盐酸伊达比星杂质A的合成工艺优化及其高效液相分析

通过对盐酸伊达比星脱羟基杂质A的合成研究，为盐酸伊达比星的质控标准提供参考。以盐酸伊达比星为起始原料，经过4步反应得到脱羟基杂质A。本文提供了盐酸伊达比星杂质A的制备方法以及高效液相色谱分析方法，为杂质含量控制提供了依据。该工艺可以稳定、快速制备高纯度脱羟基杂质A，制备总收率为57.20%，纯度为57.20%，其结构经¹H NMR， ¹³C NMR和MS(ESI)表征。     

新型含吡啶基团二羧酸配体的合成及单晶培养

以1，4-二溴-2，5-二甲基苯和4-吡啶硼酸为原料，经两步合成了一种新颖的含吡啶基团的二羧酸配体。通过核磁共振氢谱及傅里叶变换红外光谱对配体结构进行表征，通过热重分析对配体的热稳定性进行了测试；通过溶剂热法对配体的单晶进行培养，并考察反应温度、时间、pH和溶剂等条件对单晶培养的影响。结果表明：在反应温度为80 ℃，反应时间为12 h、溶剂为蒸馏水、溶液pH=5的条件下可获得高质量单晶。该配体为单斜晶系，属于C2/c空间群，结构中含有4个氧原子和2个氮原子，可为金属离子的配位提供足够的位点，有望应用于配合物的设计或催化、吸附和医药载体等行业。     

如何提高初中生主动提问的能力

新发展阶段,为推进我国教育强国的建设,教育领域开始深度推进教育体制改革工作,在一定程度上,使各级院校的学科教学发生了显著的变化.以初中阶段的数学科目为例,为契合新课标要求,推动学生的发展,各科目教学也更加侧重于提升学生的自主学习能力.而作为学生自主学习能力体系的有机构成,主动提问能力尤为关键,数学教师只有在重视学生主动提问能力发展、主动提问习惯养成的前提下,方能有效地强化学生的思维和自学能力,由点及面,实现学生的全面发展.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

从废水到新能源:光催化燃料电池的优化与应用

随着经济的飞速发展,社会对能源的需求日益扩大,对工业废水的无害化处理也提出了更高的要求。光催化燃料电池 (photocatalytic fuel cell, PFC) 在燃料电池中引入半导体光催化材料作为电极,实现了有机污染物高效降解和同步对外产电的双重功能,在废水无害化与资源化利用方面具有潜在的应用价值。半导体光催化电极是PFC系统高效运行的核心组件,增强其可见光响应和光生载流子分离是提高PFC性能的关键策略。反应器结构设计和运行参数优化也有利于改善PFC性能。本文从PFC基本原理和应用入手,综述了PFC在环境污染物资源化处理中的研究进展,并详细阐述了提高PFC的污染控制性能和产电效率的优化手段,为进一步设计高效稳定的PFC系统并实现其在水污染控制和清洁能源生产中的应用提供理论指导。     

基于化学学科认知障碍突破的中考复习教学实践* ——以“二氧化碳的性质”为例

分析学生对二氧化碳的3个典型学科认知障碍,以“二氧化碳的捕捉”为情境,通过“尝试捕捉二氧化碳”“谁在捕捉二氧化碳”“捕捉背后的原理”等3个主要环节,实现对学科认知障碍的突破,展示了一种新的中考复习教学思路。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

域同态的扩张的个数

设h:F→Ω是域的同态,E是F的有限次扩域,本文讨论了使h到E上的扩张的个数取得最大值的条件.     

高分辨大视场紫外-可见光偏振成像融合处理技术

采用蒙特卡罗方法对水云下大气的偏振态分布进行了仿真分析,所建立的水云大气环境在紫外360～400 nm波段的偏振度响应最大。采用紫外-可见光偏振成像技术对同一视场下的楼房、云和天空进行了偏振成像实验,并用霍夫变换分割方法对图像中的每个区域进行了统计分析,发现观测区域内无云区与云区的偏振角均值相对差为1.6%,偏振度均值相对差为-14%,证明了大气偏振角较偏振度稳健。紫外光和可见光在对云目标的偏振观测中存在互补性,采用拉普拉斯金字塔图像融合技术能够提高对大气目标的探测能力,验证了大视场高分辨紫外-可见光偏振成像技术在大气探测中的可行性和有效性。