氧化硼对苯乙烯原子转移自由基聚合的加速作用

以2-溴丙酸乙酯为引发剂, 溴化亚铜为催化剂, N,N,N′,N″,N″-五甲基二乙基三胺为配体, 以氧化硼为加速剂, 进行了苯乙烯原子转移自由基聚合的加速研究. 发现氧化硼与引发剂比例为4时, 加速效果最为明显, 且对分子量的控制效果较好. 在85 ℃时, 添加该比例的氧化硼, 苯乙烯在6 h的聚合转化率达到78.5%. 在65, 75及85 ℃条件下, 加入氧化硼时体系的聚合反应动力学为一级反应, 苯乙烯聚合速率分别为空白体系的1.82, 1.54和1.5倍; 聚合物的分子量可控, 分子量分布窄, 体系呈现明显的活性聚合特征. 通过核磁共振谱对聚合物的结构进行了表征, 证明氧化硼在整个聚合过程中只起加速作用, 并不影响聚合机理和聚苯乙烯的结构. 氧化硼价廉, 有利于实现原子转移聚合的工业化.     

Instrumentation of coherent X-ray imaging and the primary experimental results

Coherent X-ray microscopy has advanced towards higher-energy, more brilliant sources over the past decade since its demonstrations, and many advancements have been made towards optimizing this imaging technique. Here we present both the experimental instrument for obtaining diffraction patterns and the primary reconstruction of yeast cell 2D projection. In addition, the characteristics of the existing optics at BL29XUL of SPring-8 Facility and the method of image reconstruction are discussed.     

洗牌型光电混合神经网络实验系统

在研究洗牌网局部互连光学实现问题的基础上 ,采用洗牌型图样间联想模型建立了具有完整的加权互连、求和、非线性处理及反馈功能的光电混合神经网络实验系统 ,进行了 8× 8数字样本的光学联想识别。实验结果证实了洗牌网理论的可行性和洗牌型图样间联想模型光学实现的优越性     

多相可控的超分子多孔吸附剂对污染物的吸附和分离功能的探索

快速吸附和有效分离是去除污染物的关键技术.其中,均相吸附剂能与吸附质充分碰撞,在快速吸附方面具备一定优势,但难以从介质中有效去除.非均相吸附剂容易从体系中分离,但与污染物的作用力较弱,容易引起二次污染.为此,基于V形两亲性嵌段共聚物的动态组装,构筑了可以实现均相和非均相吸附功能的超分子多孔吸附剂. 120°折叠的芳香性嵌段通过自组装形成疏水性空腔捕获有机污染物,骨架外围的聚乙二醇嵌段具有良好的亲水效应,可助溶多孔吸附剂,使多孔材料具有均相吸附的特征,60 min内实现对双酚A和炔雌醇的高效吸附,其吸附容量分别达到126.5和95.4 mg/g.受到聚乙二醇的最低临界溶解温度(LCST)效应影响,升温使均相吸附剂转化为非均相吸附剂,促使多孔材料和水相的分离,易于从水体中去除.基于超分子多孔吸附剂的温度响应行为,在室温下对水污染物进行高效吸附,通过升温实现了与水环境的有效分离,多次吸附—解吸循环实验表明移除效率能够维持在84%以上.这种结合均相吸附和非均相吸附优势的构筑方法,为净化水体提供了一种新的方案.     

图样间联想光学神经网络模型存贮分析及两层异联想识别模型的构造

本文详细讨论了图样间联想网络的最大存贮容量,给出了实现图样间异联想的两个充分条件.在此基础上,利用改进的图样间异联想算法构造了两层异联想模型(THA)用于图样识别,网络判辨率与恢复率较图样间自联想识别均有很大提高;且其互连权矩阵更加简单稀疏并可平面化,光学实现更为简便.     

木质素磺酸钠在浓溶液中聚集行为的研究

利用流变和电导等实验手段研究了木质素磺酸钠(SL)在浓溶液中的聚集行为,讨论了无机盐(Na Cl、Na2SO4)、尿素及直链醇(甲醇、乙醇、正丙醇)对SL聚集行为的影响.结果表明,无机盐会促使较大SL聚集体的形成,而尿素可破坏聚集体的形成;少量直链醇加入将不利于SL聚集体的形成,但是过量醇的加入又会有利于SL聚集体的形成.从静电、氢键和疏水作用等不同角度对SL在浓溶液中的聚集行为进行了合理解释.     

洗牌型图样间联想光学神经网络模型

本文将洗牌型神经网络结构和图样间联想神经网络算法相结合,提出了一种洗牌型图样间联想神经网络(PS-IPA)模型。该模型具有极其简单、稀疏的互连权矩阵,十分适于大规模神经网络的光学实现。计算机模拟结果表明洗牌型图样间联想神经网络的稳定性和抑制噪音的能力均优于图样间联想网络IPA.本文还给出了洗牌互连的一般性原则,使网络结构得到优化,增强了洗牌型神经网络的灵活性和适应性。并采用3-洗牌和2-洗牌结合的PS-IPA对汽车牌照的字符进行识别,得到了较好的结果。