Novel Bi-Doped Amorphous SnOx Nanoshells for Efficient Electrochemical CO2 Reduction into Formate at Low Overpotentials

Engineering novel Sn-based bimetallic materials could provide intriguing catalytic properties to boost the electrochemical CO₂ reduction. Herein, the first synthesis of homogeneous Sn_1−xBi_x alloy nanoparticles (x up to 0.20) with native Bi-doped amorphous SnO_x shells for efficient CO₂ reduction is reported. The Bi-SnO_x nanoshells boost the production of formate with high Faradaic efficiencies (>90%) over a wide potential window (−0.67 to −0.92 V vs RHE) with low overpotentials, outperforming current tin oxide catalysts. The state-of-the-art Bi-SnO_x nanoshells derived from Sn_0.80Bi_0.20 alloy nanoparticles exhibit a great partial current density of 74.6 mA cm⁻² and high Faradaic efficiency of 95.8%. The detailed electrocatalytic analyses and corresponding density functional theory calculations simultaneously reveal that the incorporation of Bi atoms into Sn species facilitates formate production by suppressing the formation of H₂ and CO.     

一种家用手持式红外偏振光治疗仪的设计与实现

红外偏振光治疗仪是一种将红外技术与电子技术应用到医学领域的康复理疗设备,主要用于软组织损伤和慢性疼痛的康复治疗,已在医院得到了推广使用。然而,现有医院使用的台式治疗仪由于体积大、售价高等特点,不方便居家使用。为了开发体积小、售价低、家庭可用的红外偏振光治疗仪,满足家用市场的潜在需求,本文提出了一种新的便携手持式红外偏振光治疗仪,并开发了该智能控制系统。本文首先介绍了一种新的家用手持式治疗仪应具备的特点和关键技术指标,在此基础上设计了手持式治疗仪的硬件总体方案和软件架构,简要介绍了该治疗仪的一些关键技术,最终实现了治疗仪样机的研制。为了验证该样机的性能,本文通过大量的测试,结果表明,研制的手持式红外偏振光治疗仪在关键参数指标上达到了医院同类产品的水平,能够很好地满足家用的需求,具有良好的市场前景。     

NH_3-OH体系中共沉淀法同时回收钕铁硼废料中Nd-Pr-Co-Fe

为了避免回收单一钕铁硼废料中有价元素带来的操作复杂和资源浪费等问题,本研究采用共沉淀法共沉淀出钕铁硼废料中的有价元素Me(Nd,Pr,Co,Fe),制备可用于生产再生钕铁硼的原料;根据质量守恒和同时平衡原理,采用MATLAB软件建立Me(Nd,Pr,Co,Fe)-OH--NH3热力学模型,绘制lg[Me]-p H曲线模拟共沉淀工艺,并根据模拟结果确立了共沉淀工艺;模拟和实验的结果表明:根据lg[Me]-p H模拟结果可以确立一步共沉淀法的p H:6~10,Fe3+比Fe2+更易于沉淀完全;在上述条件下获得的共沉淀粉末主相均为Nd,Pr,Co,Fe的化合物,且有价元素的百分比含量均大于99.4%;其中,当p H值在8左右时回收率最高,在该条件下金属元素Me(Nd,Pr,Co,Fe)的沉淀效率分别为:98.7%,99.9%,93.6%,99.9%。该结果也表明共沉淀法工艺不仅高效,而且所制备的共沉淀粉末可以满足制备二次钕铁硼的需要。     

Isolated hepatic tuberculosis mimicking liver tumors in a dialysis patient

Cases of isolated hepatic tuberculosis (TB) are rare. The diagnosis is often delayed or missed because of nonspecific symptoms and laboratory findings. Besides, the disease is extremely rare even in a country where TB is an alarming public health problem. This report demonstrates the difficulty in correctly diagnosing local hepatic TB. We report the case of a 62‐year‐old male patient with end‐stage renal disease treated with hemodialysis, who developed 2 months of abdominal distension and general anorexia, with hyperechoic hepatic lesions on ultrasound. Computed tomography suspected multiple liver tumors. The liver biopsy finally led to the diagnosis of TB of the liver without other involvements. We conclude that isolated hepatic TB is one of the rare forms of extrapulmonary TB in dialysis patients. A greater awareness of this rare clinical entity may prevent needless surgical interventions.     

靶面激光光斑尺寸原位测量的研究

提供了一种简便易行的靶面激光光斑尺寸原位测量的方法。从高斯光束的横向光强分布特性出发,建立了激光烧蚀斑半径与辐照激光能量、光斑尺寸、烧蚀阈值间的关系式,模拟分析发现辐照激光光斑尺寸对烧蚀斑半径随辐照能量变化曲线有较大影响。对于脉宽为2 ms,波长为1064 nm的激光,实验测量了不同能量激光辐照下相纸烧蚀斑半径,并用推导出的关系式拟合测量数据,获得了靶面处光斑尺寸和样品烧蚀阈值。同时,也测量了不同位置处的光斑尺寸和样品烧蚀阈值,对高斯光束束腰位置和样品烧蚀阈值的光斑尺寸效应进行了验证。研究结果表明该技术结果可靠,简单高效。该技术可以为高能激光与固体物质相互作用的基础研究和激光加工等应用领域中实现简单方便地测量靶面光斑尺寸提供帮助。     

V2O5/RGO/Pt nanocomposite on oxytetracycline degradation and pharmaceutical effluent detoxification

The cover image is based on the Research Article V₂O₅/RGO/Pt nanocomposite on oxytetracycline degradation and pharmaceutical effluent detoxification by Mohan, H et al., DOI: 10.1002/jctb.6238 .

     

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。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。