基于压电振荡原理的微阵列点样系统的研制

针对基于电磁微阀原理的非接触点样方式存在操作过程复杂、点样量偏大,以及压电喷墨原理的非接触点样方式存在点样针不易清洗、造价昂贵等不足,研制了一种基于压电振荡原理的新型非接触点样装置,实现了微量液体点样.在本装置中,毛细管点样针与压电驱动装置为两个独立单元,可以单独对毛细管点样针进行更换和清洗.采用激光拉制法制备的玻璃毛细管点样针具有内径可调、成本低等优点.此点样方式通过改变压电陶瓷的振幅和频率,可在10Symbolm@@_10～10Symbolm@@_9 L之间调控点样体积.以此为基础,结合三维精密位移控制技术,研制了一种基于压电振荡原理的微阵列生物芯片点样系统.对点样系统的点样体积、点样密度、点样精度等参数进行了测试,结果表明,此点样系统的最小点样体积可达320 pL,点样密度可达4000 点/cm2,并能够实现界面图案化制备.     

新型耗散型电化学石英晶体微天平的研制

针对目前商品化的石英晶体微天平(Quartz crystal microbalance,QCM)仪器存在的功能单一、耗材昂贵等问题,基于正交解调法阻抗分析原理,本研究搭建了新型QCM仪器系统。在此仪器系统中,通过嵌入式软件和硬件电路的深度结合,实现了较宽的频率范围内石英晶体谐振频率自动匹配和精确测量,并引入了电容补偿电路对石英晶体谐振片的静态电容进行实时补偿,从而消除了较高弹性负载情况下谐振频率的测量误差。通过对不同粘弹性负载环境、连续小质量负载添加、电化学联用测试等多个实验对所搭建仪器的功能和性能进行了验证和测试。实验结果表明,研制的QCM仪器系统适用的石英晶体频率范围较宽,可对石英晶体谐振片的静态电容进行自动补偿,频率测量精度可达0.1 Hz,并且能够实时、连续地测量耗散因子,能与多种电化学方法联用,具有功能丰富、耗材成本低等优点。     

一种基于最小二乘法的石英晶体微分天平的谐振频率检测算法

阻抗型石英晶体微天平,具有适用范围广、获取参数多等优点,但通过阻抗分析方法获取石英晶体谐振频率耗时较长,实时性差。 针对这一问题,对采用最小二乘法进行二次拟合的计算过程进行了深入的分析,对其中的关键步骤进行了改进,提出了一种适用于石英晶体谐振频率测量的快速检测算法,通过对测得数据的坐标系进行调整,降低了拟合过程中的数据运算量。 经实验验证,与传统拟合算法相比,该算法计算谐振频率的效率提升4倍,并且得到了更高的计算精度,具有很高的实用价值。     

数字图像处理技术在扫描电化学显微镜中的应用

扫描电化学显微镜(SECM)使用超微电极作为探针,由于发生在探针电极上的氧化还原反应是一个扩散过程,探针电极在快速移动过程中会对扩散过程产生影响,导致SECM图像变得不清晰。本研究采用Lo G算法与NEDI插值算法相结合的图像处理技术对获得的SECM图像进行处理,Lo G算法可以提高SECM图像的清晰度,但会导致图像中部分边缘信息丢失,利用基于边缘导向插值的NEDI算法对后续图像进行处理,可以很好地解决这个问题。采用离子溅射方法制备了金叉指电极和金点阵电极两种基底,对金叉指电极基底、金点阵电极基底和印有指纹的ITO基底进行了SECM成像,通过对3种基底的SECM原始图像、Lo G变换后的图像和NEDI插值后的图像进行比较分析,表明Lo G算法与NEDI插值算法结合在一起的图像处理技术可以明显提高SECM图像的清晰度和分辨率。     

深度学习在化学信息学中的应用研究进展

在知识、数据、算法与算力的多重驱动下，深度学习不仅在计算机视觉、自然语言处理等研究领域取得了突破，并随着各学科间的迁移应用于交叉融合，逐渐衍生出多个新兴研究方向。化学信息学作为以应用信息学方法以解决化学问题的学科，深度学习技术凭借其强大的非线性学习能力，通过深度学习模型可以从数据集中对其进行筛选预测，再基于理论计算对结果可行性进行理论验证，最后通过实验表征结果，缩短了实验周期、降低了人力成本、加速了化学信息学智能化。本文简要介绍了深度学习发展历史及主要网络模型架构，介绍了近年来深度学习在在化合物合成路线规划、化合物结构活性与性质及催化剂设计的最新研究和应用现状，并对未来的发展方向进行讨论与展望。