后续葡萄石的进一步研究提供思路与实验数据。     

Hudson模型适用性及储层微观建模应用*

为明确裂缝间相互作用对各向异性的影响，本文以Hudson模型为例分析了裂缝密度、裂缝倾角对地震波波场、弹性常数和Thomsen系数的影响规律，然后采用“基质-骨架-流体”组合化的方法进行了裂缝储层微观尺度的建模，并与实际测井资料进行了对比。结果表明该模型适用条件为低裂缝密度储层，二阶模型适用的裂缝密度范围比一阶模型大，但在裂缝密度过大时，二阶模型会出现不收敛的现象，模型便不再适用。裂缝储层纵横波速度随裂缝倾角增大而增大，纵波速度对裂缝倾角更为敏感。另外，在与实际测井曲线对比时，在高裂缝密度地层二阶模型的应用效果明显优于一阶模型，说明了在高裂缝密度储层考虑裂缝间的相互作用的必要性。     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

“联用技术及元素形态”国际课程探索与实践*

充分利用线上教学的优势,对化学院本科生开设了“联用技术及元素形态”国际课程,避免了传统教学中组织、协调外籍/外地专家资源过程中必要的各种消耗,极大程度地整合教学资源、改善教学效果。在该课程的探索与实践过程中,学生们对痕量元素形态及基于等离子体质谱的各种联用技术产生了极大的兴趣,激发了他们的主动学习热情;教师之间及师生之间的沟通趋向更简单、更灵活、更实时,为后续线上线下混合式国际课程建设提供了良好的基础和借鉴。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。