Quality Evaluation of Atractylodis Macrocephalae Rhizoma Based on Combinative Method of HPLC Fingerprint,Quantitative Analysis of Multi-Components and Chemical Pattern Recognition Analysis

A method for the quality evaluation of Atractylodis Macrocephalae Rhizoma (AMR) based on high-performance liquid chromatography (HPLC) fingerprint, HPLC quantification, and chemical pattern recognition analysis was developed and validated. The fingerprint similarity of the 27 batches of AMR samples was 0.887–0.999, which indicates there was very limited variance between the batches. The 27 batches of samples were divided into two categories according to cluster analysis (CA) and principal component analysis (PCA). A total of six differential components of AMR were identified in the partial least-squares discriminant analysis (PLS-DA), among which atractylenolide I, II, III, and atractylone counted 0.003–0.045%, 0.006–0.023%, 0.001–0.058%, and 0.307–1.175%, respectively. The results indicate that the quality evaluation method could be used for quality control and authentication of AMR.     

一种高精度的修正Hermite-ENO格式

设计一种基于三单元具有六阶精度的修正Hermite-ENO格式（CHENO）,求解一维双曲守恒律问题.CHENO格式利用有限体积法进行空间离散,在空间层上,使用ENO格式中的Newton差商法自适应选择模板.在重构半节点处的函数值及其一阶导数值时,利用Taylor展开给出修正Hermite插值使其提高到六阶精度,并设计了间断识别法与相应的处理方法以抑制间断处的虚假振荡;在时间层上采用三阶TVD Runge-Kutta法进行函数值及一阶导数值的推进.其主要优点是在达到高阶精度的同时具有紧致性.数值实验表明对一维双曲守恒律问题的求解达到了理论分析结果,是有效可行的.     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。     

缩酮席夫碱类阴离子识别的量子化学研究

缩酮席夫碱是良好的阴离子识别剂,利用量子化学密度泛函理论研究了3种缩酮席夫碱阴离子受体与阴离子客体相结合的空间结构、电荷分布、结合能等方面的变化,计算结果表明,阴离子受体分子的阴离子结合位点位于亚氨基-NH-部,受体分子和阴离子间通过氢键相互作用,阴离子有一部分负电荷转移到受体分子中,且转移的电荷量为R3-3 R3-2 R3-1,在考察的阴离子中,F~-与受体分子的结合能最大,而在3种受体分子中,R3-3对阴离子结合能最大.计算模拟结果,与实验情况相吻合.     

没食子酸磁性表面分子印迹聚合物的制备与选择性识别性能

羟基苯甲酸类化合物用途广泛,极性较强,在复杂水溶液体系中这些类似物的分离纯化与分析非常困难。 本文以磁性Fe₃O₄纳米颗粒为载体,没食子酸(GA)为模板分子,制备了磁性表面分子印迹聚合物(MIP)。 利用透射电子显微镜、红外光谱、磁强测定等检测手段对MIP进行了结构表征。 并对其吸附性能进行研究,比较了该MIP对GA及其它3种结构类似物的吸附性能差异。 结果表明,制备的以GA为模板的磁性分子印迹聚合物为核壳球形结构,键合牢固,对GA的吸附动力学符合准二级动力学方程模型,吸附过程属于Langmuir单分子层吸附。 该聚合物对GA表现出优异的选择性识别能力,其吸附量(318 K时37.736 mg/g)远远高于结构类似物。 该磁性分子印迹聚合物对模板分子不仅具有特异识别能力,而且能够磁控分离,分离效率高,可用于固相萃取。     

手性杯芳烃及其超分子手性

杯芳烃是由苯酚单元通过亚甲基连接而成的空腔型分子,具有衍生位点多,构象丰富等特点,被称为第三代主体分子。在分子层次,依手性因素的结构特点不同,可将手性杯芳烃分为具有手性亚单元的杯芳烃、固有手性杯芳烃和桥手性杯芳烃。在超分子层次,杯芳烃自身或杯芳烃与其他分子或离子在溶液中、晶态中或二维表面可通过非共价键力形成多种拓扑结构的纳米手性聚集体。研究手性杯芳烃和基于杯芳烃的超分子手性组装体的合成、结构和性能,不仅在理解手性起源、手性结构等方面具有理论意义,而且有望获得以分子识别为基础的手性传感器、手性催化剂、手性分离材料、手性载体和手性纳米材料。本文综述近十年来有代表性的分子手性杯芳烃和以杯芳烃为组分的超分子手性聚集体的设计、合成、结构和功能。着重展示杯芳烃骨架在形成新颖分子手性和超分子手性上的优势,以及杯芳烃单元在实现特定功能如手性识别时发挥的作用。相信随着杯芳烃合成技术和杯芳烃超分子设计的发展,必将进一步发挥杯芳烃的结构优势,涌现出更多性能优异的手性杯芳烃功能分子和超分子手性杯芳烃功能材料。     

二氧化碳分子离子经由Ã2Πu1/2电子态振动能级共振的光解动力学：一项时间切片离子速度成像技术研究

We report on the photodissociation dynamics of CO₂⁺ via its òΠ_u,1/2 state using the scheme of [1+1] photon excitation that is intermediated by the mode-selected òΠ_u,1/2( u1,u2,0) vibronic states. Photodissociation fragment exciation spectrum and images of photofragment CO⁺ have been measured to obtain reaction dynamics parameters such as the available energy and the average translational energy. Combining with the potential energy functions of CO₂⁺, the dissociation mechanism of CO₂⁺ is discussed. The conformational variation of CO₂⁺ from linear to bent on the photodissociation dynamics of CO₂⁺ is verified.     

近红外光谱分析技术识别奶粉中淀粉掺假的研究

将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内,用JDSU微型近红外光谱仪,分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析,并研究了分析的可靠性与模型的稳健性。以90%作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时,若用同一天测定的部分光谱数据建立模型,预测该天剩余光谱,样品掺杂的正确识别限与正确拒识限都可以达到0.1%。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时,若用同一天测定的光谱建模与测试,样品掺杂的正确识别限也可以达到0.1%,正确拒识限则为1%;若用不同时间采集的光谱进行交叉测试,正确识别限与正确拒识限都只有5%;若用四天的光谱数据联合建模,测试第五天的数据,正确识别限可以稳定达到1%,正确拒识限可以达到5%。应用两种算法对奶粉中淀粉含量进行定量分析比较,进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。     

反相悬浮聚合法制备硫氰酸根阴离子印迹微球及其离子识别性质

利用反相悬浮聚合法, 成功制备了微米级硫氰酸根(SCN^-)阴离子印迹微球。 以溶有分散剂Span-60的环已烷为分散介质, 以溶有模板阴离子SCN^-、阳离子单体丙烯酰氧乙基三甲基氯化铵(DAC)及交联剂N, N'-亚甲基双丙烯酰胺(MBA)的水溶液为分散相, 构成反相悬浮聚合体系, 在水相液滴中使DAC发生交联聚合, 成功制备了粒径约为200 μm的离子印迹微球(IIPMs)。 以同为一价阴离子的NO₃^-和I^-为对比离子, 深入考察研究了该离子印迹微球的离子识别与结合特性。 研究结果表明, 凭借强静电相互作用, 在水相液滴中, 阳离子单体DAC与模板阴离子SCN^-紧密相结合, 故在DAC交联聚合的同时, 实现了阴离子SCN^-的印迹。 所制备的阴离子印迹微球IIPMs对模板阴离子SCN^-具有很高的结合能力(结合容量为3.3 mmol/g(192 mg/g))和特异的识别选择性。 该印迹微球可选择性地识别与结合离子混合溶液中的SCN^-离子, 相对于NO₃^-和I^-阴离子, IIPMs对SCN^-阴离子的选择性系数分别为3.24和6.78。 该印迹微球还具有优良的重复使用性能。