液相色谱-串联质谱法测定血清中15种胆汁酸

建立了血清中15种胆汁酸的液相色谱-串联质谱(LC-MS/MS)测定方法。血清样品经乙腈沉淀蛋白后,用Capcell Pak C18MG柱分离,以乙腈-醋酸铵缓冲液为流动相进行梯度洗脱,流速0.25 mL/min,进样10μL,采用多反应监测(MRM)定量分析。在定量范围内,15种胆汁酸的线性关系良好,批内、批间的RSD分别为2.3%~12.7%和1.1%~14.3%,回收率在75%~101%之间。应用本法测定了10名健康儿童血清中的胆汁酸含量。该方法的样品处理简单快速,检测准确灵敏,可满足临床血样中胆汁酸含量测定的要求。     

一体化光电融合计算发展与挑战

近年来,军事作战领域在陆、海、空、天、电“五维一体”全方位、跨域协同、信息共享的联合作战样式的实现上付出了巨大的努力。在多功能综合一体化技术中,包括雷达、通信、电子战、导航、敌我识别等多种设备面临着共享射频资源和数据处理资源的问题。海量的数据处理要求计算平台具有超高计算速度和超高能效的特点,而传统的电子计算平台受到“存储墙”、集成电路的时钟频率、带宽、时延等影响,计算速度和能效提升受到很大限制。光子平台具有高速、大带宽、低串扰等特性,再结合电子手段灵活性和易调控的优势,构造光电融合的计算可以有效提升计算速度和能效。为了更好的将光电融合计算应用在多功能综合一体化技术中,本文对光电融合计算的研究现状进行梳理,按照目前的四种典型平台展开讨论,包括片上集成相干平台、片上集成非相干平台、基于光纤系统的光电融合计算、空间光学衍射平台,并在计算大规模化、非线性光学计算实现、光电高效融合三个未来的重要发展趋势进行阐述和展望。     

低轨巨型星座发展及其测控方法探析

随着航天技术的不断发展,航天器的数量呈现出爆发式增长的态势,各航天大国都争相提出自己的巨型星座建设计划,如何解决巨型星座中海量航天器的测控是亟待解决的关键问题。从巨型星座的发展现状、趋势与特点出发,分析了巨型星座测控的主要需求以及面临的难点问题;在此基础上,从全空域多目标测控、随遇接入、卫星自主在轨导航等方面总结了巨型星座测控的主要发展方向,为未来相应测控系统的研究提供参考。     

催化超滑:金催化作用下非晶含氢碳薄膜的工程超滑

摩擦磨损是导致机械系统高能耗和失效的主要原因,降低摩擦系数、减小磨损,特别是实现超滑(超低摩擦,μ＜0.01)是解决上述困窘的有效方法.本文针对在工程尺度难以实现超滑应用的技术壁垒,将催化与摩擦学相结合,提出了金催化非晶含氢碳薄膜原位生成石墨烯纳米带实现工程超滑的新方法,即"催化超滑".本文采用等离子体化学气相沉积法(...     

超大带宽高频XBAR谐振器研究

随着第五代移动通信(5G)时代的到来,高频、大带宽的谐振器成为通信行业的迫切需求。该文设计制备了一款可实现高频超大带宽的横向激发体声波谐振器(XBAR)。该谐振器A1模式的谐振频率为5.81 GHz,机电耦合系数可达39.6%,Q-3 dB为248;A3模式的谐振频率高达17.04 GHz,机电耦合系数为7.0%。该谐振器A1和A3模式的频率温度漂移系数(TCF)分别为-72.6×10^-6/℃和-38.5×10^-6/℃。此外,该文还提出了一种新型叉指电极(IDT)结构,该结构可以抑制寄生模式,提升谐振器性能。     

D-72磺酸树脂催化合成(±)2-苯基-2-烷氧基乙醇

利用磺酸树脂D-72催化环氧苯乙烷与醇加成反应,合成了5种(±)2-苯基-2-烷氧基乙醇。其结构经1H NMR,IR和GC-MS表征。催化剂可重复使用8次。     

从“算力中心”到“算力网”——从算力角度谈算网一体的机遇与挑战

文章以算力的主视角切入,探讨算网一体概念对算力基础设施建设的重要影响,重点分析由“算力”向“算力网”发展过程中所面临的关键技术挑战,并面向该系列挑战提出一套算力网基础功能架构,开展应用案例分析,为“算网融合”的概念演进与技术发展提供关键参考。     

双缺陷模一维光子晶体的双光子吸收增强研究

采用真空镀膜工艺制备了具有762 nm和800 nm双缺陷模的含两个CdS缺陷层的TiO2/SiO2一维光子晶体,运用抽运探测技术测量了其双光子吸收。对于两个缺陷模,双光子吸收均得到很大的增强,其中缺陷模为800nm时的双光子吸收系数307 cm/GW要大于缺陷模为762 nm时的116 cm/GW,分别为单层CdS薄膜的48倍和18倍。这种双光子吸收的增强是由于光局域化导致一维光子晶体缺陷层内的电场强度增大而形成的。通过传输矩阵法计算了一维光子晶体的内部场强,发现800 nm波长光入射时缺陷层内的电场强度要大于762 nm波长光入射时的电场强度值。     

面向联邦学习的6G大规模物联网资源跳跃多址方案

随着移动设备的广泛应用和大数据的快速增长,联邦学习作为一种在分散数据环境中进行机器学习的新兴范式,吸引了越来越多的关注。同时,5G/6G均将大规模物联网场景作为其核心场景之一,以通过实现大规模设备连接来完成未来海量分散数据的实时传输。因此,6G大规模物联网可以为联邦学习中海量终端的数据处理提供有力支撑。多址技术是6G大规模物联网实现海量连接的关键,现有研究提出了多种面向大规模物联网的新型多址方案,其中资源跳跃多址方案考虑信道资源的跳跃,通过给不同用户分配不同的资源跳跃图案从而实现海量用户接入。提出了资源跳跃多址与联邦学习的结合方案,将联邦学习客户端的通信信道划分为多个子信道,然后根据其数据特征和计算资源分配资源跳跃图案。结果表明,所提出的结合方案不仅能够提高联邦学习模型的训练速度,而且能够有效保护用户数据的隐私。     

基于特征累积的语义分割网络设计

语义分割是一种像素到像素的图像分类任务。而现有方法在处理此类问题时,往往忽略了不同图像之间类别分布的相似性。因此,该文提出了一种基于特征累积的语义分割网络,能够在训练的过程中,使用动量累积的方式,根据每张图像上不同的类别特征,拟合整个数据集的特征分布。除此之外,为了适应通用数据集中复杂的自然环境,该网络尝试对同一类别的特征聚类进行更深层次的划分,并且取得了较好的效果。与同样使用特征通道信息的OCRNet相比,使用ResNet作为骨干网络的情况下,该模型在Pascal Context数据集上平均交并比（mIoU）和平均准确度（mAcc）分别可以提升0.34%和0.64%;实验证明了这一优势在不同数据集、不同骨干网络中同样存在。