氯化胆碱离子液体中纳米铜的电化学制备

在氯化胆碱离子液体中,采用牺牲阳极法于80℃下直接从金属铜制备了纳米铜微粒,其结构和性能经IR,XRD,SEM,TEM和TG表征。结果表明:纳米微粒大致呈球形,面心立方结构,粒径约30 nm。     

Al-Cu-Ge合金的热物理性质与快速凝固规律研究

Al-Cu-Ge合金是典型的三元共晶体系,在工业上有重要的应用价值,对其进行研究有助于了解该合金的热物理性质和提高该合金的结构性能.本文选择了Al55Cu10Ge35,Al70Cu10Ge20和Al80Cu10Ge10三种成分合金作为研究对象,对合金的固态比热和热膨胀系数进行了测量,并对比分析了合金在近平衡凝固和落管快速凝固条件下的组织特征和凝固路径.研究发现,合金比热随Al含量的增大和Ge含量的减少而增大.这三种成分合金的软化温度均为666 K,物理热膨胀系数α在370—650 K温度范围内基本一致,约为1.5×10-5K-1.近平衡凝固条件下合金凝固过程中最后一步反应生成的均为(Al)+(Ge)二相共晶而不是三元共晶,这表明(Al)、(Ge)和CuAl2相在这三种成分的Al-Cu-Ge合金中难以同时形核并协同生长.然而,在快速凝固条件下,初生相的形核和生成受到抑制,合金中更易于形成二相共晶和三元共晶组织.     

组织中的四环素族药物残留的HPLC检测方法的改进

通过前处理方法和色谱分析条件的选择优化,改进了组织中四环素族药物残留的检测方法.与国标方法相比,方法不仅无腐蚀性溶剂,而且具有灵敏度高、重复性好、准确等特点.     

确定度分布条件下可变同配系数的算法构造与影响分析

复杂网络是现实中大量节点和边的抽象拓扑, 如何揭示网络内部拓扑对网络连通性、脆弱性等特征的影响是当前研究的热点. 本文在确定度分布的条件下, 根据Newman提出的同配系数的定义分析其影响因素. 首先在可变同配系数下分别提出了基于度分布的确定算法和基于概率分布的不确定算法, 并分别在三种不同类型的网络(Erdös-Rényi网络, Barabási-Albert网络, Email真实网络)中验证. 实验结果表明: 当网络规模达到一定程度时, 确定算法优于贪婪算法. 以此为基础, 分析了同配系数改变时聚类系数的变化, 发现两者之间存在关联性, 并从网络的微观结构变化中揭示了聚类系数变化的原因.     

aprE基因表达的分子生物学和微量热法分析

利用分子生物学方法(SDS-PAGE和酶活检测法)未检测到所克隆的aprE基因在大肠杆菌中的表达产物(碱性蛋白酶), 而微量热法检测结果发现: 重组菌株的生长代谢产热曲线之间存在明显的差异. 根据这些差异, 分析了该基因的上、下游调控序列对该基因在大肠杆菌中表达的重要作用, 从而进一步对该基因进行了亚克隆, 得到了生物学方法可检测到的表达产物. 由此推测, 微量热技术有可能为检测外源基因表达及其调控, 以及为指导进一步基因工程操作提供一种新的快速灵敏的技术和方法.     

Cascading failure in multilayer networks with dynamic dependency groups

The cascading failure often occurs in real networks. It is significant to analyze the cascading failure in the complex network research. The dependency relation can change over time. Therefore, in this study, we investigate the cascading failure in multilayer networks with dynamic dependency groups. We construct a model considering the recovery mechanism.In our model, two effects between layers are defined. Under Effect 1, the dependent nodes in other layers will be disabled as long as one node does not belong to the largest connected component in one layer. Under Effect 2, the dependent nodes in other layers will recover when one node belongs to the largest connected component. The theoretical solution of the largest component is deduced and the simulation results verify our theoretical solution. In the simulation, we analyze the influence factors of the network robustness, including the fraction of dependent nodes and the group size, in our model. It shows that increasing the fraction of dependent nodes and the group size will enhance the network robustness under Effect 1. On the contrary, these will reduce the network robustness under Effect 2. Meanwhile, we find that the tightness of the network connection will affect the robustness of networks. Furthermore, setting the average degree of network as 8 is enough to keep the network robust.