DFT Study on the Electronic and Structural Properties of MoS6-/0 Clusters

Density functional theory (DFT) calculations are employed to investigate the structural and electronic properties of MoS6- and MoS6 clusters. Generalized Koopmans’ theorem is applied to predict the vertical detachment energies and simulate the photoelectron spectra (PES). Intriguingly, the terminal S2- , polysulfide S22- and S32- ligands simultaneously emerge in the lowest-energy structure of MoS6 . Molecular orbital analyses are performed to analyze the chemical bonding in MoS6-/0 clusters and elucidate their structural and electronic properties.     

论西方现代派美术

本文论述了西方现代派美术的主要流派及其生产与发展的社会原因、思想原因和艺术发展本身的原因。     

外场辐射发射测量中瞬变环境信号的抑制

为了抑制电子设备辐射发射外场测量时环境中的瞬变信号,提出了一种时域频域相结合的测量方法.首先通过时域方法捕捉瞬变环境信号,并使用重叠窗技术避免瞬变环境信号频谱的丢失.然后对瞬变环境信号进行周期延拓,将其变为周期信号,为自适应算法提供足够的采样点数,保证算法的收敛性.最后采用自适应噪声抵消技术实现对瞬变环境信号的抑制.仿真和试验结果表明,无论受试设备辐射信号是连续周期信号还是瞬变信号,所提方法均能够实现对瞬变环境信号40 dB以上的抑制,有效提取受试设备的辐射发射信号,恢复出的辐射信号与其真实值的误差在3 dB以内.在准确测量受试设备辐射发射的同时,所提方法还能够对辐射信号进行时频分析,为设备电磁兼容问题的诊断与整改提供必要的依据.     

从建筑设计中寻求产品设计的空间再造

建筑设计是在光环境下创造体量空间,产品设计是在围合环境中创造为人所用的空间,既然在建筑设计中能通过光与影的涉入达到超空间感的设计,那么在产品设计中,设计师也可把光与影的变化规律运用到对产品的既定空间进行再塑造的过程中,并通过透明材料将光引入产品本身进行空间再构筑,势必会将产品设计完整化、艺术化、生命化.     

白酒陶瓷包装的重金属溶出研究概况与展望

用陶瓷贮存白酒是中国千百年来的传统,陶瓷包装中重金属离子的溶出对白酒酒质风味和人体健康的影响一直为研究者所关注,但针对白酒陶瓷包装的重金属溶出影响机制研究相对较少。分析总结了近年来白酒陶瓷包装中重金属溶出分布及影响因素的研究现状和进展。通过对陶瓷釉料中主要成分的分析看出,重金属助溶剂和着色剂是陶瓷包装重金属溶出的主要来源。对比国内外陶瓷制品相关重金属溶出限量标准和分析测试方法发现,目前限量标准主要控制Pb和Cd,但一些研究表明陶瓷包装中Zn和Ni的溶出也不容忽视。进一步对白酒陶瓷包装中重金属溶出影响因素的分析发现,陶瓷釉料成分比例及厚度、白酒的pH值和酒精度都会影响陶瓷包装中的重金属溶出,离子交换过程和玻璃基体溶解被认为是陶瓷包装中Pb的主要溶出机理,且研究表明高酒精度白酒有利于减少总酸的形成并抑制陶瓷包装中重金属的溶出。未来可进一步探讨白酒的酸度、酒精度和酯类物质与陶瓷包装中重金属的相互作用及影响机制,为从白酒陶瓷包装的生产源头到白酒贮存消费的全过程减少和控制重金属溶出提供科学依据。     

基于细粒度实体分类的对比研究

细粒度实体分类是一项多类别多标签任务,能协助广泛的下游任务(关系抽取、共指消解、问答 系统等)提高工作效率、优化准确率,已成为自然语言处理领域的一个研究热点。针对传统的细粒度实体分类方法人工标注大型语料库难度大,准确率偏低等问题,研究人员提出了基于神经网络的细粒度实体分类方 法,不仅能够解决人工标注费时费力的问题,而且可以提高分类的准确率。然而现有的神经网络模型大多需 要远程监督的参与,在此过程中会引入噪声标签等问题,通过噪声标签处理方法能够有效抑制噪声标签对分类结果的影响,进一步提升分类性能。 在相同评测数据集下,根据相同评价指标对比各类细粒度实体分类方 法的性能,可以发现在细粒度实体分类领域中采用 BiLSTM 处理实体指称上下文,并通过注意力机制提取更为重要的特征,有助于提高细粒度实体分类方法的准确率、Macro F1值和 Micro F1值。     

基于随机森林与L-M算法的C4烯烃制备优化模型

探究合适的催化剂组合和温度对乙醇偶合制备烯烃有着重要意义.首先，利用方差分析筛选重要影响因子；然后，通过随机森林算法分析出影响因子对乙醇转化率、C4烯烃选择性的重要程度排序：温度>催化剂质量>乙醇进样量>Co负载量>装料比；最后，利用L-M算法进行多元非线性回归，以C4烯烃收率最优为目标并借助粒子群算法得到C4烯烃收率最优值为42.5485%.