介孔α-Fe2O3的制备及电化学性能研究

采用水热法合成介孔SiO2(KIT-6),以此为模板合成介孔α-Fe2O3并对其电化学性能进行研究.利用X射线衍射(XRD),高倍透射电镜(HRTEM),恒流充放电测试等方法对所制备的介孔α-Fe2O3的结构﹑形貌进行了分析表征及电化学性能测试.实验结果表明,用KIT-6为模板可以很好的控制α-Fe2O3的孔径尺寸大小,用模板法合成的α-Fe2O3孔径越小,锂离子嵌入的越少,第一个放电平台越短.     

不同载硅量对Li2FeSiO4/C材料电性能的影响

以多壁纳米碳管和Si(OC2H5)4为原料,采用液相法合成包覆了SiO2的多壁碳纳米管(MWCNTs@SiO2),通过调节Si(OC2H5)4的加入量,制备出不同载硅量的前驱体MWCNTs@SiO2,并以此种前驱物合成硅酸铁锂Li2FeSiO4/C材料.采用X射线衍射(XRD)、扫描电镜(SEM)、透射电镜(TEM)、恒流充放电对Li2FeSiO4/C材料进行了表征及电化学性能测试,实验结果表明载硅量为35.72%的MWCNTs@SiO2前驱体合成的Li2FeSiO4/C材料颗粒大小一致,在0.1C电流密度下循环50圈后获得180 mAh·g－1的稳定放电比容量,具有优良的电化学性能.     

银溶胶上AMT分子吸附行为的SERS表征

利用表面增强拉曼散射（SERS）光谱,考察AMT浓度对于其在银纳米粒子上吸附取向的影响.SERS实验结果表明：AMT分子以巯基和噻重氮环上的2个硫原子作为吸附位点,浓度为10^-3M时,AMT以斜立的方式吸附于银溶胶表面;浓度为10^-4M时,AMT分子中噻唑环更垂直于银表面;当浓度为10^-5M时,AMT分子中则以较为平躺的方式吸附于银溶胶表面.     

季铵盐化纳米金刚石-肌红蛋白修饰电极的电化学行为

通过一系列的化学反应对纳米金刚石(ND)表面进行修饰,成功制备了季铵盐化纳米金刚石:ND-CO-NH-CH2-CH2-N(CH3)3+·I-(QAS-ND),通过FT-IR、元素分析、电化学等手段对目标产物QAS-ND进行了表征。将肌红蛋白(Mb)与QAS-ND混合液滴加在玻碳(GC)电极表面,制备QAS-ND/Mb/GC修饰电极。在0.1 mol/L磷酸盐缓冲溶液(pH 7.0)中,固定在膜内的Mb表现出良好的直接电化学性质,并显示了很好的稳定性。同时,探讨了此修饰电极表面固定的Mb对H2O2的催化还原,结果表明,此修饰电极可作为H2O2生物传感器,实现对H2O2的快速、准确检测,检出限为3.5μmol/L(S/N=3)。     

银电极上2-巯基吡啶和4-巯基吡啶自组装单层的原位表面增强拉曼光谱电化学

利用原位表面增强拉曼散射(SERS)技术,分别观察了2-巯基吡啶和4-巯基吡啶在银表面自组装单层的电化学行为。实验结果表明,随着电位的负移,2-巯基吡啶和4-巯基吡啶分子在银表面均呈现出先倾斜再垂直然后倾斜的吸附取向改变过程。但发生完全脱附的电位则有所不同。     

电感耦合等离子体原子发射光谱法(ICP-AES)测定海洋沉积物中的多种金属元素

采用硝酸-盐酸-氢氟酸高压封闭消解样品,电感耦合等离子体原子发射光谱法测定锰结核和富钴结壳中的18种常、微量元素。实验过程中优化了仪器工作条件,选择了最佳的分析谱线。实验结果表明,方法的检出限低,精密度高,RSD小于2.0%(n=6),方法的线性相关系数r0.999 8,用来同时测定海洋沉积物中的多种金属元素,能满足检测需求。     

氢氟酸直接进样-电感耦合等离子体原子发射光谱法(ICP-AES)测定氧化锆中多种杂质元素

采用氢氟酸微波消解法前处理氧化锆材料,使用氢氟酸进样系统,不需要赶酸直接测定GBW06602氧化锆标准样品中的多元素含量,根据样品情况确定了最佳分析条件和最佳分析谱线。实验结果表明,测定元素线性关系及重复性良好,定量准确,可同时测定氧化锆中的多种金属元素,该方法检出限低,精密度高,分析结果与标准值相吻合,完全满足氧化锆中多元素杂质含量的工业分析要求。     

基于数据网格的教育资源服务系统的实现

研究应用网格技术来构建一个分布式网络教学资源服务系统,以便更好地共享和利用上海教育资源库,即实现了基于数据网格的教育资源服务系统（ERSDG）.首先介绍了Globus Toolkit工具包,阐述了ERSDG系统的架构和功能,提出了资源文件命名规范和资源节点分类,再分别从数据同步、资源访问服务和监控管理等方面论述了该系统的实现,最后从同步数据性能测试、用户访问和系统监控情况等方面分析了该系统性能.     

学习分析系统引擎的本体建构与数学模型(英文)

学习分析系统(LAS)具有把不同的资源和服务整合来为教育提供最好的实践.学习分析引擎作为这一系统的核心组成部分,目前在功能上的限制,定义上的模糊,以及可扩展性差使其不能扩展到其他内容和机构.本文首先提出了引擎本体(角色、来源、时间和控制)来描述和独特的四种引擎功能:预测、反思、建议和适应,以建立一个共同的语言和实践学习分析引擎,从而改善不同的LA之间的互操作性应用.基于这些本体论的引擎,本研究进一步设计LAS引擎的机制和应用数学模型来解释其分解和重组技术.本文所阐述的学习分析系统引擎,预计可用于开发一个开放和集成的,能够扩大规模和扩展到任何环境中的LAS.