Effect of the mesons σ~＊ and Φ and the variety of U_Σ~（N） on the transition density of hyperon stars

The effect of the mesons σ＊ and Φ and the variety of UΣ（N ）on the transition density of hyperon stars is examined within the framework of relativistic mean field theory for the baryon octet {n,p,Λ,Σ-,Σ0,Σ＋,Ξand Ξ0} system.It is found that,compared with that without considering the mesons σ＊ and Φ,the transition density of hyperon stars decreases,the critical baryon density that hyperons Σ-,Σ0,Σ＋,Ξand Ξ0 appears to decrease too,but for Λ the effect is not obvious.As U Σ（N ）goes up,the critical baryon density of Σ＋,Σ0 and Σincreases,that of Ξ0 decreases and that of Λ and Ξis fixed.In addition,it is found that the variety of UΣ（N ）almost does not influence the transition density.     

近红外光谱丸剂关键辅料炼蜜水分的快速测定

用近红外光谱法实现嫩,中,老三种炼蜜含水量的快速测定及不同炼制程度蜂蜜的快速分级。过程化控制是中药质量稳定的关键因素,但由于检测手段的滞后而无法实现,因而影响中药质量。蜜丸是具广阔应用市场的剂型;炼蜜工艺是影响蜜丸质量的关键工序;在炼蜜过程中,蜂蜜从嫩蜜炼制到中蜜仅需几至几十秒,变化迅速,传统检测手段不能对蜂蜜炼制过程进行实时监测,进而无法保证炼蜜质量的均一性。力求采用近红外光谱法（NIRS）对炼蜜过程进行实时检测,准确控制嫩蜜、中蜜的炼制程度,并对其含水量进行定量测定。实验通过Rudolph折光仪测定不同炼蜜的含水量,并快速测定样品的近红外光谱,结合偏最小二乘法（PLS）建立并优化88批炼蜜水分的定量模型,利用校正模型决定系数（R2）、校正模型均方根误差（RMSEE）;内部交叉验证决定系数（R2）,内部交叉验证均方根误差（RMSECV）;预测模型的相关系数（r）、预测均方根误差(RMSEP)对校正模型进行评价,其中RMSECV主要用来筛选建立模型的最佳主成分数,RMSEE和RMSEP分别对所建立校正集和验证集进行误差分析。同时采用鉴别分析法建立定性模型用来区分炼蜜等级。经不断优化,图谱经矢量归一化法（SNV）预处理后,在7 201.2~5 446.2 cm-1波段内选取9个主成分建立水分模型。建立的最佳模型中,校正集R2, RMSEE分别为99.43,0.299,内部交叉验证R2,RMSECV分别为99.05,0.348;预测集R2,RMSEP分别为98.19,0.347;定量模型显示,NIRS可快速、准确、无损的对炼蜜含水量进行测定。同时按照含水量测定结果对炼蜜嫩、中、老3个等级进行划分,进而采用鉴别分析法对炼蜜进行定性分析,结果显示嫩、中、老3种炼蜜有明显的聚类现象,表明因子化法是鉴别炼蜜程度的一种有效方法;综上所述,NIRS可望实现对炼蜜过程实时监测,准确控制嫩蜜,中蜜的炼蜜程度并对炼蜜含水量进行快速实时定量测定,为不同炼蜜等级划分提供参考,保证炼蜜质量的均一性,最终保证蜜丸质量的稳定性。     

SVDD的近红外光谱定性分析光谱质量判定方法

近红外光谱属微弱信号,其质量易受被测物体自身状态及各种外界因素干扰,具体而言,在近红外光谱定性分析中,影响光谱质量的因素主要有光谱仪状态改变、光谱采集人员错误操作、奇异样本干扰等。建模时若混入质量较差的光谱易影响所建模型的稳健性与适用性,因此光谱质量判定是确保模型预测能力的一项重要工作。目前用于定量分析的光谱质量判定研究较多,而用于定性分析的光谱质量判定研究较少,为此,提出一种基于支持向量机数据描述的近红外光谱定性分析光谱质量判定方法,采用自制漫透射近红外光谱装置采集单籽粒玉米光谱,以正常状况下采集的某品种玉米单籽粒漫透射光谱作为正常样本,而人为漏光、近红外探测器窗口覆盖玉米表皮碎屑、光源强度改变、光源与被测玉米籽粒距离改变、相近品种玉米籽粒混入等几种情况下所采集光谱作为异常样本,在此数据集基础上研究了基于支持向量机数据描述的定性分析光谱质量判定模型建立的原理与方法,其后将支持向量机数据描述方法与常用的马氏距离法、局部异常因子法等光谱质量判定方法进行了对比,并以正常样本正确识别率与异常样本正确拒识率的均值作为评价标准,对实验结果进行分析,由实验结果可以看出相比其他两种方法,基于支持向量机数据描述的光谱质量判定方法具有最优判定能力,建模集正常样本数目会影响光谱质量判定能力,在实际使用光谱质量判定方法时,建模集应包含足量样本。在近红外定性分析时可以将该方法作为剔除异常光谱的手段,在预处理、特征提取,模式分类等近红外光谱定性分析步骤前首先进行基于支持向量机的光谱质量判定步骤,并剔除异常光谱,可有效提高近红外光谱定性分析模型的可靠性,亦为近红外光谱定性分析光谱质量判定提供新的方法参考。     

基于深度信念网络的多品种玉米单倍体定性鉴别方法研究

单倍体育种技术是玉米育种新方法,该方法可有效缩短产生纯合系的周期,提高育种效率。该技术需首先挑选足量单倍体籽粒,而玉米在未加人工干预时,单倍体在混合籽粒中仅占0.05%～0.1%,即使采用生物诱导技术,单倍体籽粒数一般也不到籽粒总数的10%。高速、精准地从大量混合籽粒中挑选得到占比少于10%的单倍体籽粒,才能够满足工程化育种需要,而实际育种工作中挑选单倍体时常用的分子生物学、田间形态学辨别等方法存在耗时长、成本高、破坏样本等缺点,难以高效精准地得到玉米单倍体籽粒。相关研究已经证明高油玉米的单倍体与二倍体之间具有明显含油率差异,目前低场核磁共振技术可用于检测玉米单籽粒的含油率,并根据含油率对单倍体进行鉴别,但核磁共振仪存在价格贵、维护难、速度慢、效率低等弱点,现有设备完成单籽粒分选需用时4 s,无法满足工程化育种中大量筛选的速度需求。使用VIAVI微型近红外光谱仪能够达到0.25 s每颗的检测速度,相比核磁共振技术速度快,仪器价格较低,维护方便。使用近红外光谱仪分析技术对单倍体与二倍体籽粒进行鉴别,可以取代核磁共振鉴别单倍体的方法。采用近红外光谱定性鉴别单倍体籽粒虽然取得了一定效果,但目前研究中所采集玉米品种相对较少,研究只针对某一品种单倍体建立模型,对该品种单倍体进行分类;国内外尚无多品种混合单倍体鉴别相关研究,而工程化育种亟需一种能够识别多个品种玉米单倍体的鉴别方法。为此,本文提出一种基于深度信念网络的多品种混合玉米籽粒单倍体鉴别方法,DBN是一种多层深度神经网络,每层由受限玻尔兹曼机构成,采用逐层训练策略,可解决传统神经网络训练方法不适用于多层网络训练的问题。对比实验结果表明使用DBN方法建立多品种单倍体鉴别模型具有较高分类性能,能够满足玉米工程化育种精度要求。     

基于质谱的蛋白质组学技术在食品真伪鉴别及品质识别方面的应用

蛋白质组学作为后基因组时代的一个新研究方向,近几年发展迅速,目前已应用于多个领域,在食品品质检测和安全控制方面成为有力的研究工具。蛋白质组学为食品科学的相关研究打开了新思路,不仅可以鉴定蛋白质种类,还可进行蛋白质定量,为分析不同物种、产地、成熟阶段的食品蛋白质组分和含量提供了可能。蛋白质组学研究手段多样,质谱是常用技术之一。该文介绍了蛋白质组学的概念、分类、研究技术以及常见蛋白质数据库,综述了基于质谱的蛋白质组学技术在真伪鉴别和品质检测方面的应用,涉及海鲜、肉制品、奶制品、保健食品及高附加值食品等多种食品,并对蛋白质组学的发展进行了展望。     

基于激光拉曼检测技术的输油管道原油鉴别方法

为降低长距离原油输送过程中混油产生的损失, 需定时检测管线原油成分以确定是否出现混油事故。常规检测输油管线原油成分需从现场管线中取样后, 再进行室内检测, 该类技术操作复杂且易受环境因素的影响, 未能实时反映管道混油后油品成分变化。文中应用激光拉曼光谱对原油识别检测进行了实验研究, 试验选取辽河油田不同区块2种原油, 通过特征峰及图谱分析, 实现不同类型原油的识别。结果表明, 2 800 cm-1~3 000 cm-1区域特征峰是激光拉曼证明烷烃存在的重要标志, 该段拉曼谱图特征峰的不同代表了烷烃组分的差异性, 可以有效区分不同类型的原油。该方法的进一步研究, 有望形成一套油品快速、实时检测的技术方法。     

基于RIBLL2的奇特原子核电荷改变截面实验测量进展

电荷半径是原子核最基本的物理观测量之一,反映了原子核内的质子分布。精确的电荷半径测量是研究奇特原子核结构的重要手段。在相对论能区,通过高精度测量原子核的电荷改变截面来提取电荷半径是近年来发展起来的一种新方法,这种方法尤其适于探索产额很低的奇特原子核。自2013年以来,北京航空航天大学-中国科学院近代物理研究所课题组基于兰州第二条次级束流线（RIBLL2）,提出并建成原子核电荷改变截面测量平台,研制了相关的TOF-△E探测器系统,开展了轻核区二十余个原子核的电荷改变截面的实验测量工作。介绍了实验平台研制情况、初步结果以及下一步计划。Charge radius is one of the most fundamental observables of atomic nuclei, reflecting the proton distributions in nuclei. Their precision measurements have severed as a key tool to study nuclear structure. Recently, a novel method to deduce charge radii has been developed via precise measurements of charge-changing cross sections(CCCS) of exotic nuclei at relativistic energies. This method is in particular suitable for investigation of exotic nuclei with low production yield. In 2013, we proposed to make such measurements for exotic nuclei lighter than oxygen based on the RIBLL2 beam line. Since then, the TOF-△E detector system for particleidentification(PID) and the CCCS platform have been constructed, continuously optimized and tested. So far CCCS measurements on a carbon target have been performed for more than 20 isotopes. In this contribution, we will introduce the progress of detector development, the progress in PID, and our experimental progress and plan.     

基于机器学习的玉米单倍体近红外光谱鉴别方法研究

在玉米单倍体技术中,单倍体鉴别是非常重要的环节。该研究对大量玉米单倍体与杂合二倍体的近红外透射光谱进行分析,以期建立一套在生产上实用的单倍体鉴别模型。通过采集三组遗传背景不同的玉米单倍体与杂合二倍体籽粒光谱,进行不同机器学习算法对比,光谱预处理建模效果比较,以及分析数据集大小对模型构建的影响。对比所有单倍体与杂合二倍体的平均光谱,发现二者在光谱的吸收峰位置基本相同,但是单倍体的吸光度略高于杂合二倍体,尤其是在波长940～1 120 nm以及1 180～1 316 nm这两段谱区差异较大。在构建的几个模型中,采用偏最小二乘法和神经网络算法的模型单倍体鉴别准确率较高,分别为93.26%和95.42%。测试集验证的结果与模型准确率一致,表明两种算法适宜进行单倍体大规模筛选。利用偏最小二乘法模型比较了不同光谱预处理方法的模型效果,发现仅进行移动窗口平滑预处理原始光谱进行建模准确率最高。对不同大小数据集的建模效果对比发现,在一定范围内增大数据集有助于提高模型准确率。而且数据中单倍体所占比例较高时,单倍体预测召回率可达100%。此外,还根据籽粒颜色标记挑选出不易鉴别的单倍体和杂合二倍体,利用偏最小二乘法构建的机器学习模型预测准确率可达93.39%,显示出近红外鉴别单倍体的优势,即有可能在不依赖籽粒颜色的情况下实现准确鉴别。基于机器学习的近红外单倍体鉴别方法具有较高的准确率,而且该方法还能在后期数据增加的基础上不断优化,对其开展理论研究有望为自动化智能鉴别单倍体创造条件。     

多源异构光谱信息融合的食用牛肝菌鉴别方法

牛肝菌营养丰富,味道鲜美,备受各国消费者青睐。因种间差异和环境因素的多层次影响,不同种类及产地牛肝菌品质参差不齐。目前,利益驱动导致商家在牛肝菌销售过程中以次充好、以假乱真的行为扰乱了食用菌市场,不仅给消费者带来健康风险,也制约了牛肝菌的国际化贸易。采用多源异构信息融合策略对牛肝菌种类与产地进行鉴别,以期为追溯食用菌来源以及正确评价其品质提供一种快速有效的解决方法。试验样品灰褐牛肝菌(Boletus griseus)、栗色牛肝菌(B. umbriniporus)、美味牛肝菌(B. edulis)、皱盖疣柄牛肝菌(Leccinum rugosicepes)和绒柄牛肝菌(B. tomentipes)五种牛肝菌科(Boletaceae)真菌子实体采于云南省保山市、昆明市、玉溪市与红河州。采用傅里叶变换红外光谱仪(FTIR)和紫外可见分光光度计(UV-Vis)采集样品信息。Kennard-Stone算法将样品原始数据分为校正集和验证集。校正集基于FTIR、UV-Vis、低级、中级与高级数据融合建立偏最小二乘判别分析(PLS-DA)模型,其中决定系数(R2_cal)、预测能力Q2、校正均方根误差(RMSEE)和交叉验证均方差(RMSECV)用来评价模型鲁棒性。研究结果显示：(1)不同种类及产地牛肝菌FTIR和UV-Vis吸收峰的峰位置、峰形和峰数相似,而吸收强度存有差异,表明牛肝菌所含化学成分相似,但含量有一定差别;(2)PLS-DA模型二维散点图可以看出,中级融合比低级融合能更好的鉴别样品种类及产地;(3)各模型中,中级融合模型具有更大的Q2和最小RMSECV,模型鲁棒性最强;(4)验证集样本用来验证模型泛化能力,FTIR、UV-Vis、低级融合、中级融合及高级融合模型样品种类鉴别正确率分别为92.86%,35.71%,97.62%,100%和95.23%;产地鉴别正确率分别为71.43%,61.90%,61.90%,97.62%和76.19%。表明多源异构信息融合在一定程度上优于独立模型,其中,中级数据融合种类鉴别正确率100%,产地鉴别正确率97.62%,模型具有更优的鉴别效果和泛化能力。FTIR和UV-Vis结合中级数据融合策略能实现牛肝菌种类快速精确鉴别,产地快速有效鉴别,可作为食用菌来源追溯以及品质评价的一种新方法。     

近红外光谱紫花苜蓿品种耐盐性鉴别方法研究

近红外光谱(NIRS)分析技术是一项高效、快捷检测样品中某种物质成分的新方法,近年来在饲料营养分析、品种鉴别等领域得到了广泛的应用。作者提出了一种用近红外指纹光谱快速鉴别紫花苜蓿品种耐盐性的新方法。首先用近红外吸收光谱对20个紫花苜蓿品种进行聚类,发现供试品种很好地聚为耐盐和敏盐两类,与常规检验结果基本相同,通过聚类建立苜蓿品种耐盐性鉴别模型,其次用所建耐盐品种评价鉴别模型对6个苜蓿品种进行耐盐性预测,品种识别准确率达到100％,表现指数为85.7％。所以近红外吸收指纹图谱对苜蓿品种耐盐性具有很好的分类和鉴别作用,通过建立鉴别模型,可对品种耐盐性进行快速、高效的初步鉴定。