HPM视角下“基本不等式”的教学北大核心

《普通高中数学课程标准(2017年版)》中指出在数学学科核心素养培养过程中需要注重数学文化的渗透;并要求教师在教学过程中注重引导学生把握数学本质,了解数学的发展历程,厘清知识的源与流,建立新旧知识之间的关联.数学教师要尊重学生的认知规律和数学的学科特性,放慢节奏,增加体验,让数学学习自然发生.     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

焦炉上升管内壁结焦炭层的光谱学分析及结焦机理研究

以焦炉上升管内壁结焦炭层块为研究对象，采用X射线荧光光谱仪（XRF）、X射线衍射仪（XRD）、傅里叶红外光谱仪（FTIR）和激光共聚焦拉曼光谱仪（Raman）对结焦炭层的元素组成，以及各结焦炭层的矿物组成、组成结构和分子结构进行测试。分析从结焦炭层块外表面向内表面过渡的各结焦炭层的差异性，揭示焦炉上升管内壁结焦机理。结果表明焦炉上升管内粉尘中Fe，S和Cr极易催化荒煤气中蒽、萘等稠环芳烃化合物成炭，在焦炉上升管内壁形成炭颗粒沉积，为焦油凝结挂壁提供载体，在荒煤气温度降至结焦温度时易结焦积碳。结焦炭层均含有芳香层结构，随着结焦炭层从外表面向内表面过渡，各结焦炭层的面层间距(d₀₀₂)逐渐降低、层片直径(L_a)先降低后增加、层片堆砌高度(Lc)和芳香层数(N)先稳定后增加。结焦炭层石墨化过程是由结焦炭层内表面向外表面进行，主要包括其片层外缘的羧基和部分C-O结构的降解剥离，从而形成高度规整的共轭结构。结焦炭层块中C元素是以结晶碳与无定型碳的混合物形式存在。以上研究为解决焦炉上升管内壁结焦及腐蚀问题，提高换热器换热效率，有效回收焦炉荒煤气显热，降低焦化企业能耗提供实验基础和理论依据。