硫桥杯[4]芳烃衍生物膜修饰玻碳电极差分脉冲溶出伏安法测定铅

将硫桥杯[4]芳烃衍生物25,27-二(2-噻二唑基硫代乙氧基)-26,28-二甲氧基-5,11,17,23-四叔丁基硫桥杯[4]芳烃(TTCA)溶于二氯甲烷中,滴涂在玻碳电极表面,制得硫桥杯[4]芳烃修饰的玻碳电极。循环伏安当研究结果表明:将此修饰电极浸泡在1.0×10-6mol.L-1铅(Ⅱ)溶液中一段时间后转移至0.1 mol.L-1硝酸溶液中,以扫速100 mV.s-1在电位-0.8~-0.2 V范围内扫描所得的CV图上出现一对氧化还原峰。当此修饰电极在上述浓度的铅(Ⅱ)溶液中于-1.1 V富集300 s后用差分脉冲溶出伏安法检测时,铅(Ⅱ)在-0.516 V处出现一良好的氧化峰。铅(Ⅱ)浓度在2.0×10-7~2.0×10-5mol.L-1范围内与峰电流呈线性关系。其检出限(3S/N)为8.0×10-9mol.L-1。此法应用于水样中痕量铅的测定,测得回收率在95.0%~104.0%之间。     

Ga(OTf)3催化合成苯并二氮杂卓及其结构解析

以邻苯二胺和丙炔酸酯为原料,Ga(OTf)3催化一锅法合成了一类新型的1,5-苯并二氮杂卓衍生物,超声波辅助加快了反应的进行,该反应条件温和,反应时间短. 利用¹H NMR、¹³C NMR 确定了该产物的结构,并通过DEPT、¹H-¹H COSY、HMQC、HMBC等2D NMR谱,对化合物的¹H NMR和¹³C NMR数据进行了详细的归属,讨论了化合物的质谱裂解规律,进一步确证了该化合物的结构.     

微直通道内气体滑移流动的二维理论和数值研究

以微直通道内气体滑移流动为例,采用扰动分析方法,结合不同阶滑移条件,得出N-S方程的理论解.采用不同滑移模型,对不同进出口压比、长宽比、工质的微通道流进行理论和数值分析,着重研究稀薄效应、热蠕动效应以及不同滑移条件对计算结果的影响.计算表明,努森数是表征稀薄效应的特征参数,而热蠕动效应的强弱依赖于雷诺数.在极大长宽比的低速流工况下,理论和数值结果与实验吻合很好.     

磁性石墨烯纳米粒子固相萃取与气相色谱-质谱相结合测定环境水样中的三嗪类除草剂

将磁性石墨烯作为磁性固相萃取的吸附剂与气相色谱-质谱(GC-MS)相结合建立了环境水样中7种三嗪类除草剂残留的测定新方法。对影响萃取效率的一些因素如吸附剂用量、萃取时间、样品溶液的pH值、离子强度和解吸条件等进行了优化。在优化的实验条件下,7种三嗪类除草剂的富集倍数在574~968之间。测定西玛津、扑灭津、嗪草酮、西草净、氰草津的线性范围为0.01~10.0 μg/L,莠去津的线性范围为0.05~10.0 μg/L,扑灭净的线性范围为0.01~8.0 μg/L。线性相关系数为0.9968~0.9998,检出限(S/N=3)为1.0~5.0 ng/L。将本方法应用于井水、自来水和湖水等实际水样的分析,在0.5 μg/L和2.0 μg/L下的加标回收率为79.8%~118.3%,相对标准偏差为3.6%~10.5%。该法操作简单、富集倍数高,可满足水样中三嗪类除草剂残留的检测要求。     

基于复合绝缘层SiNx/PMMA的有机金属-绝缘层-半导体器件

为改善有机半导体器件的界面性能,在氮化硅层上旋涂聚甲基丙烯酸甲酯(PMMA)构成复合绝缘层。首先,利用原子力显微镜研究了不同浓度的PMMA复合绝缘层的表面形貌及粗糙度。接着,蒸镀六联苯(p-6P)、酞菁铜和金电极,构成有机的金属-绝缘层-半导体(MIS)器件。最后,研究了MIS器件的回滞效应及电性能。实验结果表明,复合绝缘层的粗糙度为单绝缘层的1/5,大约1.4 nm。复合绝缘层上的p-6P薄膜随着PMMA浓度增加形成更大更有序的畴,但单绝缘层上薄膜呈无序颗粒状。复合绝缘层的有机MIS器件几乎没有回滞现象,但单绝缘层的器件最大回滞电压约为12.8 V,界面陷阱电荷密度约为1.16×10~(12) cm~(-2)。复合绝缘层有机薄膜晶体管的迁移率为1.22×10~(-2) cm~2/(V·s),比单绝缘层提高了60%,饱和电流提高了345%。基于复合绝缘层的MIS器件具有更好的界面性能和电性能,可应用到有机显示领域。     

Observation of the BEC-BCS crossover in a degenerate Fermi gas of lithium atoms

We observe characteristic atomic behaviors in the Bose-Einstein-condensation-Bardeen-Cooper-Schrieffer(BEC-BCS)crossover,by accurately tuning the magnetic field across the Feshbach resonance of lithium atoms.The magnetic field is calibrated by measuring the Zeeman shift of the optical transition.A non-monotonic anisotropic expansion is observed across the Feshbach resonance.The density distribution is explored in different interacting regimes,where a condensate of diatomic molecules forms in the BEC limit with the indication of a bimodal distribution.We also measure the three-body recombination atom loss in the BEC-BCS crossover,and find that the magnetic field of the maximum atom loss is in the BEC limit and gets closer to the Feshbach resonance when decreasing the atom temperature,which agrees with previous experiments and theoretical prediction.This work builds up a controllable platform for the study on the strongly interacting Fermi gas.     

前行中的合成化学:2018～2022年科学基金项目评审工作概述及展望

2018年国家自然科学基金委员会化学科学部对学科布局进行了优化与调整,设立合成化学(B01)学科申请代码,受理项目涉及传统的无机化学、有机化学、高分子化学与超分子化学等多个领域.本文综述了2018～2022年合成化学不同类型项目的申请与资助情况,并对合成化学的未来发展提出了一些思考和展望.     

Wave nature of Rosensweig instability

The explicit analytical solution of Rosensweig instability spikes’ shapes obtained by Navier–Stokes(NS) equation in diverse magnetic field H vertical to the flat free surface of ferrofluids are systematically studied experimentally and theoretically. After carefully analyzing and solving the NS equation in elliptic form, the force balanced surface equations of spikes in Rosensweig instability are expressed as cosine wave in perturbated magnetic field and hyperbolic tangent in large magnetic fiel...     

基于深度架构网络的矮新星自动分类研究

矮新星是一类特殊而稀少的半相接双星。发现更多的矮新星对于深入研究物质转移理论、理解密近双星演化过程意义深远。利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。传统的自编码器是仅包含一个隐层的经典神经网络模型,编码能力有限,数据表征学习能力不足。模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征,通过对底层特征的逐渐抽象学习获得高层特征,进而提高光谱的分类准确率。以自编码器为基础构建了由输入层、若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络,用于处理海量的光谱数据集,挖掘隐藏在光谱内部具有区分度的深度结构特征,实现对矮新星光谱的准确分类。鉴于深度架构网络的参数设置会严重影响所构建网络的性能,将网络参数的优化分为逐层训练和反向传播两个过程。预处理后的光谱数据先由输入层进入网络,再经自编码器算法和权值共享实现对网络参数的逐层训练。反向传播阶段将初始样本数据再次输入网络,以逐层训练所得的权值对网络初始化,再把网络各层的局部优化训练结果融合起来,根据所设置的输出误差代价函数调整网络参数。反复地逐层训练和反向传播,直到获得全局最优的网络参数。最后由末隐层作为重构层搭建支持向量机分类器,实现对矮新星的特征提取与分类。网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减,并由反向传播算法微调整个网络,从而防止发生深度过拟合现象,减少因隐层神经元间的相互节制而学习到重复的数据表征,提高网络的泛化能力。该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力,其特征检测层可从无标注数据中隐式地学习到深度结构特征,有效刻画光谱数据的非线性和随机波动性,避免了光谱特征的显式提取,体现出较强的数据拟合和泛化能力。不同层之间的权值共享能够减少冗余信息的干扰,有效化解传统多层次架构网络易陷入权值局部最小化的风险。实验表明,该深度架构网络在矮新星分类任务中能达到95.81%的准确率,超过了经典的LM-BP网络。     

超高效液相色谱-串联质谱法测定犬血浆中利培酮和帕潘立酮及药代动力学研究

建立了超高效液相色谱-串联质谱法(UPLC-MS/MS)测定犬血浆中利培酮和帕潘立酮的浓度.血浆样品用乙腈沉淀蛋白后,用Zorbax SB-C18柱分离,以乙腈-10 mmol/L乙酸铵溶液(65∶35,V/V)为流动相,在电喷雾离子源正离子模式下以多反应监测(MRM)方式进行检测.利培酮、帕潘立酮分别在0.05～30.0 ng/mL和0.10～30.0 ng/mL范围内线性关系良好(r2＞0.99),定量限分别为0.05 ng/mL和0.10 ng/mL,回收率分别为91.2％～95.1％和93.1％～97.5％.该方法精密、准确、快速,适用于临床血药浓度的监测及利培酮缓释微球药动学的研究.