金属插层对一维光子晶体中光传输特性的影响

利用传输矩阵方法,从理论上研究了金属插层对由SiSiO2组成的一维光子晶体中光传输特性的影响.结果表明:由(SiSiO2)n组成的一维光子晶体,考虑到材料的实际吸收及折射率随波长发生变化的情况,当n≥9时,该体系出现全反射带(光子带隙),在(SiSiO2)n光子晶体中的SiO2层的中间插入金属银层,构成(SiSiO2AgSiO2)n金属型一维光子晶体,光子带隙的宽度明显加宽,且在该带隙中s光和p光在0—60°入射角下均具有较低损耗,利用这一特性,可以制作出宽带反射镜 关键词： 光子晶体 金属层 传输矩阵     

磺酰脲除草剂与过氧化氢酶的相互作用

应用荧光光谱法研究了水溶液中氯磺隆、甲磺隆、苄嘧磺隆与过氧化氢酶分子间的结合反应。结果表明,3种除草剂对过氧化氢酶的荧光均有较强的猝灭作用,且形成复合物所产生的静态猝灭是引起过氧化氢酶荧光猝灭的主要原因。进一步根据荧光猝灭结果确定了除草剂-酶复合物的形成常数和结合位点数。氯磺隆：K=8.69×105 L·mol-1, n=1.16;甲磺隆：K=1.01×106 L·mol-1, n=1.21;苄嘧磺隆：K=3.52×103 L·mol-1, n=0.77。由此可见,3种除草剂与过氧化氢酶的结合作用：甲磺隆＞氯磺隆＞苄嘧磺隆。     

蛋白质在羟基磷灰石界面吸附的研究

考察了酪蛋白酸钠(sodium caseinate,SC)和乳清分离蛋白(whey protein isolate,WPI)在表面性质不同的3种羟基磷灰石(hydroxyapatite,HA)颗粒上的界面吸附,分析了蛋白质的分子构型和HA颗粒的表面性质等因素对蛋白质在HA界面吸附的影响,重点讨论了SC和WPI肽链上磷酸化丝氨酸基团(phosphorylated serine residues,Ser-P)的数量和分布对吸附差异的影响.通过傅里叶变换红外光谱和表面电位分析发现SC和WPI无法被比表面积较小的HA颗粒有效吸附,但是在有效吸附面积较高的球状纳米HA和棒状微米HA上能够被吸附.Ser-P的存在使得SC在HA界面的吸附量更高、吸附能力更强.Ser-P数量和分布的不同则导致了SC中不同的蛋白组分在HA界面的竞争性吸附:β-酪蛋白在2μmHA界面始终存在优先吸附性;当纳米HA的浓度低于15 mg/mL时,纳米HA界面会优先吸附αs-酪蛋白.     

广义相关指数用于持久性环境污染物的定量结构-色谱保留关系研究

基于分子拓扑图形特征和顶点连接方式,通过定义广义相关函数、性质相关参数以及距离关系函数等概念,将“面向用户”实际应用的观点及对目标问题“自适应性”的思想引入到分子结构表征当中,从而得到一种新型分子拓扑性质表征方法:广义相关指数(GC I)。使用该指数对115个多氯代二苯并呋喃、41个多氯代二苯并-p-二、62个多氯代萘和210个多氯联苯在DB-5气相色谱柱上的保留行为进行了定量结构-色谱保留关系研究,所得模型复相关系数Rcum以及交叉检验复相关系数Qcum均在0.98以上。结果表明GC I指数具有较强分子结构表达能力及对化合物各类性质的优良适应性。     

News recommendation based on time factor and word embedding

Existing algorithms of news recommendations lack in depth analysis of news texts and timeliness. To address these issues, an algorithm for news recommendations based on time factor and word embedding ( TFWE) was proposed to improve the interpretability and precision of news recommendations. First, TFWE used term frequency- inverse document frequency ( TF-IDF ) to extract news feature words and used the bidirectional encoder representations from transformers ( BERT ) pre-training model to convert the feature words into vector representations. By calculating the distance between the vectors, TFWE analyzed the semantic similarity to construct a user interest model. Second, considering the timeliness of news, a method of calculating news popularity by integrating time factors into the similarity calculation was proposed. Finally, TFWE combined the similarity of news content with the similarity of collaborative filtering ( CF) and recommended some news with higher rankings to users. In addition, results of the experiments on real dataset showed that TFWE significantly improved precision, recall, and F1 score compared to the classic hybrid recommendation algorithm.