生物基芳香二酸2,5-呋喃二甲酸 (2,5-furandicarboxylic acid, FDCA) 有望部分替代石油基二酸对苯二甲酸 (terephthalic acid, PTA) 用于高性能高分子材料的合成. 本文综述了从5-羟甲基糠醛 (5-hydroxymethylfurfural, HMF)、糠酸、呋喃、二甘醇酸、己糖二酸、2,5-二甲基呋喃和2-甲基呋喃制备FDCA的各路线, 并详细介绍了HMF的直接氧化法、多相热催化氧化法、光电催化氧化法以及糠酸羧基化、歧化、羰基化等策略合成FDCA. 在比较了各路线优缺点的基础上, 认为HMF路线和糠酸路线是FDCA规模化生产最有希望的路线, 提出未来应在改进催化路线、简化反应工艺、提高分离效率、减少三废含量等方面进行更为深入的探索和研究.
为了实现碳达峰碳中和的国家战略, 利用可再生能源发电将二氧化碳电催化转化为化学品再利用, 这引起了科学界的广泛关注. 铜基催化剂可将二氧化碳电还原为高附加值的多碳产物, 但仍需研究其催化机理来提高催化产物的选择性和催化效率. 根据铜的状态可将铜基催化剂分为单原子铜基催化剂、定向晶面铜基催化剂、氧化态铜基催化剂和铜合金/复合催化剂. 本文简要介绍了以上4类铜基催化剂的常见制备方法、结构特点、电催化还原二氧化碳的效果和可能的催化机理.
实例分割是计算机视觉领域中的一项重要任务, 近年来元学习和小样本学习的发展推动了小样本与计算机视觉任务的结合, 突破了对人工标注难、标注成本高的目标检测与分类瓶颈. 虽然在小样本图像分类、小样本语义分割和小样本目标检测上都取得了较大的发展, 但是基于小样本学习的实例分割近年来才成为研究热点. 从小样本实例分割的相关概念出发, 对现有小样本实例分割方法, 按照基于锚框和无锚框两类分别进行了系统性的概述, 并介绍了小样本实例分割常用的数据集及评价指标. 通过对算法性能和优缺点的分析对比, 以及研究现状的整理归纳, 对小样本实例分割未来发展方向和面临的挑战进行了展望.
农药的使用是控制作物病虫害、提高农作物产量的重要手段. 天然产物及其衍生物是农药的重要来源, 在杀虫、杀菌、植物生长调节、免疫调节等领域均发挥着重要作用. 随着基因组学、蛋白组学、结构生物学和其他生物技术的发展, 基于天然产物的农药靶标确证和基于靶标结构的新农药分子创制研究也得以飞速发展, 使得“合理设计”在农药创制研究中的应用凸显. 本文将通过案例, 展示基于已知靶标的活性天然产物的发现, 或基于天然产物的新农药靶标的确证, 以及其后续新农药创制的研究进展, 以阐释活性天然产物在新农药靶标与农药创制间的桥梁作用.
塑料因其质轻、便携、廉价而在人们的日常生活中被广泛应用. 然而, 塑料被废弃后, 因其化学性质稳定, 很难在自然环境中降解, 这使得塑料污染已成为新的全球性环境问题. 近年来, 关于塑料降解的研究与日俱增. 为了推进塑料垃圾的处理与环境保护工作, 文章论述了塑料污染的现状, 系统地阐述了塑料降解的研究方向, 并提出了未来有关光催化及生物基塑料的发展前景, 以期能为环境保护及可持续发展提供科学参考.
发动机作为飞机的核心部件, 对飞机运行起着至关重要的作用. 对航空发动机做准确的剩余使用寿命预测, 能够提前进行维护诊断, 预防重大事故的发生, 节约维护成本. 针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究, 提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法. 该方法选取两个不同时间长度的输入数据, 使用排列熵对传感器之间的关系进行分析, 并将操作条件数据独立提取特征. 在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证. 实验结果表明, 该方法优于现有的先进预测方法, 可有效提高预测精度.
面向C1分子及低碳烷烃活化脱氢制备C2和C3烯烃等重要化工过程, 设计高效、稳定的负载型金属催化剂, 防止金属物种在苛刻的制备和反应条件下烧结成大尺寸纳米颗粒是一个关键的挑战. 具有均匀亚纳米尺寸孔道和丰富三维晶体结构的多孔沸石分子筛, 已被证明是将金属团簇封装在其孔道内以制备高效稳定金属催化剂的理想载体. 更重要的是, 亚纳米金属团簇和沸石骨架原子之间的相互作用可以调节其几何和电子结构. 研发沸石孔道限域的亚纳米团簇型金属催化剂旨在利用这种联合的约束效应, 诱导金属物种与具有活性位点的沸石骨架间的协同作用, 进一步提升复合催化剂的催化性能, 应用于多种催化反应过程. 本文主要介绍了几种典型的方法制备沸石孔道限域的亚纳米团簇型金属催化剂, 以及在CO2和炔烃选择性加氢、甲酸分解产氢、氨硼烷水解产氢及丙烷脱氢制丙烯反应过程中的催化应用.
针对无人机在三维环境中寻求从起始位置到目标位置的一条最优、安全且能避开所有障碍物的路径, 提出了一种结合正六边形导向法改进的人工势场法, 用来解决传统人工势场法中障碍物附近目标不可达和局部极小值问题. 首先, 在排斥势场函数中加入距离修正因子, 解决目标不可达问题; 其次, 提出了一种正六边形导向法来改进局部极小值问题, 该方法可以在无人机陷入局部极小值区域时, 判断所处环境并选择适当的规划方法, 引导无人机逃离局部极小值区域; 再次, 在Matlab平台上进行了三维建模仿真, 同时考虑到多种复杂障碍物的场景, 结果表明了该方法在保留了原本算法优势的同时, 在无人机实时路径规划中更加有效和可行; 最后, 在真实环境中演示了所提出的方法, 实验结果表明了该方法的可行性和有效性.
乙醛酸甲酯在有机合成和化工生产中应用广泛, 传统的制备方法存在成本高、效率低、易造成环境污染等缺点. 乙醇酸甲酯是煤基合成气经草酸二甲酯加氢制乙二醇工艺的中间产物且可高选择性控制合成, 以其为原料选择性氧化制备乙醛酸甲酯具有较好的工业应用前景, 但目前为止, 研究较为有限. 本文综述了乙醛酸甲酯的应用、传统制备方法及乙醇酸甲酯氧化法的研究现状, 也总结了相关醇类 (如乙醇) 选择性氧化制醛酮的研究进展.
为了提高铜基催化剂电还原CO2的催化性能, 以氮三乙酸(nitrilotriacetic acid, NTA)为添加剂, 通过电沉积法制备了具有三维结构的铜基催化剂, 该催化剂具有优异的电还原CO2制备多碳(C2+)产物的选择性和活性. 在 –1.26 V vs. RHE (reversible hydrogen electrode)时, 乙烯(C2H4)和C2+ 产物的法拉第效率(faradaic efficiency, FE)分别能达到44.0%和61.6%, 此时总电流密度(current density)为12.3 mA·cm–2. 此外, 在NTA的作用下, 运用电沉积法制备的Pd和Zn基催化剂具有良好的电还原CO2为CO的性能, 表明NTA作为添加剂在电沉积法制备金属催化剂方面具有一定的普适性.
基于微博2019年11月11日—2022年5月12日的快递物流博文数据, 对疫情背景下快递物流服务的用户行为进行画像, 以扎根理论为理论框架, 结合抽象聚类方法抽象出5种用户行为、22个主题内容, 并生成相应的用户画像. 论文进一步探讨了主题的内容、主题的演化和群体的差异性. 结果表明: ① 用户对快递物流服务的满意行为单一; ② 用户的不满意行为多样化, 存在明显的升级性; ③ “运输效率”和“物流保障”是影响快递物流服务评价的主要因素; ④ 疫情的发展变化影响用户主题内容呈现的关注点和态度;⑤ 主题内容具有明显不同程度的群体差异.
采用种子聚合法制备了微米级的聚苯乙烯微球 (Polystyrene Microspheres, PS), 并将微球羧基化和多孔化. 将量子点 (Quantum Dots, QDs) 作为荧光分子, 合成了不同发射波长的量子点, 并成功将其装载到多孔微球当中形成荧光编码微球 (QDs@PS), 最后检测急性白血病 (Acute Leukemia, AL) 患者血清样本, 通过流式实现对血清中抗原的定量分析. 扫描电子显微镜 (Scanning Electron Microscope, SEM) 和流式细胞术图像显示, 微球的球形规整, 尺寸均一. 荧光显微镜观察, QDs基本均匀渗透到整个微球中. 此外, QDs@PS显示了良好的光稳定性, 未见QDs泄漏, 并可保持其荧光至少两周. 荧光光谱分析对人免疫球蛋白G (Immunoglobulin G, IgG) 检测的性能表明, 荧光微球表面的羧基有利于生物大分子的高效共价结合, 可应用于三明治免疫夹心反应偶联白血病高表达抗原白介素6 (Interleukin 6, IL-6). 结合白血病患者血清样品, 通过流式细胞仪检测出量子点的荧光, 计算其平均荧光强度 (Mean Fluorescence Intensity, MFI) 来表示血清中IL-6的含量. 这些结果表明, 设计的光学编码微载体可以成功地应用于高通量和多路生物分子分析, 在血液疾病检测和诊断中有很大潜力.
自适应学习是使用计算机算法来协调自适应学习平台与学习者的互动, 并提供定制学习资源和学习活动来解决每位学习者的独特需求的教育方法. 自适应学习随着新冠疫情的影响变得越来越重要, 它面临的主要挑战之一是如何为学习者提供定制的学习资源, 即如何在海量的学习资源中为学习者生成个性化的推荐. 现存的方法大多使用基于学习者知识级别的推荐, 然而这些方法存在一些不足. 首先, 在获取学习者知识级别时, 学习者在学习过程中出现的遗忘现象并未得到很好的建模. 其次, 在推荐时, 这些方法将获取学习者知识级别的知识追踪技术和推荐分开进行, 忽视了这两者之间的深层连接关系. 此外, 仅考虑学习者的知识来建模, 将会忽略学习者对于学习资源类型、学习策略等的偏好. 为解决上述问题, 给出了一个知识和性格结合的多任务学习框架(Knowledge and Personality Incorporated Multi-Task Learning Framework, KPM)去促进课程 (即上文所指的学习资源) 的推荐, 该框架将增强的知识追踪任务作为辅助任务去协助主要的课程推荐任务. 具体地, 在增强的知识追踪任务(Enhanced Knowledge Tracing Task, EKTT)中, 设计了一个个性化的遗忘控制器去增强深度知识追踪模型, 从而更加准确地获取学习者的知识级别. 在课程推荐任务(Course Recommendation Task, CRT)中, 首先, 将学习者的知识级别、学习者的序列行为和学习者的性格根据特定的上下文进行自适应融合, 用以生成学习者的画像; 然后, 基于学习者的画像生成课程推荐列表. 在真实的教育相关数据集上的实验结果验证了提出的方法在点击率(Hit Ratio, HR)、归一化折损累计增益(Normalized Discounted Cumulative Gain, NDCG)、精确度(Precision)指标上的优越性, 即可以生成更加个性化的课程推荐.
以天目山自然保护区分布的螽斯和蟋蟀类鸣虫为调查对象, 于2019年4—10月进行固定样线调查. 本次调查共发现天目山地区螽斯28种、蟋蟀19种, 其中的6种螽斯及8种蟋蟀为天目山新记录. 成虫时间主要集中于8、9、10月, 并有低海拔先成虫的现象; 螽斯和蟋蟀群体大致呈现从低海拔到高海拔物种数目先降低再升高的趋势, 且蟋蟀主要分布于低海拔地区, 而螽斯在各海拔均有分布; 由于瘤突片蟋、凸翅糙颈螽、刻点哑蟋等几种螽斯和蟋蟀具有高海拔窄域分布的特征, 故可将其作为天目山物候的指示物种.
共获取到全国72座道教宫观的树木名录, 揭示了不同地区道观的树种组成特征、分布格局及其影响因素, 探讨了道教宫观在生物多样性保护方面的作用. 结果表明: ① 在全国72座道教宫观中, 共计树木354种, 隶属85科208属; ② 道观树种以乡土树种为主, 各道观中乡土树种的比例均值为62.5%±19.8% (比例均值±标准偏差), 且大多数道观 (77.8%) 中保存有受威胁树种; ③ 道教树种多起源于亚热带地区, 并以长江流域为热点区域, 尤其是少数民族聚集的西南与中南地区; ④ 影响道教树种分布的主要因素是地理和气候因子, 但其组成在气候带上却难以区分, 且随着气候带的北移, 并未表现出宗教树种替代 (以形态或文化含义相似的乡土树种替代原始宗教树种) 现象. 以上结果表明, 道教宫观中植物资源丰富, 是潜在的生物多样性宝库, 在保护和维持生物多样性方面具有重要作用, 并能为区域生态修复和城市绿地建设提供参考.
用户界面 (user interface, UI) 在应用程序与用户的交互中扮演了至关重要的角色. 当前移动互联网的普及, 已经使得基于Web (world wide web)的应用大规模从桌面端迁移到移动端, Web前端开发在应用程序的开发中愈加广泛和深入. 传统Web前端开发首先依赖设计人员给出设计稿, 然后由程序员编写相应的UI代码. 这种方式行业壁垒高、开发速度慢, 不利于产品的快速迭代. 深度学习的发展使得基于UI图像自动生成Web前端代码成为可能. 现有方法对于UI图像特征的捕捉能力较弱, 生成代码的准确性较低. 为了改善这些问题, 提出了基于Swin Transformer的Encoder-Decoder模型image2code, 用于从UI图像生成Web前端代码. image2code将从UI图像生成Web前端代码的过程视为图像描述任务的一种形式, 将包含滑动窗口设计的Swin Transformer作为模型编码器和解码器的骨干网络. 其中滑窗操作将注意力计算限制在一个窗口内, 减少了注意力机制的计算量, 同时保证了不同窗口间仍然有特征关联. 另外, image2code生成可以直接转换为HTML (hyper text markup language)代码的Emmet代码, 利用Emmet代码的简洁性提高模型训练的效率. 实验结果表明, 在已有公开数据集和新构建的数据集上, image2code在Web前端代码生成任务上的表现要优于pix2code和image2emmet等代表性模型.
知识追踪任务是根据学生历史做题记录和其他辅助信息追踪学生知识水平的变化过程, 以及预测学生在下一时刻作答的结果. 由于已有的神经网络知识追踪模型在效果和性能上还有待提升, 提出了基于堆叠门控循环单元(Gated Recurrent Unit, GRU)的深度残差(Stacked-Gated Recurrent Unit-Residual, S-GRU-R)网络. 针对长短期记忆网络(Long Short-term Memory, LSTM)参数过多导致过拟合问题, 用GRU代替LSTM学习做题序列中的信息, 采用堆叠GRU扩大序列学习容量, 并用残差连接降低模型训练的难度. S-GRU-R在数据集Statics2011上进行了实验, 并用AUC (Area Under the Curve)和F1-score作为评估指标. 结果表明S-GRU-R在这2个评估指标上都超过了其他类似的循环神经网络模型.
二氧化碳是温室气体的主要成分, 也是廉价易得的可再生C1合成子. 其资源化利用不仅能够提供重要的基础化学品、能源产品及功能材料, 同时也是实现碳循环及减少碳排放的理想途径. 鉴于手性杂环化合物在有机合成和药物研发中的重要性, 近年来发展以二氧化碳为合成子的绿色高效和高立体选择性的直接构建手性杂环化合物的方法受到了广泛关注, 已经发展了合成手性内酯、环碳酸酯以及环氨基甲酸酯的方法. 本文拟概括相关领域的研究进展.
肉桂醛作为一种典型的α, β-不饱和醛, 其选择加氢常被用作模型反应来研究催化剂的构效关系. 然而, 如何获得兼具高活性及高选择性的催化剂具有很大的挑战. 铂基催化剂由于具有较高的活性常被用作肉桂醛选择加氢的催化剂, 但是, 传统方法制备的负载型单金属铂基催化剂, 无论是对C=C双键加氢还是C=O双键选择性均不高. 近年来, 研究人员从电子效应、协同效应以及空间效应等出发, 设计合成了一系列高性能负载型铂基催化剂用于肉桂醛的选择加氢. 本文将对近3年负载型铂基催化剂在肉桂醛选择加氢中的进展进行归纳和总结, 并对催化剂的构效关系进行分析和梳理, 希望为进一步合理设计高催化性能的铂基催化剂提供一些借鉴.
硫酸酯离子液体因其不含卤素离子, 具有极低的蒸气压、高的热稳定性、高黏度指数、低等温压缩系数、选择性溶解能力和良好的生物相容性等独特的性质而备受关注. 本文主要介绍了硫酸酯离子液体的合成方法, 包括一步法、两步法; 归纳了硫酸酯离子液体的结构, 特别是阴、阳离子烷基链长度等对其密度、黏度、折光率、表面张力、等温压缩系数以及其中的声音传导特性等物化性质的影响; 总结了硫酸酯离子液体在溶解、萃取、催化、润滑、气体吸附分离以及复合材料等不同领域的应用; 最后探讨了硫酸酯离子液体当前存在的问题并对其发展趋势进行了展望.
中国综合性科技类核心期刊(北大核心)
