甲基环己烷在9∽15.5 eV能量区的真空紫外光电离研究

利用具有同步辐射源的反射式飞行时间质谱仪,研究甲基环己烷的真空紫外光电离和光解离. 观测到母体离子C₇H₁₄⁺和碎片离子C₇H₁₃⁺,C₆H₁₁⁺,C₆H₁₀⁺,C₅H₁₀⁺,C₅H₉⁺,C₄H₈⁺,C₄H₇⁺和C₃H₅⁺的光电离效率曲线. 测定甲基环己烷的电离能为9.80±0.03 eV,通过光电离效率曲线确定其碎片离子的出现势. 在B3LYP/6-31G(d)水平上对过渡态、中间体和产物离子的优化结构进行表征,并使用G3B3方法计算其能量. 提出主要碎片离子的形成通道. 分子内氢迁移和碳开环是甲基环己烷裂解途径中最重要的过程.     

由3-二茂铁-2-丁烯酸根和1,10-邻菲啰啉构筑的一维链状铅(II)配位聚合物的合成、晶体结构及电化学性质

Pb(OAc)₂•3H₂O, 3-二茂铁-2-丁烯酸钠以及1,10-邻菲啰啉在甲醇中反应得到了铅的配位聚合物: [Pb(m-OOCCH＝C(CH₃)Fc)(m₂-OOCCH＝C(CH₃)Fc)(phen)]_n (Fc＝(h⁵-C₅H₅)Fe(h⁵-C₅H₄); phen＝1,10-邻菲啰啉). 单晶测试表明: 每个铅离子为六配位, 其中4个氧原子来自4个3-二茂铁-2-丁烯酸根, 另2个氮原子来自邻菲啰啉; 相邻的铅离子通过3-二茂铁-2-丁烯酸根的单齿和双齿氧原子桥连形成了一个无限的一维长链. 研究了标题化合物在DMF溶液中的电化学性能.     

O-芳基苯基硫代膦酰肼与某些羧基化合物的反应

为探索 O-芳基苯基硫代膦酰肼的反应性能、测试所得产物的生物活性,寻找活性结构,本文研究了它与几种羰基化合物α-(1,2,4 三唑基)片呐酮、邻苯二甲酰氯,反式菊酰氯和原甲酸三乙酯的反应,合成了21个新的     

磁性Fe_3O_4@SiO_2@ZrO_2对水中磷酸盐的吸附研究

合成了以Fe3O4为核,以SiO2为壳的磁性纳米微粒(Fe3O4@Si O2),并采用沉淀沉积法将ZrO2包覆到材料表面。通过XRD、TEM、VSM、ζ电位、XPS和N2吸附/脱附等手段对材料进行表征,结果表明材料Fe3O4@SiO2@ZrO2上沉积了氧化锆纳米颗粒,具有超顺磁性,可在外加磁场作用下实现从水中快速分离。同时系统研究了材料对水中磷酸盐的吸附行为,结果表明沉积Zr O2使得材料对磷酸盐表现出良好的吸附性能,并且随着沉积量的增大吸附量增加。吸附等温线符合Freundlich方程。吸附动力学可用拟二级动力学模型描述,吸附速率随磷酸盐初始浓度增加而减小。磷酸盐吸附量随溶液p H值的增大而减小,但几乎不受离子强度影响。     

气相色谱-质谱联用法测定日用品及食品中9种凉味剂的含量

建立了日用品及食品中薄荷脑等9种新型凉味剂含量的测定方法.样品经乙醇超声提取后,用DB-1701 MS毛细管色谱柱(30 m×0.25 mm×0.25 μm)分离,选择离子监测模式(SIM)进行质谱检测.在优化分析条件下,9种凉味剂分离良好,其在0.25～250 μg/mL浓度范围内线性关系良好,相关系数均大于0.996,除薄荷氧基.1,2丙二醇(0.26 μg/g)外,其余凉味剂的检出限均小于0.1μg/g;在3个不同加标浓度下的平均回收率为82.8％～103.5％,相对标准偏差(RSD,n=6)均不高于3.7％.该方法灵敏、准确、可靠,能较好地分离薄荷脑等9种凉味剂,具有分析时间短、抗干扰性好、定量准确等优点,可为含薄荷(清凉)口味食品的质量控制及未知凉味剂含量样品的分析提供科学数据.     

应用ICP-MS测定市售红葡萄酒中重金属元素的含量

目的随着对葡萄酒功效的认识,它逐渐成为普通人喜欢的饮品,所以对葡萄酒中各种成分的研究也成了热点。方法借助先进的ICP-MS技术对4种葡萄酒中的各种重金属和微量元素进行测定。结果金属元素质量浓度由高到低顺序为:As,Cr,Pb,Cd,As最高不超过0.5μg.mL-1,结论符合国家食品卫生标准。     

磁性Fe3O4@SiO2@ZrO2对水中磷酸盐的吸附研究

合成了以Fe₃O₄为核,以SiO₂为壳的磁性纳米微粒（Fe₃O₄@SiO₂）,并采用沉淀沉积法将ZrO₂包覆到材料表面。通过XRD、TEM、XPS和N₂吸附/脱附等手段对材料进行表征,结果表明材料Fe₃O₄@SiO₂@ZrO₂上沉积了氧化锆纳米颗粒,具有超顺磁性,可在外加磁场作用下实现从水中快速分离。同时系统研究了材料对水中磷酸盐的吸附行为,结果表明沉积ZrO₂使得材料对磷酸盐表现出良好的吸附性能,并且随着沉积量的增大吸附量增加。吸附等温线可用Freundlich方程拟合。吸附动力学可用拟二级动力学模型拟合,吸附速率随初始浓度增加而减缓。磷酸盐吸附量随溶液pH值的增大而减小,但几乎不受离子强度影响。     

一种新颖高效的气体发生器

针对启普发生器使用过程中存在液体使用量大、反应溶液利用效率低、安全性差等问题,研制了一种新型的气体发生器。该装置由储液杯、流量调节器、排气管和反应容器组成。利用流量调节器将反应液滴加到固体药品上,固-液反应充分,排出的废液基本不含反应试剂,大大减少了液体药品的用量。实验结果表明,该新型制气装置具有液体试剂用量少、利用效率高、安全性能优良、操作方便,同时兼具随开随用等特点,可有效地应用于化学实验教学中。     

Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究

总悬浮物(TSM)是海洋水质和水环境评价的主要参数之一。舟山海域位于杭州湾边缘,泥沙含量多,总悬浮物长期处于高浓度状态,其分布与动态变化对近岸水质、水循环以及该区域的渔业、旅游业都有较大影响。Landsat-8卫星影像作为一种应用广泛、空间分辨率高、便于获取的光学信息,可以为舟山海域的TSM观测提供有力的技术手段。利用舟山近岸海域实测TSM吸收系数a_p(440)和水面光谱,开发了基于Landsat-8反演TSM的最优模型,发现基于近红外和蓝色波段比B5/B2的S-函数和线性函数模型反演精度较好,相对于线性模型,S-函数具有更强的鲁棒性,该模型形式为a_p=3.72/(0.009+e-5.249B5/B2),克服了常用函数模型（如线性、对数、指数函数）应用于实际卫星影像时出现光谱幅度范围受限的困难。海岸带内陆复杂水体水色遥感的另一难点是大气校正,以往的研究往往只采用某种大气校正模型,但该模型不一定适合研究水域,从而使得校正结果并不一定是最优的。在本研究中,验证比较了FLAASH,6S和ACOLITE三种大气校正方法面向Landsat-8水色反演的校正结果,发现ACOLITE方法获取的光谱形状最准确,误差最小,特别在蓝色波段,明显好于FLAASH和6S方法。将最优模型应用于舟山近岸海域2013到2018年的10幅Landsat-8图像。实测数据和反演结果显示：舟山近岸海域的TSM吸收系数a_p(440)的变化范围在1.64～417.04 m-1,均值118.47 m-1,TSM吸收占水体总吸收的90%以上,该海域实测的水面光谱形状呈现典型的河口海岸带复杂浑浊水体的光谱特征,很多光谱曲线具有双峰特征,遥感反射率幅值较大,特别是红色、近红外波段,由于受河口高浓度TSM的影响,遥感反射率高于远海较清洁的海水;衢山、洋山、宁波等近岸区域的TSM浓度明显高于东极、嵊泗等远海区域,随河口羽化区呈现由高到低的梯度变化,在近岸区域分布复杂,外海区域分布较为均匀。在时间分布上具有冬季浓度远高于夏季的特点,其中12月最高,最大值为413.32 m-1,8月最低,最小值为3.69 m-1,5月、10月期间也有TSM的局部峰值。这些TSM时空变异特征表明舟山海域悬浮物的分布和变化一方面受地形、海流、潮汐、季风、台风等自然环境因素的影响,另一方面也受如海运、港口建设、海岛旅游等人类活动的较大影响。     

Predicting Quantum Many-Body Dynamics with Transferable Neural Networks

Advanced machine learning(ML)approaches such as transfer learning have seldom been applied to approximate quantum many-body systems.Here we demonstrate that a simple recurrent unit(SRU)based efficient and transferable sequence learning framework is capable of learning and accurately predicting the time evolution of the one-dimensional(ID)Ising model with simultaneous transverse and parallel magnetic fields,as quantitatively corroborated by relative entropy measurements between the predicted and exact state distributions.At a cost of constant computational complexity,a larger many-body state evolution is predicted in an autoregressive way from just one initial state,without any guidance or knowledge of any Hamiltonian.Our work paves the way for future applications of advanced ML methods in quantum many-body dynamics with knowledge only from a smaller system.