纳米硒的功能设计及其在肿瘤精准治疗中的应用进展

 纳米硒作为一种新型单质硒，与有机硒和无机硒相比具有更高的生物利用度，更强的生物活性和更低的毒性，并且具有抗氧化和抗肿瘤的作用。概述了纳米硒在生物医药中的应用，包括纳米硒用于化疗、放疗、放化疗以及其他临床药物的增敏，纳米硒的功能化和靶向修饰增强抗肿瘤效果，含硒纳米材料在抗肿瘤中的应用，纳米硒的毒理学，介绍了纳米硒制剂产业化发展情况。     

基于CRC的ASM信号维特比纠错算法

为提高甚高频数据交换系统(very high frequency data exchange system, VDES)中应用特定消息(application-specific messages, ASM)的解码性能, 提出一种基于循环冗余校验(cyclic redundancy check, CRC)的改进维特比纠错算法。通过合理降低符号状态数和使用部分CRC参与纠错, 使该算法平衡了纠错性能和计算量, 同时提出了新的分支度量以解决过于理想化的传统分支度量导致的性能损失。仿真表明, 新分支度量相比传统分支度量提升了1 dB的误帧率(packet error rate, PER)性能, 在用12个CRC寄存器参与纠错的条件下，该方法比相干解调算法提升了1 dB的PER性能, 同时通过合理的符号状态数降低策略将计算量降为传统算法的1/4。     

船舶运动建模与仿真研究进展及未来发展趋势

梳理和分析了国内外学者对船舶运动建模与仿真所做的工作,概括了在风、浪、流、冰、船间效应、岸壁效应等作用下的船舶操纵性预报,介绍了船舶运动仿真的主流方法及在模拟中的应用,总结归纳了船舶运动建模与仿真研究进展中的关键技术,并指出智能化建模和仿真将会成为未来发展趋势.     

基于"人"的机构知识库可持续发展策略研究

介绍了机构知识库的建设和研究情况,分析了影响机构知识库可持续发展的因素,从建设形式、激励政策、资金来源、与其他机构的协调、机构知识库的宣传、内容建设、人员配备和培训等方面论述了促进机构知识库可持续发展的对策.     

单环刺螠不同部位中纤溶酶的分离纯化及其活性差异

对单环刺螠不同部位中的纤溶酶(UFE)进行分离纯化,并比较其活性差异.选择单环刺螠体壁肌、内脏、体腔液作为UFE的提取来源,通过离心分离、SephacrylS 100凝胶柱层析、Q-Sepharose fast flow阴离子交换层析等工艺获得UFE单一组分,采用Folin-酚试剂法测定其酶活性,并研究UFE对AT-Ⅲ,HC-Ⅱ,凝血因子和钙离子的影响,验证不同部位UFE的活性差异.结果表明:从秋季单环刺螠体腔液中提取的总蛋白质量为39.8 mg,UFE的比活力为4 695.94 mkat·g^-1,纯化倍数为13.8,明显优于内脏和体壁肌的提取所得;在抗凝作用实验中,加入体腔液中所得UFE后,标准血浆、乏AT-Ⅲ血浆和乏HC-Ⅱ血浆凝血酶原时间、凝血酶时间均极显著延长,加入不同浓度氯化钙后,能显著延长凝血时间,同时,能够极显著降低凝血因子Ⅴ,Ⅶ,Ⅷ,Ⅸ,Ⅹ,Ⅻ的活性及大鼠血液中的钙离子浓度;不同部位来源的UFE活性有较大差异,与内脏及体壁肌相比,体腔液为UFE更优提取部位.     

磺酸化CNTs在钙钛矿太阳能电池电极中的应用

为解决钙钛矿太阳能电池(perovskite solar cells,PSCs)中采用贵金属作为对电极(counter electrode,CE)而导致的成本高昂问题,对碳纳米管(CNTs)进行磺酸化处理,并将磺酸化CNTs(s-CNTs)作为对电极材料应用到PSCs中.利用稳态荧光(PL)、电化学阻抗(EI)等方法对PSCs的电荷传输过程进行研究,结果如下:与CNTs对电极相比,s-CNTs对电极具有更好的导电性、更优异的空穴提取和传输能力,在s-CNTs基PSC上获得6.18％的能量转换效率.当喷涂量为1 mL/块,退火温度为100℃,退火时间为30 min时,s-CNTs基PSC的各项性能最优,并具有较好的重复性.研究结果为改善碳基PSCs的光电性能提供了新思路.     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题，提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.