脉冲高度权重技术测量197Au中子俘获截面

脉冲高度权重技术是利用C_6D_6探测器测量中子俘获截面的一种数据处理方法。在中国散裂中子源(China Spallation Neutron Source,CSNS)的反角白光中子源(Back-n)靶站上,通过测量金靶(~(197)Au)的中子俘获截面,验证了该方法的可靠性。首先利用Geant4蒙特卡罗程序模拟给出了不同靶条件下的探测器效率,脉冲高度权重函数等基本项,使得加权后的探测器效率与γ能量成正比。然后通过实验测量了~(197)Au中子俘获截面。结果表明:测量获得的中子俘获截面数据和ENDF/B-VⅢ.0评价数据相符合,同时发现随着实验靶尺寸的不同和质子束功率的增加,会使得实验本底的扣除误差越来越大。     

非连续采空区矿柱力学分析的数值模拟

为探讨非连续采空区矿柱力学原理，通过FLAC3D数值模拟技术，对下向水平分层进路式胶结充填采矿法开采形成的非连续采空区中矿柱的受力状态进行了分析。研究表明，非连续采空区中矿柱所受的力主要为覆岩的自重应力，水平应力对其影响不大；随着埋深的增加矿柱承受的垂直方向的力近似呈直线增加；随着非连续采空区跨度的增加（进路数量增加），非连续采空区受垂直方向的应力逐渐由围岩两侧向矿柱中间过渡。     

Isolation of antimicrobial agent from the marine algae Cystoseira hakodatensis

Cystoseira hakodatensis is an unutilised brown algae belonging to family Sargassaceae. A crude methanol extract from the algae showed inhibitory effects on the growths of Bacillus cereus and Bacillus licheniformis. To isolate the major antimicrobial agent, a sequential active‐guided isolation procedure was applied: liquid–liquid extraction, column chromatography and bio‐autography. A marked antimicrobial agent (active α) was isolated in hydrophobic fraction and was determined to phenolics without carbohydrates and proteins by phytochemical test. Regarding the antimicrobial potential, the isolated active α showed better inhibitory effects against B. cereus and B. licheniformis at 2 and 4 times of lower concentrations (62.5 and 31.3 μg mL^?1) in comparison with epigallocatechin gallate. These results showed that C. hakodatensis is a potential source of antimicrobial agent capable of preventing the growth of the two bacteria.     

超支化镍系催化剂构效关系及催化乙烯齐聚机理

采用1.0G超支化大分子（1.0G）、3-取代水杨醛和NiCl₂·6H₂O为原料，依次经席夫碱反应和络合反应合成了3种新型具有不同取代基位阻的超支化水杨醛亚胺配体及其镍系催化剂，利用红外光谱（FTIR）、核磁共振氢谱（¹H NMR）、紫外光谱（UV-vis）、电喷雾质谱（ESI-MS）及电感耦合等离子体质谱（ICP-MS）等方法对合成出产物的结构进行表征。考察了配体空间位阻、溶剂种类、助催化剂种类及反应条件对催化乙烯齐聚性能的影响。研究结果表明，配体空间位阻对催化乙烯齐聚性能有较大的影响，当以甲苯为溶剂、甲基铝氧烷（MAO）为助催化剂，在最佳反应条件下，超支化邻苯基水杨醛亚胺镍系催化剂催化乙烯齐聚的活性为2.81×10⁵g/(mol Ni·h)，对高碳烯烃（C₁₀₊）的选择性为34.28%。此外，在超支化水杨醛亚胺镍系催化剂催化性能评价的基础上，对其催化乙烯齐聚的机理进行研究。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。