Janus few layered graphene with asymmetric wettability as anti-flooding cathode supports in proton exchange membrane fuel cells

Water balance in cathode catalyst layer (CCL) is crucial for proton exchange membrane fuel cells (PEMFCs). Herein, we report a novel strategy to develop a Janus few layered graphene particles (FLGP) with asymmetric wettability by varying the carbon precursors in the chemical vapor deposition (CVD) process. Using the Janus FLGP supported Pt with asymmetric wettability as the cathode of a PEMFC, a peak power density of 632 mW cm⁻² was achieved, which was about two-folds of the hydrophobic FLGP and three-folds of hydrophilic FLGP based cathode, respectively. The enhanced performance could be ascribed to the well-constructed three-phase boundary in an anti-flooding cathode, leading to enlarged electrochemical active surface area and facilitated mass transfer. This work may provide new clues for improving water management in PEMFCs.     

血乳酸生物传感器在新冠肺炎诊疗中的应用探讨

新冠肺炎（COVID-19）疫情爆发已造成严重危害，对新冠肺炎进行快速诊断和实施精准治疗是目前面临的重大挑战。对近年来血乳酸指标在肺炎临床中的应用及血乳酸生物传感器方法学进行了回顾，提出血乳酸水平或血乳酸清除率是新冠肺炎病情分层、治疗效果评估和判断预后的重要指标。其中POCT(即时检验)血乳酸生物传感器快捷、经济、可靠，可实现临床患者或个人（家庭）血乳酸快速和连续的检测，有利于新冠肺炎病情严重度分层和治疗效果评估，也可使患者及时识别自身状况，解除心理顾虑，促进机体康复。     

图2-2nP5和2-nK1,1,1,3完美匹配的计数

把图2-2nP₅和2-nK_1,1,1,3的完美匹配按匹配一个固定顶点的边进行分类, 先求出每类完美匹配数目的递推关系式, 得到一组有相互联系的递推关系式, 再利用这组递推式之间的相互关系, 给出这两个图完美匹配数的计数公式.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

基于K均值和支持向量机的燃料电池在线自适应故障诊断

基于K均值(K-means)和支持向量机(support vector machine, SVM)算法,提出了一种车用燃料电池系统(fuel cell system, FCS)在线自适应故障诊断方法.该方法通过不断获取系统最新单体电压,采用K-means算法改进传统的静态SVM分类器模型,对实时获取的信息进行聚类,实现分类器的在线自适应调节.采用已发表文献中的实验数据进行了相关的验证分析,结果表明,提出的方法能有效地在线调节故障分类器,实现FCS系统特性发生改变后的故障检测.     

中国苦苣苔科植物中王文采旧分类系统与Weber新分类系统的名实更替

自从引入分子系统学的观点和技术手段以来,我国的苦苣苔科植物在属一级水平上的撤销、合并、转置、扩增等修订与再修订工作多次发生。众多物种的系统位置变迁、学名的更替变换对我国科研人员在国产苦苣苔科植物研究、成果发表方面造成了很大的混乱和困扰。为协助不同学科方向的学者更好地理解我国苦苣苔科植物系统修订与变更前后的过渡关系,同时解决苦苣苔科分类系统发生的变化导致出现的大量相关拉丁学名和中文名错用的现象,本文研究了自2011年中国苦苣苔科植物新系统构建以来,中文科技论文中中国苦苣苔科植物名称(包括学名和中文名,主要是学名)更替上出现的混淆问题,并据此展开分析。从学科和时间的角度看,2012—2017年,中文科技文献中修订前的属名仍然大量出现,以唇柱苣苔属为首,出现在园林植物学、植物生态学、植物生理学、植物化学、中药学等学科之中,但随着新分类系统逐渐被接受,旧学名出现的频度开始出现下降。进一步统一修订后的我国苦苣苔科植物学名和中文名,对于提高中文科技期刊的科学性具有重要的意义。     

沼液和香蕉秆压榨汁生产单细胞蛋白菌株的筛选

由于全球蛋白质缺乏,单细胞蛋白(Single cell protein,SCP)作为一种安全的食品添加剂和饲料,越来越受到人们的重视。尽管SCP大规模生产历史已有近百年,但是对各种优良生产菌株、潜在底物以及最优发酵条件的研究仍然是世界各国研究的热点。基于此,本研究以沼液和香蕉秆压榨汁为研究对象,对能利用其生长的菌株进行筛选,为进一步的单细胞蛋白生产提供参考。实验结果表明:酵母菌、芽孢杆菌都能利用沼液和香蕉秆压榨汁生长,但香蕉秆压榨汁不易保存,因此不宜作为发酵底物;热带假丝酵母Candida tropicalis在沼液中的生长能力强于酿酒酵母Saccharomyces cerevisiae Y49和毕赤酵母Pichia pastoris GS115;芽孢杆菌在沼液中的生长无规律,且易染杂菌,不适合实际生产应用。因此,沼液作为热带假丝酵母单细胞蛋白生产的培养基,不仅能为单细胞蛋白的生产提供原料,也有利于沼液的妥善处理,实现经济效益和环境效益的双赢。     

木薯淀粉微球的止血性能初步研究

为了初步探索木薯淀粉微球用作局部止血材料的止血性能,本研究以酸改性木薯淀粉为原料,三偏磷酸钠为交联剂,采用水包水乳液-交联法制备木薯淀粉微球。通过体外和体内止血试验评价木薯淀粉微球的止血性能。研究结果表明,木薯淀粉微球组的全血凝固时间、血浆复钙时间及家兔脾脏划破止血时间均显著低于空白对照组(P0.05),与云南白药组相比无显著差异(P0.05)。初步证明木薯淀粉微球的体外及体内止血性能良好,具有用作局部止血材料的良好潜力。