用DCC/DMAP合成N-苄氧羰基氨基酸薄荷酯

以乙腈为溶剂, 用DCC/DMAP偶合法合成了5个N-苄氧羰基氨基酸薄荷酯, 产率90%～94%. 起始原料氨基酸包括: 甘氨酸, DL-蛋氨酸, β-丙氨酸, L-缬氨酸和L-脯氨酸. 给出了目标产物的氢谱、碳谱、红外光谱、质谱、高分辨质谱和元素分析数据.     

海洋天然产物研究新进展

海洋天然产物化学是目前天然产物化学中最活跃的研究领域之一。近年来,从海洋生物中分离到非常多的化学结构和生理活性上令人注目的新化合物,引起了有机化学家和药物化学家的关注。本文按萜类、太环内酯、聚醚类、生物碱,环肽、含氰化合物、甾醇、聚丙酸酯类化合物等化学结构来概述海洋天然产物研究近年来的进展。     

水中痕量钼(Ⅵ)的4-(2-吡啶偶氮)-间苯二酚螯合活性炭吸附富集分光光度法测定

提出了一种简单快速预富集水中痕量钼（Ⅵ）的新方法，方法的机理在于4－（2－吡啶偶氮）－间苯二酚（PAR）与钼（Ⅵ）螯合后被活性炭中附，然后用NaOH解吸下来，再用水杨基荧光酮与钼（Ⅵ）显色，分光光度法测定钼（Ⅵ）的含量；详细研究了影响Mo-PAR螯合物定量吸附于活性炭上的各种参数，找出了最佳吸附－解吸条件，包括吸附酸度、PAR用量、吸附时间、解吸酸度等；该法的主要优点是操作简单、快速，干扰小，避免了常规方法中用浓硝酸消化活性炭费时和污染大的解吸方法，该法已用于测定水中痕量钼（Ⅵ），加标回收率达到94％－97％。     

分子内Diels-Alder反应在有机合成方面的新进展

本文按合成产物的结构类型,综述分子内 Diels-Alder 反应在有机合成方面的新进展。     

利用天然生物分子合成导电聚苯胺的研究

本文综述了利用多种不同的天然生物分子如蛋白质(包括酶和氨基酸)、糖类、核酸、多巴胺和柠檬汁等为模板合成导电聚苯胺的研究进展。本文首先介绍了这些天然生物分子对产物聚苯胺的手性、导电率、形态以及其它方面性质的影响,归纳了利用天然生物分子合成导电聚苯胺的研究进展,然后分析了导电聚苯胺合成过程中面临的问题并对该领域的未来发展进行了展望,以期为制备性质优良和环境友好的新型导电聚苯胺材料提供有益的参考。     

投料顺序对动态硫化PP／EPDM性能影响及其机理的研究

针对ＰＰ降解在ＰＰ／ＥＰＤＭ动态硫化中对体系产生的不利影响。考察了四种不同投料顺序对ＰＰ／ＥＰＤＭ动态硫化物的冲击韧性，加工流动性，交联程度和断面形貌等宏观和微观性能，并进行了不同ＥＰＤＭ含量的动态硫化和非硫化ＰＰ／ＥＰＤＭ的性能比较。结果表明，优化投料顺序能实现对动态硫化体系中化学反应对象和化学反应程度的有效干预。     

激光-载荷联合作用下天然乳胶烧蚀实验研究

为了摸清激光辐照橡胶类气象气球等空中目标的效应规律,为后续开展外场试验提供依据,本文进行了激光-载荷联合作用下天然乳胶材料烧蚀性能实验研究。采用1085 nm光纤固体激光器,对天然乳胶材料进行了激光辐照效应实验,研究了激光和载荷共同作用下材料的烧蚀性能,结果得到：材料主要发生热解、烧蚀穿孔和断裂破坏;在同等功率密度光斑辐照条件下,材料破坏时间随载荷增加先增加后减小;在同等加载条件下,材料破坏时间随辐照功率密度增加而减小。     

片式厚膜电阻的硫化防护

片式厚膜电阻在电子产品中的应用非常广泛,但是传统的厚膜电阻的电极中含银,在运行环境比较恶劣,含硫污染物较多的情况下,银非常容易同硫发生反应,生成电导率低的硫化银,从而使电阻的阻值变大甚至开路。开展了多种电阻工艺方案、工艺材料的耐硫化环境试验。通过对比,提出了片式厚膜电阻防硫化的可靠性技术解决方案。     

具有界面依赖光致发光的双层WS2/Ga2O3异质结的能带工程(英文)

利用垂直WS₂/Ga₂O₃异质结构中异质界面诱导了反常的光致发光(PL)发射。垂直堆栈的WS₂/Ga₂O₃异质界面使其形成了II型能带结构,导致与Ga₂O₃层接触的底层WS₂的PL强度下降。而异质界面的强耦合作用也影响了双层WS₂中的同质层间相互作用,使得上层WS₂出现反常的PL增强。这种堆栈新型二维异质结构为定制目标能带结构并控制其光子和电子行为提供一种新的手段。     

使用多智能体反馈神经网络实现的数字预失真器

近年来,深度学习（Deep Learning,DL）在通信场景中的应用逐渐兴起,其中就包括射频发射机的数字预失真（Digital Predistortion,DPD）处理。然而,由于射频功率放大器（Power Amplifier,PA）固有的非线性失真和记忆效应特点,如果直接应用传统DL算法去实现DPD会出现拟合效果不佳、自适应性差等现象。针对这个问题,本文提出了一种由多智能体反馈神经网络实现的数字预失真器（Multi-Agent Feedback Enabled Neural Network for Digital Predistortion,MAFENN-DPD）,该网络引入了具有高纠错能力的反馈智能体结构,其主要特点是基于Stackelberg博弈理论去加速网络训练和收敛,同时我们还应用信息瓶颈理论指导网络超参数设计以增强MAFENN-DPD对PA记忆效应变化的动态适应能力。我们进行了一系列的实验来验证MAFENN-DPD的有效性。与使用典型前馈网络实现的DPD方案相比,基于MAFENN-DPD的方案在相邻信道功率比（Adjacent Channel Power Ratio,ACPR）指标上提高了约5 dB。同时,在没有通信过程中的大量先验知识的情况下,MAFENN-DPD实现了与使用记忆多项式方法建模的DPD方案十分接近的ACPR性能。仿真结果说明MAFENN-DPD相比传统神经网络可进一步提升ACPR性能,同时相比记忆多项式方法具有更好的自适应建模能力和通用性,并且具有多智能体反馈结构特征的神经网络未来在其他的通信场景中也具有应用推广的潜力。