音乐艺术与造型艺术

本文借助于视觉艺术的外视感应来阐述听觉艺术的内视感应 ,确定时间艺术具有更为广阔的空间想象力和创造力。举出音乐作品实例分析 ,进一步论述音乐艺术随时间流动所产生的心理造型和它的立体性效果。提出音乐魅力所带来的空间氛围、形象意境 ,在心灵感应下会取得长久性的感受与记忆。     

一维核废料污染问题的一个二阶格式

利用降价法研究了多孔介质中一维核废料污染问题，此模型由一非线性抛物－椭圆耦合偏微分方程组的初边值问题来描述，对此问题给出了一个关于时间和空间均具有二阶精度的差分格式，并进行了理论分析。     

二氧化硅材料的应用

本文概述了溶胶-凝胶法制备光学石英玻璃的工艺过程，并就二氧化硅在微晶玻璃和膜技术方面的应用热点课题进行了简介。     

激光光束质量的评价方法

激光光束质量是一个很有现实意义的论题，对不同应用的激光光束其质量的评价标准一般不同。给出了几种有代表性的激光光束质量的评价方法，并分别对各种评价标准的合理性与适用性进行了详细的分析；研究了实际应用中对激光光束质量的一些要求和相关的评价参数。     

光谱辐射标准和计量实验站的建设和研究

介绍了光谱辐射标准和计量光束线（U27）的光学设计、结构和实验站设备，利用透射光栅和AXUV100G探测器系统研究了掠入射分支（SGM）5～140nm的高次谐波情况；给出了研究结果和不同滤片材料对高次谐波的抑制情况，Zr，Si3N4和Al滤片可以有效的抑制5～34nm的高次谐波，MgF2能有效的抑制115～140nm的高次谐波．     

解读“节约型政府”

建设节约型政府是当前我国政府改革的必然要求。节约型政府模式的选择有其必然性。节约型政府应是廉价政府、廉洁政府、透明政府和效益政府。应通过加强节约型政府的制度建设、在行为方面加强政府自身建设、在各级政府中牢固树立节约理念和成本意识等措施全力，打造节约型政府。     

（BN）n及SiB（n-1）Nn（n=2-11）稳定结构的研究

利用遗传算法及Gastreich提出的经验势函数,研究了（BN）n（n=2-11）和SiBn-1Nn（n=2-11）团簇的可能稳定结构,对能量较低的异构体在HF/STO-3G水平进行优化,得到了（BN）n（n=2-11）和SiBn-1Nn（n=2-11）团簇稳定结构单环及线状结构,并进一步分析了单环的结构特征及相对稳定性。     

以“问题”驱动高等数学教学的探究

问题是数学的心脏,高等数学是理工科的一门重要基础课程,其教学质量对学生来讲至关重要.本文就如何以"问题"趋动高等数学教学提出一些自己的看法供读者商榷.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.