Density Gradient Ultracentrifugation of Nanotubes: Interplay of Bundling and Surfactants Encapsulation

Density gradient ultracentrifugation (DGU) has emerged as a promising tool to prepare chirality enriched nanotube samples. Here, we assess the performance of different surfactants for DGU. Bile salts (e.g., sodium cholate (SC), sodium deoxycholate (SDC), and sodium taurodeoxycholate (TDC)) are more effective in individualizing Single Wall Carbon Nanotubes (SWNTs) compared to linear chain surfactants (e.g., sodium dodecylbenzene sulfonate (SDBS) and sodium dodecylsulfate (SDS)) and better suited for DGU. Using SC, a narrower diameter distribution (0.69-0.81 nm) is achieved through a single DGU step on CoMoCAT tubes, when compared to SDC and TDC (0.69-0.89 nm). No selectivity is obtained using SDBS. due to its ineffectiveness in debundling. We assign the reduce selectivity of dihydroxy bile salts (S DC and TDC) in comparison with trihydroxy SC to the formation of secondary micelles. This is determined by the number and position of hydroxyl ( OH) groups on the a-side of the steroid backbone. We also enrich CoMoCAT SWNT in the 0.84-0.92 nm range using the Pluronic F98 triblock copolymer. Mixtures of bile salts (SC) and linear chain surfactants (SOS) are used to enrich metallic and semiconducting laser-ablation grown SWNTs. We demonstrate enrichment of a single chirality, (6,5), combining diameter and metallic versus semiconductillg separation on CoMoCAT samples.

Optimization of Global Signal Networks for Island-Style FPGAs

We present a staggered buffer connection method that provides flexibility for buffer insertion while designing global signal networks using the tile-based FPGA design methodology. An exhaustive algorithm is used to analyze the trade-off between area and speed of the global signal networks for this staggered buffer insertion scheme, and the criterion for determining the design parameters is presented. The comparative analytic result shows that the methods in this paper are proven to be more efficient for FPGAs with a large array size.

一种计算和分析二维光子晶体缺陷模式的方法

通过改进时域有限差分(FDTD)法,计算和分析了二维光子晶体的缺陷模式。运用一维时域有限差分算法和线性插值法在总场散射场(TF-SF)连接边界引入入射平面波,采用完全匹配层(PML)技术对外行波进行了有效吸收。计算和分析结果表明,在光子晶体非对称方向入射的平面波能激发所有的缺陷模式,选取合适的探测点位置收集电场值,经快速傅里叶变换(FFT)能得到所有的共振峰值。另外,采用该方法研究了二维正方介质柱光子晶体缺陷模的共振频率与缺陷介质柱半径和介电常量之间的关系。结果表明通过改变缺陷的半径和介电常量大小可以在光子晶体禁带中一定的范围内调节缺陷模式的共振频率大小。

基于DBFNN的推设及其在电力系统励磁控制中的应用

本文采用后推设计算法为一类严格反馈系统设计了基于方向基函数神经网络(DBFNN)的自适应控制器.在后推算法中的每步都引入一积分型的Lyapunov函数来设计一个虚拟控制器,并在最后一步为闭环系统综合设计了神经网络控制器.网络权值的调整基于所选择的Lyapunov函数,于是设计方案能保证整个闭环系统是最终一致有界的.把所设计控制方案用于带有未知参数和外部干扰的电力系统励磁控制中.仿真结果表明了所设计控制器的有效性.

不同二氧化碳浓度条件下红松和长白赤松土壤生化特性研究

以连续 5年在生长季以不同浓度CO2 (70 0和 5 0 0 μmol·mol-1)处理的长白赤松和红松幼苗为研究对象 ,进行了土壤微生物生物量C、纤维素分解月动态以及过氧化氢酶活性动态研究 .结果表明 ,在秋季 ,红松和长白赤松土壤微生物生物量C在不同浓度CO2 处理箱的大小顺序均为 :对照箱 >5 0 0 μmol·mol-1箱 >70 0 μmol·mol-1箱 ;红松和长白赤松土壤 5和 10cm层在不同浓度CO2 处理下 ,其纤维素分解强度的月动态均表现出一定的规律性 ,且各处理之间在每个月份中也表现出一定的规律性 ;在生长季 ,红松和长白赤松土壤纤维素分解强度在 5和 10cm层均表现为 5 0 0 μmol·mol-1CO2 处理下较 70 0 μmol·mol-1CO2 处理下高 ;红松和长白赤松土壤过氧化氢酶活性在不同浓度CO2 处理之间均表现出一定的规律性 ,且各处理的月动态变化也呈现出一定的规律性 .

森林流域非饱和土壤水与饱和土壤水转化研究进展

阐述了森林流域几种土壤水分运动方式(入渗、潜水蒸发、潜水补给以及壤中流)中非饱和土壤水与饱和土壤水之间转化的研究进展,并对土壤水分运动参数中的土壤水分特征曲线、非饱和导水率和饱和导水率的研究现状作以简要介绍,最后提出了未来的发展方向.

施肥进步在粮食增产中的贡献及其地理分异

根据三个地点中长期田间试验联网研究发现 ,施肥在作物产量形成中的贡献受施肥制度和气候的热量因子所影响 ,在最佳施肥条件下 ,施肥在产量中的贡献率分别为海伦 (温带 ) 0 .31,沈阳 (暖温带 )0 .39和桃源 (亚热带 ) 0 .4 2 ,存在明显的地理分异现象 .由此可以得出 ,当其他技术条件不变时 ,施肥在产量中的贡献率最高可达 30 %～ 4 5 % ,随所在地区气候的热量条件而不同 .通过对施肥与气候热量之间的交互影响研究还发现 ,沈阳与桃源间的交互影响远大于海伦与沈阳之间 ,有机肥与气候热量之间的交互影响大于化肥与热量之间的交互影响

细河河水及其沿岸地下水水质的有机污染特征

调查了沈阳市细河河水及其沿岸地下水水质中石油类和美国环保局(USEPA)"黑名单"上的16种优先控制多环芳烃(PAHs)的有机污染现状,评价细河污染带来的生态风险。结果表明:细河河水中石油类浓度和16种PAHs总浓度范围分别为0.031～1.819mg.L-1和0.026～0.384μg.L-1,平均浓度分别为1.007mg.L-1和0.151μg.L-1;细河沿岸地下水中石油类浓度和16种PAHs总浓度范围分别为0.020～0.987mg.L-1和0.051～0.389μg.L-1,平均浓度分别为0.364mg.L-1和0.133μg.L-1;细河河水和地下水中的石油类污染严重;河水中的PAHs浓度在流经规模较大的城镇或乡镇处出现高值点,苯并(b)荧蒽和苯并(k)荧蒽在河水与地下水中的检出率较高,对水生生态系统健康构成了潜在的威胁。

基于隐含狄利克雷分配模型的文本分类方法研究

随着互联网的不断发展，网络文本信息资源正在急剧增加，如何利用计算机自动有效地对海量的文本信息进行管理和查询成为了当前的迫切需求。而文本分类技术提供了一种对自然语言文档进行自动组织的有效手段。本文从模型平滑、类别信息嵌入和高性能求解算法等方面对LDA 模型（Latent Dirichlet Allocation，隐含狄利克雷分配）开展了研究，研究内容涉及文本分类中不平衡语料分类、文本表示、复杂分类器加速等多个方面，论文的主要工作和创新点总结如下：第一、为了克服传统LDA 模型平滑算法中直接修改多级图模型隐含变量分布的随意性我们提出了数据驱动的Laplacian 平滑方法和数据驱动的 Jelinek-Mercer 平滑方法。数据驱动的Laplacian 平滑方法缓解了传统LDA 模型的过拟合现象，数据驱动的Jelinek-Mercer 平滑方法在基本保持整体性能的情况下，降低了预测阶段的时间复杂度。数据驱动的平滑策略在平衡和非平衡语料库上都能够显著提高LDA 模型的分类性能。第二、传统LDA 模型计算目标文档在不同类别上的生成概率时，在文档非所属类别的隐含主题上会发生强制分配。针对这一问题我们提出了Labeled-LDA 模型将隐含主题和类别信息融合在一起，在分类目标文档时协同计算全部类别的隐含主题的分配以改善分类性能。第三、LDA 等隐含主题模型是近期在文本挖掘领域发展起来的重要研究方向，但是算法具有较高的计算复杂度。我们以动态负载均衡的算法为重点，研究和实现了LDA 模型在多内核计算机上的并行计算和CTM 模型（Correlated Topic Model，关联主题模型）在异构集群环境下的分布式计算。第四、基于提出的Labeled-LDA 模型我们设计和实现了一个具有柔性文本分类功能的实验系统。该系统利用Labeled-LDA 模型对目标文档中的隐含主题进行概率推断，进而得到文档在各类别上的分配量。相对概率支持向量机等判别模型概率估计方法，该分配量具有较明确的实际意义，同时避免了贝叶斯等生成分类模型输出极端概率值的问题。