摘要：天然酶是一种存在于生物体内的蛋白质催化剂,具有催化活性高、选择性强和反应条件温和等特点,对促进生物体内的各种生物化学反应起着重要作用。此外,天然酶还可以作为催化剂、传感器和药物等的传递载体,在能源储存、环境监测、疾病治疗、食品加工和生物制药等领域具有重要的应用价值。然而作为一种蛋白质,其本身存在的稳定性差、制备流程复杂、提纯成本高和回收困难等缺陷,大大限制了天然酶的实际应用。为了克服这些缺陷,研究人员一直致力于开发可以替代天然酶的人工合成酶。自从2007年,Fe_3O_4磁性纳米粒子被发现具有类似辣根过氧化物酶的活性之后,开发具有类似天然酶特性的纳米材料迅速引起了科研工作者的广泛兴趣。2013年,正式将具有类似天然酶活性的纳米材料定义为纳米酶。科研工作者已发现多种纳米酶,这些纳米酶可在不同环境下表现出不同的活性,主要包括过氧化物酶、氧化酶、过氧化氢酶和超氧化物歧化酶等。目前,已经报道的纳米酶大致可以分为4类,包括金属氧化物纳米酶或硫化物纳米酶(氧化铁、氧化铈、氧化锰和氧化铜等)、碳基纳米酶(碳纳米管、氧化石墨烯和碳点等)、贵金属纳米酶(铂、金、银和钯等)和金属有机框架(MOF)基纳米酶等。与天然酶相比,纳米酶具有很多优势,首先,纳米酶制备方法简单,成本较为低廉,为大规模生产提供了可能性。此外,纳米材料所特有的一些物理化学特性也赋予了纳米酶更多独特的性质,如可以调节纳米粒子的形貌、结构和成分等使其在不同环境下表现出可调节的类酶活性;而且纳米材料所拥有的独特性质,如磁效应、光热效应等,使其具备更广泛的设计空间,可以通过增加光照、热、超声波或磁场等外源因素影响纳米酶的催化行为,这些均可以作为调节纳米酶活性的可行策略。同时,纳米酶具有较好的生物相容性和稳定性,可以使其重复利用。基于如此多的优点,纳米酶在许多领域被广泛研究和利用,包括在分析检测、环境治理、有机化合物降解、疾病诊断和治疗等,特别是在传感应用领域具有很大的商业化前景,可以作为商业测量方法的响应。在此,本文介绍了纳米酶的分类以及提高纳米酶催化活性的在尺寸、形貌、结构、组成、表面涂层和改性方面的策略。同时,我们着重关注了传感领域,总结了其在生物小分子、生物大分子、酚类污染物、含有机磷的农药和离子检测等方面的进展,并提出关于利用纳米酶发挥传感功能的挑战的意见。

摘要：基于新一代热活化延迟荧光(Thermally activated delayed fluorescence,TADF)发光材料的发光电化学池(Light-emitting electrochemical cells,LECs)成为新兴的研究方向而受到关注。由于TADF发光材料电荷分离态的激子属性,该类LECs器件发光光谱半峰宽往往达到100 nm以上,难以满足LEC高色纯度的需求。鉴于此,本文尝试将TADF敏化荧光(TADF-sensitized fluorescence,TSF)的激子管控策略应用到LECs领域当中。通过筛选合适的传输主体、TADF敏化剂、高吸光系数荧光染料和离子液体固态电解质为LEC的发光层,我们成功构建了高效TSF型的LECs器件。最终获得的TSF-LECs器件峰值外量子效率(The highest external quantum ef-ficiency,EQEmax)达到3.7%,峰值亮度(The peak luminance,Lmax)达到2285 cd·m^(-2)。与TADF-LECs的参比器件相比,TSF-LECs器件的光谱半峰宽(Full width at half maximum,FWHM)从106 nm降低至38 nm。本文还详细讨论了所制备TSF-LECs器件中的能量转移和激子损失途径。该工作为进一步优化设计TSF-LECs材料和器件奠定了基础。

摘要：羟甲基糠醛是呋喃类化合物,具有价格低廉及来源广泛的优点,可作为平台化合物用于制备其它高附加值产品.传统的热催化氧化增值方法需要高温、高压及贵金属催化剂,造成经济效益的下降.而电氧化方法不需要高温、高压条件;同时,通过对电催化剂的合理设计,非贵金属催化剂表面的羟甲基糠醛选择性转化已经得以实现,从而避免使用大量贵金属.因此,通过电氧化方法对羟甲基糠醛平台化合物进行高附加值转化受到了广泛关注.在羟甲基糠醛氧化的多种产物中,羟基和醛基被全部氧化为羧基的产物——2,5-呋喃二甲酸,被美国能源部列为“最具有价值的12种生物质衍生化学品”之一.鉴于此,本文介绍了羟甲基糠醛电氧化增值生产2,5-呋喃二甲酸的重要研究价值及相关非贵金属电催化剂的最新进展,并对催化羟甲基糠醛电氧化反应的非贵金属催化剂的发展前景进行了展望.

摘要：原油胶质中含氮、氧等杂环结构的强氢键作用使原油易黏附于包括特氟龙在内的各类材料,导致原油开采、输送、储存和加工过程中采油井筒、输油管道、容器和设备等长期存在污损污堵技术问题。目前仍少见针对原油为对象的防黏附材料的研究工作,防黏附材料对原油输送等原油流体是否具有减阻效果尚缺少研究结论。基于硅基类液防黏附功能涂层研制,系统研究了涂层对原油防污自洁功能及功能的长效稳定性。研究了防黏附功能涂层对原油的减阻效应,并对不同原油流动性、黏度等条件下涂层的减阻作用进行了理论计算。结果表明涂层对不同黏度原油均具有良好的防黏附和减阻效果,对比无涂层的条件,涂层对黏度越高原油的减阻效果相对越显著。研究结果为原油输送等相关减阻涂层材料的科学设计与可控制备提供了理论、材料与技术支撑。

摘要：以对甲苯磺酸为催化剂,在微波环境下合成辛酸癸酸甘油三酯,并利用响应面法优化辛酸癸酸甘油三酯的合成过程条件。首先,通过单因素灵敏度分析法对催化剂的选择、酸/醇摩尔比、反应温度、微波功率、催化剂用量、反应时间6个因素进行实验考察,确定了酸/醇摩尔比、反应温度、催化剂用量3个关键因素的优化值及取值范围。采用中心组合设计原则对3个关键因素进行实验设计。以产品羟值为响应值,基于响应实验结果,利用响应面法对实验结果进行了方程回归,得到3个关键因素与响应值的二次关联模型。通过方差分析和平行实验,证明该模型准确可用。确定了中碳链甘油三酯(MCTs)最佳合成条件为:酸/醇摩尔比为3.33∶1,反应温度为190℃,催化剂用量为甘油质量的4.30%,微波功率为500 W,反应时间为3h,得到产品羟值为1.12mg KOH·g^(-1),酯化率高达99.7%,与理论预测值基本相符。与传统加热方式对比,微波辅助合成MCT大大缩短了反应时间。测定了精制提纯后MCT产品的各项物化性能指标,均已达到企业标准。通过红外光谱表征和GC/MS进一步表征产物结构和混合物油脂的组成,甘油三酯得率达到95.7%。

摘要：松香是一种重要的天然化工原料,无毒、可再生,应用十分广泛。松香系列双子表面活性剂主要是以松香酸及其衍生物合成,属于生物基表面活性剂,具有天然松香绿色环保、良好的表面性能以及良好的生物降解性能等特点,其分子设计合成、性能检测及应用开发成为研究热点。根据松香基双子表面活性剂亲水基的解离性质不同,按照阴离子型、阳离子型、两性型和非离子型对松香基双子表面活性剂进行分类,概括了近年来松香基双子表面活性剂的研究进展,探讨了松香基双子表面活性剂的各种性能,简述了各类松香基双子表面活性剂的合成方法、性能特点及应用领域,展望了松香基型双子表面活性剂的发展趋势。

摘要：为综合利用春砂仁中多种有效成分,该文设计三级提取方案,先除去杂质并回收芳香及呈味成分,然后采用微波-水溶液法提取春砂仁多糖,以前级温和的条件保护后级提取产物(多糖)的特性。通过GC-MS分析得到春砂仁低极性组分中所含的挥发性成分;然后提高提取剂的极性,通过单因素及正交试验分别选择了水溶液提取春砂仁多糖的最佳工艺条件。结果表明:液固比10∶1(V/W),微波功率600 W,提取温度80℃,时间20 min,春砂仁粗多糖产率为11.33%;纯化粗多糖的条件:Sevag试剂中氯仿与正丁醇的比例为3∶1,萃取3次,所得纯化多糖的产率为50.30%;干燥多糖的条件:温度-49～-56℃,压强24～40 kPa,干燥时间4 h。

摘要：在知识、数据、算法与算力的多重驱动下,深度学习不仅在计算机视觉、自然语言处理等研究领域取得了突破,并随着各学科间的迁移应用于交叉融合,逐渐衍生出多个新兴研究方向。化学信息学作为以应用信息学方法以解决化学问题的学科,深度学习技术凭借其强大的非线性学习能力,通过深度学习模型可以从数据集中对其进行筛选预测,再基于理论计算对结果可行性进行理论验证,最后通过实验表征结果,缩短了实验周期、降低了人力成本、加速了化学信息学智能化。本文简要介绍了深度学习发展历史及主要网络模型架构,介绍了近年来深度学习在在化合物合成路线规划、化合物结构活性与性质及催化剂设计的最新研究和应用现状,并对未来的发展方向进行讨论与展望。

摘要：以木薯淀粉为主要原料,采用反相乳液聚合方法合成淀粉-丙烯酸接枝共聚物,通过正交设计对主要影响因素及反应条件进行研究,并用红外光谱、X射线衍射、热重分析等方法表征产物结构。实验结果显示,最佳合成工艺条件为丙烯酸:淀粉=3.5,丙烯酸中和度=83.3%,过硫酸钾和N,N-亚甲基双丙烯酰胺分别为淀粉用量的3.0%和0.3%,反应温度70℃,反应时间3 h,产物吸水率>800g/g。聚合过程中淀粉与丙烯酸发生了接枝共聚反应,并且接枝反应破坏了淀粉颗粒结晶结构,接枝产物趋于无定型结构。

摘要：针对天然气中的甲烷、乙烷、丙烷(C_1、C_2、C_3)气体分离困难的问题,本工作采用高通量计算了137953种假设的金属有机框架(Metal-organicframework,MOF)对这三种混合气体的吸附分离吸能.为了避免水蒸气的竞争吸附,首先,筛选出31399种疏水性MOF.然后,单变量分析了这些MOF的最大孔径(LCD)、孔隙率(Φ)、体积比表面积(VSA)、亨利系数(K)、吸附热(Q_(st))、密度(ρ)共六种MOF结构/能量描述符与MOF对C_1、C_2、C_3的选择性、吸附量及两者权衡值(Trade-off between S_(i/j) and N_i, TSN)的关系,发现了吸附量和选择性"第二峰值"的存在;尤其对于C_1、C_2的分离,所有最优MOF都分布在第二峰值区间.随后采用决策树、随机森林(Random forest, RF)、支持向量机和反向传播神经网络四种机器学习算法,分别训练并预测了六种MOF描述符与性能指标的关系,结果表明RF预测效果最好.然后应用RF算法定量地分析出K、LCD和ρ三种描述符对TSN_(C1)、TSN_(C2)的相对重要性最高,而TSN_(C3)的是K、Q_(st)和ρ,根据这些描述符分别设计了吸附C_1、C_2、C_3最优MOF的决策树模型路径.最后筛选出针对C_1、C_2和C_3不同分离应用的18种最优MOF.本工作基于机器学习和高通量计算的研究思路和研究方法,第二峰值规律的发现以及最优设计路线的提出将有助于MOF在吸附分离领域的发展提供有力的指导和启示.