硼亲和材料的制备方法新进展

近年来，硼亲和技术由于选择性好、质谱兼容性高、操作简便等优点，成为分析化学、生物医学等领域的研究热点，广泛应用于儿茶酚、核苷、糖蛋白、糖肽等顺式二羟基生物分子的分离富集和检测。本文对近年来新型硼亲和材料的制备方法进行了评述，主要包括点击化学法、原子转移自由基聚合法、超支化聚合物修饰法、分子印迹法和整体合成法，以期为新型硼亲和材料的发展提供参考。     

基于乙酰胆碱酯酶和氧化应激研究海胆酮对阿尔茨海默症的作用机制

海胆酮是一种酮式类胡萝卜素，主要从海胆及藻类等海洋生物中提取。本文研究海胆酮对乙酰胆碱酯酶（acetylcholinesterase，AChE）的抑制作用，应用酶动力学、荧光光谱、圆二色光谱和分子对接技术研究海胆酮对AChE的抑制机理，并用淀粉样β蛋白片段25～35（amyloid beta-peptide 25-35，Aβ25-35）诱导大鼠肾上腺嗜铬细胞瘤细胞（PC12细胞）建立阿尔茨海默症（Alzheimer’s disease，AD）模型，研究海胆酮对AD细胞模型氧化应激损伤的作用。结果表明，海胆酮有很强的AChE抑制活性，其半抑制质量浓度为（16.29±0.97）μg/mL，抑制常数Ki为3.82 μg/mL，表现为竞争性抑制；海胆酮可诱导AChE二级结构改变，更容易与AChE活性中心氨基酸Ser200、His440、Trp84和Tyr121结合，阻碍底物碘代硫代乙酰胆碱（acetylthiocholine iodide，ATCI）与酶结合，从而引起酶活力降低。海胆酮能有效抑制Aβ25-35诱导PC12细胞的AChE活力，降低丙二醛含量，增加超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶活力，减轻Aβ25-35诱导的PC12细胞氧化应激损伤。本研究基于AChE和氧化应激阐明了海胆酮对AD的潜在作用机制，为海胆酮在功能食品、生物医药等领域的应用提供了数据支持和理论根据。     

海上热采防砂封隔器研制与室内试验

海上稠油热采开发过程中,通常采用蒸汽吞吐的方式进行原油开采。为满足稠油热采长效密封要求,研制了HPHT-215型热采防砂封隔器。封隔器胶筒采用特制的氟硅基复合材料+玻璃纤维网结构,并开展了材料性能评价测试。通过有限元分析和室内胶筒组合测试,对胶筒材料和组合结构进行了评价优化。室内全尺寸整机测试表明:封隔器能够满足耐温350 ℃、耐压21 MPa密封性能要求,并开展了高低温多轮次密封性能评价测试。该型热采防砂封隔器的研制成功,为海上稠油蒸汽吞吐多轮次开发提供了保障,具有广泛的应用前景。     

格点QCD基础求解器及其异构计算实现的性能优化

格点量子色动力学(格点QCD)是研究夸克、胶子等微观粒子间相互作用的重要理论和方法. 通过将时空离散化为四维结构网格, 并将量子色动力学的基本场量定义在网格上, 让研究人员可以使用数值模拟方法, 从第一性原理出发研究强子间相互作用和性质, 但这个过程中的计算量极大, 需要进行大规模并行计算. 格点QCD计算的核心基础为格点QCD求解器, 是程序运行主要的计算热点模块. 本文研究在国产异构计算平台下格点QCD求解器的实现与优化, 提出一套格点QCD求解器的设计实现, 实现了BiCGSTAB求解器, 显著降低了迭代次数; 通过对奇偶预处理技术, 降低了所求问题的计算规模; 针对国产异构加速卡的特点, 优化了Dslash模块的访存操作. 实验测试表明, 相比优化前的求解器获得了约30倍的加速比, 为国产异构超算下格点QCD软件性能优化提供了有益的参考价值.     

FPGA互连测试中的反馈桥接故障覆盖问题

现场可编程门阵列(FPGA)内部资源众多,其中互连资源出现故障的概率远远高于片内其他资源,而在以往许多互连测试研究中,所生成的测试配置存在无法覆盖反馈桥接故障的难题,所以较难有测试配置实现故障列表的100%覆盖。因此通过约束桥接故障只发生在单个查找表(LUT)内的信号线上,并结合单项函数,对反馈桥接故障模型进行优化改进,从根本上解决难题；然后对优化后的反馈桥接故障设置相应的约束条件,再使用布尔可满足性理论(SAT)生成满足约束条件的测试配置。采用优化后的故障模型对ISCAS"89基准电路进行了测试配置生成实验,结果表明生成的测试向量解决了反馈桥接故障的覆盖难题,并且在实现故障列表的100%覆盖下,优化后的故障模型所需要的测试配置数最少。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。