摘要：目的通过设计工艺路线,进行工艺方法和条件的筛选,以优选降脂软胶囊的最佳提取工艺与制备方法。方法丹参、三七等五味中药材,分别经95%乙醇、75%乙醇和水提取一次后,浓缩,减压干燥后粉碎,加入大豆油、蜂蜡和大豆磷脂后胶磨均匀,压制成软胶囊。结果第1次95%乙醇提取,最佳提取工艺为乙醇用量为6倍量,提取时间1.5h。第2次75%乙醇提取,最佳提取工艺为乙醇用量为10倍量,提取时间2.0h。第3次提取—水温浸工艺考察,在80℃加8倍量水温浸1.0h。软胶囊内容物的合适处方比例为:干膏粉∶大豆油=1∶0.9。蜂蜡加入量为大豆油量的3.8%,大豆磷脂加入量为大豆油量1.7%。结论所制得的软胶囊工艺稳定,质量可控,适用于工业生产。

摘要：目的通过正交试验设计,对洋金花的提取工艺进行优化。方法选择乙醇浓度、乙醇倍数、提取时间、提取次数4个因素,采用正交表L_9(3~4)进行试验,以提取物收率和东莨菪碱含量为指标,进行综合评价。结果洋金花最佳提取工艺为A3B3C3D3组合,即加醇量7倍、提取时间3.5 h、提取次数3次、乙醇浓度70%。结论该提取工艺稳定可行,可为心宝丸洋金花提取的工业化生产提供试验依据。

摘要：聚甲基丙烯酰亚胺(PMI)泡沫夹层复合材料具有优异的宽频透波性能,被广泛用于制备透波雷达天线罩。为了设计满足宽频透波要求的某型天线罩,从复合材料结构原理出发,选择石英纤维增强环氧树脂复合材料为蒙皮,PMI泡沫为芯材的A夹层结构方案,采用三维全波电磁场仿真软件(CST软件)计算比较了不同蒙皮厚度和芯材厚度对A夹层结构透波性能的影响,得到了理论最优结构。进一步的平板试验结果表明,透波率的实际测试值与理论计算结果基本吻合,可见设计的A夹层复合材料结构可满足某型天线罩的宽频透波要求。

摘要：联邦学习是一种新的机器学习范式,其允许多个参与者在不共享原始数据的情况下以隐私安全的方式协作地训练一个共享的机器学习模型。由于联邦学习可以解决数据孤岛问题,因此其具有广泛的应用价值。然而在传统联邦学习中,使用单一的中央服务器聚合模型可能会导致单点故障问题。为了克服传统联邦学习中的可能存在的单点故障问题,文中提出一种基于区块链的分布式联邦学习(Distributed Federated Learning,DFL),利用区块链的特点,将存储模型的任务委托给区块链网络中的节点。文中提出了一种异步聚合策略,能够让参与者在任意时间加入联邦学习,从而减少参与者的等待时间。为了克服区块链存储限制,文中还设计了一种模型分块策略。该策略将大规模模型分块以满足区块链的存储要求。通过在多个数据集上训练多种机器学习模型来评估DFL,实验结果表明DFL在克服单点故障的同时实现了优于传统方法的性能。