密度泛函理论方法研究填料表面对聚合物摩擦化学的影响

采用超声分散法制备出氧化铝、高岭土、氧化硅/聚四氟乙烯复合材料, 使用线性往复摩擦磨损试验机对比三种复合材料的摩擦学性能. 结果表明 质量分数10%的氧化铝、高岭土能将聚四氟乙烯的磨损率降低约4个数量级, 而氧化硅仅能降低约3个数量级. 对金属对偶表面形成的转移膜的形貌和化学成分进行分析发现 氧化铝、高岭土/聚四氟乙烯在金属对偶面上形成了高度羧酸盐化的转移膜. 用密度泛函理论对三种填料表面上碳氟分子吸附过程进行模拟, 结果显示氧化铝、高岭土表面的路易斯酸性位点促进了碳氟分子的脱氟过程, 产生了更多的羧酸螯合物的中间产物; 氧化硅缺少路易斯酸性位点, 因此不能促进高度羧酸盐化的转移膜形成.     

分子刚度对膜锚定受体-配体结合动力学影响的理论与模拟研究

人体内大部分生物学过程都离不开细胞黏附.细胞黏附行为主要由锚定于细胞膜上的特异性分子（又称受体和配体）的结合动力学关系来决定.已有研究表明，特异性分子的结合关系受外力及细胞膜波动等多种因素影响.然而，特异性分子刚度对细胞膜锚定受体 配体结合关系的影响机制仍不清楚.近期关于新冠病毒强传染力的研究表明，特异性黏附分子刚度对病毒与细胞结合具有重要影响.该文通过建立生物膜黏附的粗粒度模型，借助分子模拟和理论分析来研究分子刚度在黏附中的作用.结果表明，始终存在一个最佳膜间距及最佳分子刚度值，使得黏附分子亲和力和结合动力学参数达到最大值.这项研究不仅能加深人们对细胞黏附的认知，还有助于指导药物设计、疫苗研发等.     

碳纳米管膜的高温纯化研究

为了获得纯度更高的碳纳米管膜, 保证材料发热稳定性, 需要对通过化学气相沉积法得到的碳纳米管膜进行二次纯化. 通过使用高温纯化炉, 在真空状态下, 从1700℃到3200℃分7挡温度对碳纳米管进行纯化, 并对其含碳量和方块电阻进行比较. 结果表明, 高温纯化后的碳纳米管膜含碳量从95.0%提高到99.9%, 解决了含碳量低的问题. 同时, 在高温纯化中发现碳纳米管膜方块电阻从纯化前3Ω降低到0.5Ω, 方块电阻的降低对碳纳米管膜具有十分重要的意义, 同样对碳纳米管膜后续产品的开发也有重要作用.     

偏缠绕模的Frobenius性质

主要给出了偏缠绕模的Frobenius性质，推广了缠绕模相应的性质。     

托卡马克中磁流体不稳定性与高能量离子相互作用

在托卡马克中,磁流体不稳定性与高能量离子相互作用是一个非常重要的问题,它对未来聚变堆稳态长脉冲运行至关重要。HL-2A是我国第一个具有先进偏滤器位形的非圆截面的托卡马克核聚变实验研究装置。撕裂模是托卡马克中的一种基本的电阻磁流体不稳定性,它可以改变磁场的拓扑结构,形成输运短路,甚至会触发大破裂。高能量离子在燃烧等离子体和各种外部辅助加热过程中是不可避免会产生的。目前,撕裂模与高能量离子相互作用依然存在一些关键性问题,例如撕裂模与高能量离子相互作用的共振关系、该物理过程导致高能量离子损失的物理机理等,并且还没有完整的关于撕裂模与高能量离子共振相互作用的数值模拟工作。因此,本综述论文主要从以下三个方面展开:1)回顾撕裂模与高能量离子相互作用的研究历史;2)基于HL-2A实验,从数值模拟的角度讨论撕裂模与高能量离子共振相互作用的物理机理以及其导致高能量离子损失的物理机制;3)展望未来聚变堆中撕裂模与高能量离子相互作用的情况。     

开关型Pickering乳液体系

Pickering乳液以胶体尺寸的固体粒子代替传统表面活性剂作为稳定剂,具有超稳定,生物相容性好以及对环境友好等优点。开关型Pickering乳液可随pH值、CO₂/N₂浓度、温度、磁场强度及光强度等条件的变化而改变固体乳化剂的表面润湿性,实现在“乳化”与“破乳”之间的快速转换,在非均相催化、乳液聚合等诸多领域有广泛的应用前景。本文全面总结了近年来开关型Pickering乳液的研究进展及其在界面催化系统、液膜处理有机废水、药物的包封与释放等方面的应用。     

基于细胞穿膜肽的药物递送研究进展

从细胞穿膜肽(CPP)的分类、内化机制、与货物的连接和应用四个方面讲述目前人们在对细胞穿膜肽的研究上已经取得的成果。细胞穿膜肽是一种能穿过细胞膜的短肽,可分为阳离子型肽、两亲性肽和疏水性肽。细胞穿膜肽的内化机制主要有内吞作用、直接渗透、依赖于糖蛋白的内化机制和依赖于浓度的内化机制等。近年来,人们合成了多种有实际应用价值的CPP-货物复合物,在细胞穿膜肽的应用上,取得了很多进展和突破。科学家们主要研究将细胞穿膜肽应用于药物递送和细胞成像。     

排名聚合算法在少量长列表聚合中的性能比较分析

排名聚合将多个排名列表聚合成一个综合排名列表,可应用于推荐系统、链路预测、元搜索、提案评选等.当前已有工作从不同角度对不同排名聚合算法进行了综述、比较,但存在算法种类较少、数据统计特性不清晰、评价指标不够合理等局限性.不同排名聚合算法在提出时均声称优于已有算法,但是用于比较的方法不同,测试的数据不同,应用的场景不同,因此何种算法最能适应某一任务在很多情况下仍不甚清楚.本文基于Mallows模型,提出一套生成统计特性可控的不同类型的排名列表的算法,使用一个可应用于不同类型排名列表的通用评价指标,介绍9种排名聚合算法以及它们在聚合少量长列表时的表现.结果发现启发式方法虽然简单,但是在排名列表相似度较高、列表相对简单的情况下,能够接近甚至超过一些优化类方法的结果;列表中平局数量的增长会降低聚合排名的一致性并增加波动;列表数量的增加对聚合效果的影响呈现非单调性.整体而言,基于距离优化的分支定界方法 (FAST)优于其他各类算法,在不同类型的排名列表中表现非常稳定,能够很好地完成少量长列表的排名聚合.