Synthesis of New Chiral C2-Symmetrical Bis(oxazoline )Compounds

New chiral C2-symmetrical bis(oxazoline)compounds bearing one isobutyl-,secbutyl-benzyl- or isopropyl-substituent at the 4-position have been prepared and characterized.     

生命掌握在您手中

近代医学证明,人体内共有90多种元素,它们的缺乏与过剩都与生命休戚相关。您想揭开人体为何得病、如何健康、如何聪明、如何长寿这一神秘的面纱吗?您想聪明、健康与长寿吗?让我们走进微量元素世界进行了解。世界卫生组织1992年4月9日宣布:全世界每年有1 200万人死于心血管病,心     

漫谈人体必需微量元素——锰

锰是人体必需的微量矿物元素之一,是构成正常骨骼时所必要的物质。虽然人类在正常膳食条件下无发生锰缺乏的报道,但在日常疾病诊治中仍然经常遇到因锰缺乏而导致的各种病症。锰在人体内总含量为200~400μmol。锰在人体内一部分作为金属酶的组成部分,一部分作为酶的激活剂起作用     

妊娠中期孕妇头发微量元素观察

为了解妇女妊娠中期营养状况，对１９９６年产科门诊采集的杂结果进行回顾性分析，结果表明，孕中期妇女有５９．６４％存在宏量和微量元素缺乏，其中钙缺乏占首位，铁缺乏占第二位，锌缺乏占第三位，镁变化不大。缺钙严重程度与季节有关。提示孕中期应对孕妇给予膳食结构的调整，适时补充营养和钙，以满足母胎之需要，减少母儿并发症。     

人中白矿物元素含量分析

用原子吸收分光光度法测定了中药人中白中 1 2种矿物元素含量。结果表明 ,人中白中Ca、Mg、Ba、K和Na的含量在 1× 1 0 3以上 ,而Fe、Cr、Mn的含量在 1 0× 1 0 6 ～ 1 0 0 0× 1 0 6 范围内 ;Ni、Se浓度也超过 1 0× 1 0 6 ,Cu、Co的含量也在 5× 1 0 6 以上。     

含羧酸配体的鼓形有机锡氧簇合物：六聚苯基锡氧3-吲哚丁酸酯的合成及晶体结构

利用Ph3SnOH和3-吲哚丁酸以1：1摩尔比反应，合成了新型含羧酸配体的鼓形 有机锡氧簇合物：六聚苯基锡氧3-吲哚西酸酯。通过元素分析、红外光谱和X射线 单晶衍射对其结构进行了表征。测试结果表明：该化合物为三斜晶系，空间群P1， a=1.1722(6),b=1.5694（8）nm，c=1.7227(9)nm，α=116.251（8）°，β=100. 854（10）°，γ=95.606（9）°，Z=1，V=2.732(3)nm^3，Dc=1.554g·cm^-3，μ =1.420mm^-1，F(000)=1276，R=0.0630，ωR=0.0762。晶体结构中，六配位的锡原 子呈畸变的八面体构型。     

室温固相反应一步合成N-亚水杨基-4-氨基安替比林

4-氨基安替比林与水杨酬醛通过室温固相反应合成N-亚水杨基-4-氨基安替比 林，反应无溶剂，15 min即可完成，产率达95%，用元素分析，IR，~1H NMR，X射 线粉末衍射和X射线单晶衍射对产物进行了表征。     

柱撑阴离子粘土的合成、表征及催化性能研I．ZnAl─SiW_（11）及ZnAl—SiW_（11）Z的合成

采用水热合成及离子交换方法将缺位及单取代型Ｋｅｇｇｉｎ结构钨硅杂多含氧酸根ＳｉＷ（１１）及ＳｉＷ（１１）Ｏ（３９）Ｚ（Ｈ２Ｏ）（６－）嵌入Ｚｎ─Ａｌ型阴离子粘土层间，得到了大层间距的新型层往状微孔材料ＺｎＡｌ─ＳｉＷ（１１）及ＺｎＡｌ—ＳｉＷ（１１）Ｚ（Ｚ＝Ｃｏ（２＋）、Ｎｉ（２十）和Ｃｕ（２＋）），ＸＲＤ与ＩＲ测试结果表明，它们只有９．７　的通道高度．     

黔产赤灵芝不同部位无机元素和营养成分分析

以黔产青冈椴木赤灵芝为研究对象,测定了灵芝子实体(整支)、灵芝孢子粉(破壁)、灵芝孢子粉(未破壁)和灵芝菌盖中5种营养成分和24种无机元素,并进行相关性分析。结果表明：灵芝中营养成分与无机元素间具有一定的相关特性;灵芝不同部位的水分、灰分、多糖和三萜及甾醇含量均符合2020版《中华人民共和国药典》规定;灵芝孢子粉(破壁)具有较高的蛋白质、多糖和三萜及甾醇含量;元素Sn、Mo、B、Be和Ag在灵芝不同部位中均未检出;As在灵芝孢子粉(破壁)、灵芝孢子粉(未破壁)中未检出;元素Pb、Cd、As、Hg和Cu在灵芝不同部位中的含量均低于最大限量值;Al在灵芝子实体(整支)中超标率为100%;Cr在灵芝孢子粉(破壁)中超标率亦为100%。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。