连接子化学在聚合物-缀合物中的应用*

聚合物的缀合物化学近年来发展迅速,其反应产物既具有聚合物良好的稳定性、力学性能与特殊的结构形貌特点,亦因缀合各种分子而体现出完全不同的物理化学特性与独特的功能性。连接子化学是一类新型的具有高活性、高产率、高选择性的化学反应,对官能团位点敏感程度极高,对于聚合物与缀合分子的连接非常适合,适用于多种不同分子的缀合。本文旨在结合一些近年来具创新性的研究成果,介绍并总结连接子化学在聚合物缀合物中的应用进展,并对其广泛的前景进行合理的展望。     

PoWer Builder 6.O/6.5中的分布式计算

概述了PowerBuilder下进行分布式计算的原理及具体实现过程.并且编写了一个在In-ternet网上常用的聊天室软件.     

WDM光网络串扰特性分析与实验研究

提出了WDM光网络系统串扰分析统一的数学模型,分析比较了WDM光网络系统各种串扰的起源与特征,实验研究了不同的非相干串扰代价下,WDM光网络系统的功率代价.对应1dB功率代价下,得出WDM光网络系统对应非相干串扰代价容限小于-20dB的结果.     

WDM网中同频串扰的研究

串扰是波分复用(WDM)光网络中限制光交叉连接(OXC)节点容量的一个重要因素.本文分析了相干和非相干串扰对通过OXC节点的光信号的影响,给出了固定和最佳判决门限两种情况下的光功率恶化,并进行了仿真计算.结果表明相干串扰对系统的影响很大.与固定判决相比,采用最佳判决可以降低串扰影响.串扰引起的光功率恶化主要取决于复用波数M,而与输入光纤数N关系不大.为了减小串扰对网络的限制,可以在OXC节点内使用滤波器.     

自组装膜中原位光反应固定化脱氧核糖核酸及膜稳定性

通过静电沉积的方法构筑了含有脱氧核糖核酸(DNA)和重氮树脂(DAR)的交替多层膜.在紫外光照射下,这种静电沉积多层膜相邻层间DNA上的磷酸基团与DAR上的重氮基团发生反应,从而将DNA共价连接到多层膜中.利用紫外-可见吸收光谱和掠角反射吸收傅里叶变换红外光谱(GRAFTIR)研究了这种相邻层间的光化学变化.刻蚀实验结果发现,与光照前相比,光照后的膜在盐溶液中的稳定性大大增强.     

投影寻踪和神经网络方法研究金属离子水解规律

对金属离子水解常数pK1的线性模型的局限性进行了讨论,并采用投影寻踪技术对pK1数据结构进行研究。非线性建模可能是更适宜的方法。采用函数连接型神经网络(FLN),以金属离子的电荷、半径、价电子结构、电负性及空价轨道数等作为描述变量,对60种金属离子水解常数pK1数据进行建模,获得了满意的结果,并对10种金属离子的pK1作出了预测。     

Configuration controllability for non-zero potential mechanical control systems with dissipation

Introduction Mechanicalcontrolsystemspresentachallengingandpromisingresearchareabetweenthe studyofclassicalmechanicsandmodernnonlineargeometriccontroltheory.Forthestudyof mechanicalcontrolsystems,therichresultshavebeenproducedwithintheHamiltonian frameworkandLagrangianframework,respectively[1,2].FromtheLagrangianperspective,itis worthwhiletomentiontheconfigurationcontrollabilitynotions,recentlyintroducedbyLewisandMurray[3,4]forsimplemechanicalcontrolsystemswhoseLagrangianiskineticenergy minu…     

可溶性聚合物无痕连接合成N-(p-羟基-苯甲酰基)-N'-芳基脲化合物

可溶性聚合物无痕连接合成N-(p-羟基-苯甲酰基)-N'-芳基脲化合物     

Mirror nodes in growing random networks

In this article, we consider mirror nodes, which are widely used to reduce local burden, and present two models that are practical for the Internet and probably some other networks. One model introduces an upper limit to the number of links that a node can have, beyond which the node will share the total links with a newly introduced one. Similarly, in the second model, if the number of links exceeds a limit, a new node will be introduced. Unlike the first model, the new node shares with the old one the chance of receiving new links but not the existing links. These models are analytically treated, and from the degree distribution, we can see that the number of nodes with medium links (half the upper limit) increases at the expense of the loss of highly connected nodes. By reducing the burden, this may improve the robustness of the networks.