新型4-羟色胺类化合物的合成及生物活性

以4-羟基吲哚为原料,经吲哚环4位乙酰基化、3位亲电取代、酰胺化和还原加氢等反应合成目标化合物7.通过核磁共振氢谱及碳谱对化合物进行结构表征,并对目标化合物进行体外抗氧化生物活性测试.初步生物活性测试结果表明,化合物7a,7b,7c和7d对DPPH·均有很强的清除作用(清除率为85.25%~90.73%),7e,7f,7g,7h作用较差;目标化合物与Vc相比,对·OH的清除作用稍差,最高清除率25.66%(Vc的最高清除率为34.67),但各化合物整体水平相当;在清除O-2·能力上化合物7a,7d,7g,7h最大清除率(分别为19.34,35.35,27.93和31.74)均强于同等浓度的Vc(17.58).     

煤直接液化油中混合酚的分离研究

利用分子筛择形特点，对煤直接液化油中的混合酚实施高效分离。本研究选取间甲酚和对甲酚作为分离煤直接液化油馏分段混合酚的模型化合物，采用化学液相沉积法对HZSM-5吸附剂的孔口结构进行改变，分析分子筛硅铝比及颗粒粒径对模型化合物间甲酚和对甲酚吸附分离性能的影响，以获得高性能固相吸附剂，并将其应用于180-190℃馏分段混合酚分离。结果表明，当分子筛硅铝比为25、粒径为3-5 μm时，分子筛的孔口结构调节效果最优；当正硅酸乙酯的最小用量为0.2 mL/g时，固相吸附剂的吸附量为0.03 g/g，对甲酚选择性高于95%。由于外表面沉积物对吸附剂的孔口结构变化，导致对甲酚选择性的提高。进一步采用HZSM-5（1）吸附剂对真实煤直接液化油混合酚的分离中发现，苯酚和对甲酚的选择性均达到100%。     

松木-聚氯乙烯复合材料催化热解特性的研究

通过热重法研究了松木与聚氯乙烯复合材料的催化热解特性,结果表明聚氯乙烯脱氯阶段与松木的纤维素、半纤维素热分解阶段温度区间重合,二者共热解时存在协同效应,并且HCl的释放对纤维素的脱水反应能够产生催化作用,HCl释放也对木质素的热分解及碳化反应有着明显的催化作用,导致二者共热解制备的碳化物产率提高,约为29.61%。并且利用元素分析仪、扫描电镜和能谱仪对成碳材料进行表征分析,结果表明成碳材料表面粗糙呈现多孔结构,其碳元素含量较高达到74.67%。     

单晶硅晶格间距的测量技术进展及应用

单晶硅晶格间距是许多重要物理常数测量的基础。本文介绍了硅晶格间距测量技术的发展历程,包括X射线干涉仪直接测量和晶格比较仪间接测量两种方法,以及影响测量结果不确定度的关键因素。得益于晶格间距测量的进展,在纳米尺度,硅晶格间距被国际计量局(BIPM)批准成为新的米定义复现形式。最后介绍了硅晶格在计量学中的应用,以及基于硅晶格实现纳米几何量测量的溯源体系的研究趋势。     

化学法改性煤沥青脱除苯并芘的研究

在管式反应器中采用苯甲酸、聚乙二醇、固体古马隆树脂（S）、液体古马隆树脂（L）为添加剂来降低煤沥青中有害物质苯并芘的含量，以期使得煤沥青可绿色化应用。采用紫外-可见分光光度计分析煤沥青中苯并芘含量。考察了反应温度、反应时间、添加剂添加量、催化剂等工艺条件对添加剂脱除煤沥青中苯并芘的影响。结果表明，不同工艺条件能降低煤沥青中苯并芘的含量。在优化条件下，不同添加剂对苯并芘脱除率由高到低依次为：液体古马隆树脂、聚乙二醇、苯甲酸和固体古马隆树脂。分析其反应机理，这与催化剂的酸性相关，发生亲电取代反应。结果表明，液体古马隆树脂（L）在催化剂存在下对煤沥青中苯并芘脱除率可达73.0%，显示了良好的应用前景。     

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。     

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。     

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。