取代脂环烃物理化学性质的拓扑化学研究

为了探讨有机化合物的分子结构与理化性质的关系,作者在以前的工作基础上,基于一阶分子连通性拓扑指数构建了一个信息拓扑指数.将拓扑指数与取代脂环烃系列分子的气态标准生成热、气态标准熵、气态标准生成自由能、沸点、临界温度、临界压力、临界体积、汽化热、密度、热容及表面张力等十一种热力学性质及物理化学性质相关联,用一个通用公式对各类性质进行概括,然后用已有的实验数据与拓扑指数进行回归分析,得到一系列计算各性质的经验公式.回归结果发现,分子的理化性质与拓扑指数有较好的相关性,有5类性质的复相关系数大于0.99.用经验公式对各类性质进行重新计算,其结果与实验值比较符合,用实验值对计算值作图,发现各数据点紧靠对角线,说明误差较小.残差分布呈正态分布.     

化学文摘社和国际科技信息检索网

化学文摘社和国际科技信息检索网张立群（美国化学文摘社，ＣｈｅｍｉｃａｌＡｂｓｔｒａｃｔｓＳｅｒｖｉｃｅ，Ｐ．Ｏ．Ｂｏｘ３０１２．ＣｏｌｕｍｂｕｓＯＨ４３２１０，ＵＳＡ）张曼平（青岛海洋大学化学系，２６６００３）从１９０７年建立以来，化学文摘社（ＣＡＳ...     

《催化学报》英文电子版即将问世--本刊与Elsevier达成合作协议共同促进学术信息国际化

近日，《催化学报》与Elsevier（爱思唯尔）出版集团达成合作协议，自2006年起双方将携手共同出版《催化学报》英文电子版期刊《Chinese Journal of Catalysis））．我们将从每一期中文版《催化学报》中精选5篇左右的优秀稿件，经作者翻译成英文后，通过爱思唯尔的ScienceDirect在线全文出版平台，向全世界相关的科研院所、     

《天然气化学（英文）》被EI收录

Journal of Natural Gas Chemistry（《天然气化学（英文）》）于2006年被EI（EI工程索引）数据库收录．登录Ei Compendex数据库http：／／www．engineeringvillage2．org．cn可浏览《天然气化学（英文）》2006年以来发表的所有文章的信息．EI数据库侧重提供应用科学和工程领域的文摘索引信息，数据来源于175个学科的5100种工程类期刊、会议论文和技术报告，其影响力与日俱增．《天然气化学（英文）》被EI数据库收录，是对多年来支持我刊的广大作者、读者和审稿专家的回报，也是对我们工作的鼓励．     

仪器信息网全新推出仪器行业一站式培训服务

仪器信息网6月份大改版后推出了全新的培训栏目（http：／／www．instrument．com．cn／training／），汇集各种仪器行业培训信息和资料，为您提供从培训信息查询到在线报名一站式培训服务，满足您各种培训需求。培训栏目由五个部分组成：     

应用反向传播神经网络预测化合物脑血分配系数

选用27种三维结构性质描述符对脑血分配系数预测建立神经网络模型.网络模型选用典型的适合函数逼近的两层结构神经网络对脑血分配系数(lgBB,BB为脑血浓度比)进行预测,计算中采用的模型具有一个双曲正切型激活函数的隐含层和一个线性激活函数的输出层.计算表明,使用小心选择的反向传播神经网络模型对化合物脑血分配系数具有较好的预测能力.     

Internet上的化学信息资源

Ｉｎｔｅｒｎｅｔ上的化学信息资源方曙（中科院成都文献情报中心，成都６１００４１）一．引言Ｉｎｔｅｒｎｅｔ国际互联网络已成为人类当今最有效、最方便的信息传递、交流工具。目前，它已覆盖世界１７０多个国家和地区，对人类社会的各个方面产生了巨大而深远的影响，...     

全球信息网WWW上的化学资源

文献查阅是化学工作者必须掌握的基本技能之一.随着计算机网络技术的迅速发展,利用全球信息网WWW浏览和获取化学信息已成为查阅化学文献最重要的方法之一.在化学工作者中普及万维网WWW查阅各类化学信息和获取化学资源的方法是非常重要的.作者简要叙述WWW的基本原理和通过WWW获取化学信息和化学资源的方法,并给出部分Internet化学资源.     

Study of the Optimal Integrated Control of a Dengue Transmission Model北大核心CSCD

建立了一个登革热在蚊子和人之间传播的模型,引入了Wolbachia、自我保护和杀虫剂三种控制措施,分别从常数控制和时变控制两个方面进行探讨。首先,分析了常数控制对模型基本再生数的影响,研究发现:Wolbachia有助于减小基本再生数,且基本再生数与自我保护和杀虫剂呈负相关。其次,以使得感染数最少且实施成本最低为目标,使用Pontryagin极值原理讨论最优控制。最后,通过数值模拟展示了最优控制的效果。     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.