激光诱导金纳米棒图案化光纤SERS探针

研究了激光诱导沉积制备光纤表面增强拉曼散射(SERS)探针,并对探针的SERS性能进行检测。探讨光纤探针制备过程中金纳米棒溶液的浓度对探针灵敏度的影响。结果表明,将不同浓度的金纳米棒溶液进行激光诱导,在光纤端面会形成金纳米棒团簇和分散两种纳米结构。金纳米棒溶液的浓度、激光功率、诱导时间等因素都会对诱导沉积图案产生影响。实验利用功率为5 mW的激光进行诱导,在1.5×10^-9, 1.0×10^-9和7.5×10^-10 mol·L^-1的金纳米棒溶液中,经5 min沉积,制备出不同图案的光纤SERS探针。采用晶种法合成金纳米棒,用透射电子显微镜(TEM)观察金纳米棒形貌,并根据TEM图像分析计算了合成金纳米棒的长径比约为3.8。用扫描电子显微镜(SEM)观察金纳米棒的形貌以及激光诱导沉积后的纤维修饰端形貌,7.5×10^-10 mol·L^-1的金纳米棒溶液进行激光诱导,金纳米棒在光纤端面分布较为分散,而1.5×10^-9和1.0×10^-...     

ω-聚点及其一些好的性质

在LF拓扑空间中,引入ω-聚点的概念,这一概念克服了以往聚点的缺点,使得对任意的LF集A,B,A-=A∨Adω和(A∨B)dω=Adω∨Bdω同时成立。     

模糊蕴涵与Smooth紧

1985年,Sostak[8]由逻辑的观点出发定义了一种基于Lukasiew icz蕴涵算子的Sm ooth紧,基于同样的思想A.H aydar E s[12]又定义了另外几种Sm ooth(fuzzy)紧并讨论了它们之间的关系。王国俊教授[10]提出了一种比Lukasiew icz算子具有更好性质的R0-算子,基于R0-算子我们定义了一种模糊蕴涵,通过这种模糊蕴涵定义几种Sm ooth紧并讨论了它们的一些性质。     

基于社会智能的网络信息流安全环模型

基于人类的社会智能特征，提出了一种网络信息流安全环模型．该模型分4个层次控制网络信息流的动态安全：安全入口层负责用户的身份验证和信息流的安全封装；社会智能层赋予信息流自我感应、自我保护、自我调控的行为能力；事务层实现商业事务的提交、处理、回滚，提供实时保护和在线恢复机制；TCP／IP安全协议层则保障网络信息流的安全传输．这4个层次协同运作，构建了不同等级的安全环．通过数学模型的建立和论证，证明该模型可以有效地保障网络信息流的动态安全，为商业事务的整体安全提供了一种可行的解决方案．     

NiZSM-5沸石上金属镍的分散性

金属的催化活性不仅取决于该金属的价态分布,电子结构,而且强烈地依赖于金属的分散性。载Ni沸石体系,由于金属离子的难还原性和还原金属粒子的流动性,在制备过程中不可避免会引起粒子的迁移,聚集,并形成大晶粒,甚至导致金属的双分散系。迄今为止,关于金属粒子的聚集或大晶粒的形成尚无一致看法。     

毛细管电泳分离-激光诱导荧光检测生物胺

采用新合成的6-氧-[(1-琥珀酰亚胺)氧酰甲基]-荧光素乙酯(SOFE)作为柱前衍生试剂,毛细管电泳分离-激光诱导荧光检测了乙醇胺(EOA)、组胺(His)、甲胺(MA)、乙胺(EA)、酪胺(TYR)及苯乙胺(PEA)6种生物胺。在硼酸-硼砂缓冲溶液(pH8.5)中,室温(25℃)下衍生10min。用pH8.5的含25mmol/LSDS15%(V/V)乙腈的40mmol/L硼酸盐溶液作为电泳缓冲溶液,6种衍生物在15min内完全分离,检出限在2.5×10-11～8×10-11mol/L之间。该方法应用于酱油中生物胺的测定,结果令人满意。     

力学研究中"大数据"的启示、应用与挑战

大数据在全世界发展迅猛, 应用成效显著.大数据独特的思维和方法, 为科学研究与探索提供了全新的范式.力学研究中,高时空分辨率、多参数同步观测与高精度、大规模模拟手段的发展,为力学大数据的发展提供了契机,大数据、机器智能方法的应用正呈现快速上升趋势.本文旨在分析大数据思维方法在力学研究中的应用, 及其启示与挑战.首先从大数据资源、大数据科学及大数据技术3个层面分析了大数据的内涵及研究态势,概括了国内外政府及组织机构的大数据发展规划.而后对比分析了力学思维方法与大数据思维方法的特点,指出两者的本质区别在于数据使用方式的不同而带来的范式差异:大数据采用数据驱动模型替代力学中的偏微分方程组以描述问题,在复杂系统的分析、预测中优势显著.回顾了大数据方法在材料性能预测、材料本构建模、湍流建模、结构健康监测及试验力学等方面的最新研究进展,以及动态数据驱动与数字孪生等大数据驱动的建模模拟新范式.总结了大数据在力学研究中应用的3种方式, 即驱动已有模型改进,挖掘复杂隐含的规律, 以及替代已有的理论方法等. 最后,建议以力学研究为主体和牵引, 大数据与力学双驱动,推动大数据与力学交叉形成理论与方法突破、及学科发展新方向.      

不同沉淀剂制备CuO-ZnO催化剂甲醛乙炔化反应性能

分别以NaOH、Na₂CO₃、NaHCO₃为沉淀剂,采用共沉淀法制备了Cu：Zn摩尔比为2：1的CuO-ZnO催化剂,利用氢气程序升温还原（H₂-TPR）、热重（TG）、X射线衍射（XRD）及拉曼光谱（Raman）等技术对催化剂进行了表征,结合甲醛乙炔化活性评价,研究了沉淀剂对催化剂结构及催化性能的影响.结果表明,不同沉淀剂对催化剂中活性组分分散度有较大影响,进而在甲醛乙炔化合成1,4-丁炔二醇反应中表现出不同的催化活性.以Na₂CO₃为沉淀剂制备的催化剂中形成CuO-ZnO固溶体,提高了CuO的分散度及Cu⁺在还原性气氛下的稳定性,经活化后可生成较多的活性物种炔化亚铜,表现出最佳的炔化反应活性与1,4-丁炔二醇选择性.     

双阈值二元神经网络极限环的存在惟一性

研究具负反馈的双阈值二元神经网络模型的动力学性质。在一定的初始函数空间内，对设定的阈值范围证明了模型存在惟一稳定极限环。