新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種萘磺酰胺類化合物及其制備方法與在調(diào)節(jié)植物生長活性中的應(yīng)用。本發(fā)明提供的萘磺酰胺類化合物，其結(jié)構(gòu)通式如式Ⅰ所示。本發(fā)明提供的式I所示萘磺酰胺類化合物，結(jié)構(gòu)簡單，具有優(yōu)良的植物生長調(diào)節(jié)活性，制備方法簡單可行，利于大規(guī)模生產(chǎn)。

在完成產(chǎn)品小試驗證后，利用小試產(chǎn)品進行了小面積的固沙試驗和實驗室沙模的抗壓和抗剪切試驗。結(jié)果表明AA和AM的共聚物固沙效果要優(yōu)于PAA的均聚物。而且當(dāng)分子量大于1500萬時，分子量對沙模抗剪切和抗壓強度的影響不顯著，而固沙劑溶液的粘度隨聚合物分子量的增加而顯著增加。在滿足固沙性能要求的前提下，確定以單體聚合濃度為7%進行產(chǎn)品工業(yè)生產(chǎn)試驗，工業(yè)生產(chǎn)試驗考核了連續(xù)三批次，共生產(chǎn)六噸產(chǎn)品。 技術(shù)指標(biāo)：聚合反應(yīng)的工藝流程為配料（按配方將單體、引發(fā)劑和溶劑混合）、充氮脫氣30分鐘、加料（將反應(yīng)液加入到各個反應(yīng)器中）和聚合。實際聚合中的液層厚度約為250mm,。工業(yè)試驗生產(chǎn)線的轉(zhuǎn)化率大于98.5%，與小試設(shè)備的結(jié)果相似。應(yīng)用范圍：甘肅治沙研究所民勤治沙站實驗林的梭梭面臨著退化的危險，造成梭梭林退化的主要原因有兩個，一是梭梭根部的沙粒由于長期的移動，使得梭梭較發(fā)達的根系逐漸裸露出來，失去支撐作用，在較大的風(fēng)沙作用下容易被吹得連根拔起，；二是大量裸露在外的根部失去了吸取水分的功能，所以保護梭梭的根部和盡可能地提供水分是挽救退化梭梭的有效途徑。鑒于這種情況，將多功能保水劑，固沙劑和疏水劑組合起來，在梭梭周圍做成一個雨水集流面，一方面保護梭梭根部，一方面集流沙漠里少量的雨水，減少地下水的蒸發(fā)，創(chuàng)造梭梭生長所需的條件。

為了解決納米 TiO2 作為處理工業(yè)污染廢水的首選催化劑光催化效率不高，且必須采用波長小于 387 nm 的紫外光照射的問題，本發(fā)明提供一種將上轉(zhuǎn)換紫外發(fā)光材料 Er3+:Y3Al5O12 與 TiO2 復(fù)合，提高光催化效率的 Er3+:Y3Al5O12/TiO2 復(fù)合膜。并將 Er3+:Y3Al5O12/TiO2 復(fù)合膜應(yīng)用在催化降解有機染料中。 r3+:Y3Al5O12/TiO2 復(fù)合膜用于在可見光照射下催化降解有機染料。

MoTe2是由MoTe6八面體結(jié)構(gòu)單元構(gòu)成的原子層沿c方向堆疊形成的二維材料系統(tǒng)，不同的堆疊方式具有不同晶體對稱性。1T-MoTe2在室溫時是單斜的1T’相，隨著溫度降低在250K時發(fā)生結(jié)構(gòu)相變，轉(zhuǎn)變成正交的T_d相，其中可以存在第二類外爾費米子。王楠林課題組通過實驗發(fā)現(xiàn)高強度的近紅外激光脈沖可以在亞皮秒時間尺度內(nèi)將中心反演對稱性破缺的T_d相驅(qū)動到具有中心反演對稱的1T’相。該相變發(fā)生的最明顯的特征是時間分辨的反射率變化中橫向剪切振蕩聲子的消失和二次諧波強度的急劇下降。通過選擇和改變激發(fā)脈沖的脈寬和波長，從實驗上排除了激光加熱效應(yīng)。該項研究首次在超快亞皮秒尺度內(nèi)實現(xiàn)了激光誘導(dǎo)的非加熱效應(yīng)引起的MoTe2晶體中第二類Weyl半金屬相與正常半金屬相的超快結(jié)構(gòu)相變。它為超快激光控制固體的拓?fù)涮匦蚤_辟了新的可能性，使超快激光激發(fā)的拓?fù)溟_關(guān)器件具有潛在的實際應(yīng)用價值。 該工作于2019年5月22日在線發(fā)表于著名學(xué)術(shù)期刊Physical Review X（Phys. Rev. X 9, 021036 (2019)），第一作者為量子材料中心博士生張夢瑤，王楠林教授和其研究組的董濤博士是通訊作者，量子材料科學(xué)中心王健教授研究組為該工作提供了樣品。該項研究得到國家自然科學(xué)基金委員會、國家重點研究開發(fā)項目等項目的支持。Figure: Pump induced SHG time traces of MoTe2 at selected fluences at T=10 K. The graph shows that as the laser fluence increases, the signal of the second harmonic of the sample drops significantly. The inset is a time-resolved schematic diagram of second harmonic detection

腫瘤細(xì)胞異質(zhì)性是腫瘤異質(zhì)性的重要成因之一，可導(dǎo)致腫瘤在增殖能力、侵襲能力和藥物敏感性等方面產(chǎn)生重要差異，影響腫瘤的診斷與治療，最終影響患者身體健康與生命安全。因此，腫瘤細(xì)胞異質(zhì)性研究對于腫瘤的診斷和個體化治療具有重要意義。而進行腫瘤細(xì)胞亞群分離分析是研究腫瘤細(xì)胞異質(zhì)性的重要基礎(chǔ)。現(xiàn)有的基于電泳、場流或熒光激活式分離原理的進行腫瘤細(xì)胞分離分析的策略存在著特異性差、操作繁瑣或需樣本量大等弊端。基于課題組在磁性梯度分離細(xì)菌、腫瘤標(biāo)志物、蛋白分析等方面前期工作（Analytical Chemistry 2018, 90, 9621-9628；Analytical Chemistry 2014, 86, 9434-9442；Chemistry-A European Journal 2014, 20,14642-14649），該研究以細(xì)胞表面標(biāo)志物Her2表達量差異化的三種乳腺癌細(xì)胞(BT474、MDA-MB-453和MDA-MB-231)為研究模型，通過熒光-磁性靶向仿生探針與其識別后形成不同磁性梯度，在恒定外磁場作用下，可分別在90 s、120 s和180 s時間內(nèi)快速逐一梯度分離出三種不同乳腺癌細(xì)胞亞型，并基于探針的熒光信號對腫瘤細(xì)胞亞群進行了初步鑒定。該研究報道的基于磁性梯度響應(yīng)的腫瘤細(xì)胞亞群分離分析策略具有簡單、快速、準(zhǔn)確等特點，為血液樣本中異質(zhì)性腫瘤細(xì)胞亞群的近同時分離與分析提供新思路，在腫瘤早期診斷、評估和預(yù)后方面具有重要的潛在應(yīng)用前景。

我校理學(xué)院大數(shù)據(jù)研究團隊在人工智能與大數(shù)據(jù)處理技術(shù)研究方面取得系列進展，研究成果分別發(fā)表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級期刊。神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中目前最為火熱的研究方向——深度學(xué)習(xí)的架構(gòu)基礎(chǔ)。雖然深度學(xué)習(xí)在近幾年發(fā)展迅速，但是關(guān)于如何設(shè)計最優(yōu)神經(jīng)網(wǎng)絡(luò)架構(gòu)的問題仍處于探索階段。該團隊分別針對人工智能中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、高維大規(guī)模數(shù)據(jù)存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設(shè)計出了一系列網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、大數(shù)據(jù)特征選擇和時序循環(huán)神經(jīng)網(wǎng)絡(luò)模型，有效改善了上述不足，提高了人工智能模型的學(xué)習(xí)性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡(luò)特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發(fā)表在人工智能領(lǐng)域權(quán)威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項工作得到國家自然科學(xué)基金、國家科技重大專項、山東自然科學(xué)基金、中央高校基本科研業(yè)務(wù)費、中國石油天然氣集團公司重大科技項目以及山東省高校青年創(chuàng)新科技支撐計劃的資助。 特征選擇技術(shù)也稱屬性選擇，是指從原始特征或?qū)傩灾羞x擇出最有效的特征或?qū)傩砸越档蛿?shù)據(jù)維度的過程，它是人工智能數(shù)據(jù)預(yù)處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術(shù)的重要環(huán)節(jié)。該項工作在神經(jīng)網(wǎng)絡(luò)中嵌入Group Lasso懲罰項并實現(xiàn)特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或?qū)傩缘耐瑫r，控制所選特征子集的冗余程度，以達到降維的最優(yōu)效果，從而使模型的泛化能力更強，降低神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生過擬合的風(fēng)險。 題目為《基于L1正則化的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化模型設(shè)計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發(fā)表在國際人工智能領(lǐng)域權(quán)威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項研究成果得到了國家自然科學(xué)基金、山東省自然科學(xué)基金和中央高校基本科研業(yè)務(wù)費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)模型；本項工作另外一個突出貢獻就是提出了一種簡單且具有通用性的收斂性證明方法，同時保證了模型設(shè)計的合理性。實驗結(jié)果表明所提出模型具有強大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數(shù)據(jù)。該研究成果在人工智能與深度學(xué)習(xí)構(gòu)造最簡網(wǎng)絡(luò)結(jié)構(gòu)方面具有很強的指導(dǎo)作用和應(yīng)用推廣價值。