基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

n维有限射影空间上d~e——析取矩阵的新构作

利用n维有限射影空间上的一些性质,构作了组合群验的数学模型de-析取矩阵,并研究了它的参数和Hamming距离.     

Nanocomposite hydrogel consisting of Na‐montmorillonite with enhanced mechanical properties

A new kind of nanocomposite (NC) hydrogel with Na‐montmorillonite (MMT) is presented in this article. The NC hydrogels were synthesized by free radical copolymerization of acrylamide and (3‐acrylamidopropyl) trimethylammonium chloride (ATC) in the presence of MMT and N,N′‐methylene‐bis‐acrylamide used as chemical cross‐linker. Due to the cation‐exchange reaction between MMT and ATC (cationic monomer) during the synthesis of NC hydrogels, MMT platelets were considered chemical “plane” cross‐linkers, different from “point” cross‐linkers. With increasing amount of MMT, the crosslinking degree enhanced, causing a decrease of the swelling degree at equilibrium. Investigations of mechanical properties indicated that NC hydrogels exhibited enhanced strength and toughness, which resulted from chemical interaction between exfoliated MMT platelets and polymer chains in hydrogels. Dynamic shear measurements showed that both storage modulus and loss modulus increased with increasing MMT content. The idea described here provided a new route to prepare hydrogels with high mechanical properties by using alternative natural Na‐MMT. © 2015 Wiley Periodicals, Inc. J. Polym. Sci., Part B: Polym. Phys. 2015 , 53, 1020–1026     

零维到三维结构中三核铜自旋阻挫簇单元的磁构关系和反对称交换

量子自旋液体是最近几年刚被人们证实除铁磁体、反铁磁体之外的第三种磁性类型,因其有望解释高温超导的运行机制、改变计算机硬盘信息存储方式而在物理、材料等领域备受关注。自旋阻挫作为量子自旋液体的最小单元可能是解开量子自旋液体诸多问题的钥匙,所以在磁学、电学研究领域再一次成为人们研究的热点。基于文献报道的三核铜配合物[Cu3(μ3-OH)(μ-OPz)3(NO3)2(H2O)2]·CH3OH(1),我们合成了三维金属有机框架配合物{[Ag(HOPz)Cu3(μ3-OH)(NO3)3(OPz)2Ag(NO3)]·6H2O}n(2)(HOPz=甲基(2-吡嗪基)酮肟),并从自旋阻挫的角度对二者磁性质进行对比和详细分析。磁化率数据表明自旋间有很强的反铁磁相互作用和反对称交换。通过包含各向同性和反对称交换的哈密顿算符对两者磁学数据进行拟合并研究其磁构关系,所获最佳拟合参数为:配合物1:Jav=-426 cm^-1,g⊥=1.83,g∥=2.00;配合物2:Jav=-401 cm^-1,g⊥=1.85,g∥=2.00。     

盐酸伊达比星杂质A的合成工艺优化及其高效液相分析

通过对盐酸伊达比星脱羟基杂质A的合成研究，为盐酸伊达比星的质控标准提供参考。以盐酸伊达比星为起始原料，经过4步反应得到脱羟基杂质A。本文提供了盐酸伊达比星杂质A的制备方法以及高效液相色谱分析方法，为杂质含量控制提供了依据。该工艺可以稳定、快速制备高纯度脱羟基杂质A，制备总收率为57.20%，纯度为57.20%，其结构经¹H NMR， ¹³C NMR和MS(ESI)表征。     

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。     

Lipase‐Supported Metal–Organic Framework Bioreactor Catalyzes Warfarin Synthesis

A green and sustainable strategy synthesizes clinical medicine warfarin anticoagulant by using lipase‐supported metal–organic framework (MOF) bioreactors (see scheme). These findings may be beneficial for future studies in the industrial production of chemical, pharmaceutical, and agrochemical precursors.     

激光能量对反钙钛矿GaCMn_3薄膜结构与物性的影响

本文采用脉冲激光沉积方法在LaAlO3(001)单晶衬底上制备了反钙钛矿GaCMn3薄膜,通过控制制备过程中脉冲激光的能量,研究了不同激光能量条件对GaCMn3薄膜结构与物理性能的影响.分别利用X射线衍射仪、原子力显微镜、超导量子干涉仪和物理性能测试系统,对所制备的薄膜的晶体结构、表面形貌和磁性、电输运性质进行了研究.结果表明,制备的样品均为具有多个晶面取向的反钙钛矿薄膜,且薄膜结构和物性明显随制备激光能量的变化而变化.当激光能量为450mJ时,制备的薄膜多晶面取向性最弱,结晶性和表面形貌最优良.实验所得的薄膜均表现出顺磁-铁磁-反铁磁相转变,然而转变过程比块材较平缓,同时薄膜的电阻率并未表现出块材中的突变特征,我们推测该现象很可能是由衬底的应力及衬底的晶格膨胀对薄膜反常晶格变化的抑制作用造成的.