溶剂对柔性配体1,3,5-三(三氮唑-1-甲基)-2,4,6-三甲苯的银配合物的影响

通过在不同溶剂中硝酸银与1,3,5-三（1,2,4-三氮唑-1-甲基）-2,4,6-三甲苯（ttmb）的反应,合成了2种新型的银配合物：{[Ag（ttmb）（H₂O）]NO₃}_n（1）、{[Ag（ttmb）]NO₃·H₂O）}_n（2）。研究了室温条件下,2个配合物与相关ttmb配体的固态荧光性质。通过元素分析、粉末和单晶X射线衍射分析、红外光谱分析等对其结构进行表征,结果表明化合物1包含一个高度起伏的二维网状结构,化合物2具有一个二维的（6,3）网状结构。     

Ag作催化剂制备的GaN的形貌及其性能

用化学气相沉积法(CVD)在Si(100)衬底上以Ag纳米颗粒为催化剂制备了微纳米结构的GaN,原料是熔融态的金属Ga和气态的NH3。采用X射线衍射仪(XRD)、透射电镜(TEM)、X-ray能谱仪(EDS)、场发射扫描电子显微镜(SEM)、光致发光能谱(PL)和霍尔效应测试对样品进行了结构、成分、形貌和发光、电学性能分析。结果表明:生成的自组装GaN为六方纤锌矿的类似小梯子的微纳米单晶结构,且在不同的温度下,GaN的发光性能和电学性能也有所不同,相对于强的紫外发光峰,其它杂质发光峰很微弱,且均呈p型导电。对本实验所得到的GaN微纳米结构的可能形成机理进行了探讨。     

毕达哥拉斯群决策方法及其在绿色供应商选取中的应用

针对专家权重未知且属性值为毕达哥拉斯模糊数的多属性群决策问题,基于证据理论和混合加权毕达哥拉斯MSM算子,提出了一种群决策方法。 首先,由决策信息矩阵获取专家的模糊测度,并赋予其相应的权重;其次,基于新构造的混合加权毕达哥拉斯MSM算子对专家所提供的属性信息分别进行集结,得到各个专家的综合评价信息;再次,利用证据合成方法,对专家综合评价信息进行融合,获得候选方案的综合证据信息,进而可知备选方案的信任区间,并据此对候选方案进行优选决策;最后,绿色供应商选取案例的分析与对比验证了方法的可行性与合理性。     

设计和制备能量转换和环境净化的高效异质结光催化剂

在过去的几十年中,光催化由于具有将太阳能转化为清洁氢化学能和降解各种污染物的广泛应用前景,因而引起了人们广泛关注.近期,很多研究表明,两个具有相匹配电子能级结构的半导体形成接触良好的异质结,可以有效地促进电荷转移和抑制光生电子(e–)和空穴(h+)的复合,从而显著提高光催化剂的活性和稳定性.本文主要讨论了异质结对半导体光催化剂的促进作用;分析了异质结对一些典型光催化剂如TiO2,ZnO和Ag基半导体等光催化性能的影响;讨论了异质结光催化剂的制备方法和对光催化过程影响的基本机理;最后,提出了设计和理解异质结促进光催化反应机理所面临的挑战.     

ZnO与骨架NiMo物理混合用于丙三醇催化重整-氢解制1,2-丙二醇

以骨架NiMo以及与氧化物物理混合, 考察了其在连续固定床反应器中无外加氢气条件下的丙三醇一锅法重整-氢解制1,2-丙二醇(1,2-PDO)的性能.研究发现, 骨架NiMo自身催化活性高, 但对1,2-PDO的选择性一般.当将其与MgO, SiO₂, Al₂O₃, HZSM-5, TiO₂, ZrO₂或CeO₂机械混合时, 丙三醇转化率和1,2-PDO选择性均发生下降.但当与ZnO物理混合时, 催化活性和选择性均有所提高, 1,2-PDO得率可达52.0%, 优于贵金属催化剂在该一锅法反应中得到的结果.物理混合的ZnO与骨架NiMo之间这种独特的协同作用, 归因于重整过程中产生的CO₂在ZnO上发生化学吸附, 原位增强了ZnO的路易斯酸性.这不仅促进了丙三醇在ZnO上脱水生成中间产物丙酮醇, 也促进了丙酮醇在骨架NiMo上加氢生成1,2-PDO.     

急冷非晶态镍合金催化剂的研究开发和工业应用

Raney Ni催化剂是石油化学工业用量最大的催化剂之一,通过急冷技术将其晶态结构转变为非晶态结构,能够提高加氢活性.但非晶态合金热稳定性差、比表面积小限制了这类催化材料的工业应用.通过加入少量稀土元素,使非晶态 Ni 晶化温度提高200 K以上; 通过加入Al再碱抽Al,使非晶态Ni比表面积增加100倍以上; 通过加入功能助剂调节非晶态Ni的加氢选择性、增加抗酸碱腐蚀性和磁性,从而形成了系列非晶态Ni加氢催化剂 (商品名为 SRNA).其中,SRNA-1 用于药物中间体加氢; SRNA-2用于葡萄糖加氢制山梨醇; SRNA-3用于汽、柴油吸附脱硫; SRNA-4用于己内酰胺加氢精制; SRNA-5 用于苯甲酸加氢中替代Pd/C催化剂,使后者的用量减少了50%.     

篇章中指代消解研究综述

指代消解的基本任务是识别篇章中对现实世界同一实体的不同表达.由于消解不同实体表达是自然语言理解的关键因素之一,因此许多学者在该领域做了大量的研究工作.本文将指代消解领域的经典算法综述为两大类:①基于启发式语言学规则的指代消解方法;②基于数据驱动的指代消解方法.在过去的几十年里,由于标注语料MUC,ACE和OntoNotes的出现,指代消解系统从基于启发性规则的消解方法转向基于数据驱动的消解方法.然而最近两年出现一个比较有趣的现象,只要能获取足够多的表达信息,基于启发性规则的方法也能取得很好的消解效果,基于启发性规则的方法又有兴起的趋势.随着指代消解研究的发展,它在其余自然语言处理技术中得到了广泛的应用,例如:机器翻译、信息抽取和自动文摘等领域.计算模型不精确、篇章知识匮乏以及缺少标注语料是限制指代消解发展的主要因素.未来,候选消解项的识别与抽取、跨文本指代消解、多语言的指代消解和各种深层篇章知识的联合利用将成为指代消解发展趋势.     

外形·联想·构造——解题法

“问题是数学的心脏”．数学题五花八门，解题的方法也各式各样，就是说，针对不同的数学题要采取不同的方法解之方才便捷．这里就一些数学题根据其外形特性，联想到某些公式、方程、解题经验等，而构造出相应的公式、方程，然后利用它们的性质来解决问题．这种解题方法往往就是因为题目的外形特征，引发出来的一种解题技巧．１ 外形·联想，凑成公式 例 １ 化简：（１＋ ２（－１／３２））（１＋２（－１／１６））（１＋ ２（－１／８））（１＋２（－１／４））（１＋２（－１／２））． 分析 这是道化简题，若将５个因式硬乘开来，显然…