摘要：煤基液体混合物如煤焦油、煤直接液化油的分子结构描述和性质预测是开发煤基液体产品高值化工艺和技术的重要基础。由于煤基液体主要由C、H、O、N、S元素构成数量庞杂、芳环结构各异的混合物,因此,使用Python中的RDKit工具包,利用简化分子线性输入规范(Simplified Molecular Input Line Entry System,SMILES)语言构建煤基液体中物质分子描述符,描述符包含样品元素信息、环数与环结构信息、原子数及分子量信息等共计115个分子描述符。对比人工信息提取方法,将所构建的分子描述符能够体现煤基液体分子结构碎片、分子量及原子个数信息等作为机器学习的特征输入变量,用于建立预测煤基液体的燃料性能的分子机器学习-定量结构性质关系方法 (ML-QSPR),实现对燃料低位热值(LHV)、液体密度(ρ)、闪点(FP)、十六烷值(CN)4个关键燃料性能参数的快速预测。模型验证分析表明LHV、ρ、FP模型的R^(2)分别为0.996、0.988、0.987;CN预测中加入混合物数据进行预测,R^(2)=0.959。与已公开报道的预测LHV、ρ、FP、CN性质方法对比,笔者提出ML-QSPR方法在预测4个关键燃料性能参数准确度方面有提升,在获取结果速度方面有显著优势。利用ML-QSPR模型预测得到的煤基液体制特种燃料性能参数数据库中的信息,分析增加不同族组分物质的碳原子数量时4个燃料性能参数的演变趋势,发现LHV、ρ、FP、CN四个燃料性能参数均受碳数(n)影响显著。由于LHV主要由n决定,不同族组分物质的LHV差距小;而不同族组分物质的ρ、FP和CN性质差距明显。此外,本研究训练好的模型可用于预测新的分子,为新型燃料分子设计提供参考;ML-QSPR方法作为迁移学习模型可在今后用于煤基液体其他场景相关理化性质的分析。

摘要：针对太阳能热利用的时空不匹配问题,设计并制备一种放射形相变蓄热器,通过实验与数值模拟研究了蓄热器释热功率及相变材料固相率在释热过程中的响应特性,探讨了冷却工质流量、进水方式、翅片型式对释热性能的影响规律。研究结果表明:蓄热器的释热过程可划分为液态显热区间、潜热区间、固态显热区间3个阶段,潜热区间相变材料的潜热作用使得释热功率下降相对缓慢;冷却工质流量越大,释热功率下降速率越快,完全凝固时间越短;不同进水方式对换热效果影响不明显,但可改善蓄热器的换热均匀性;与平板翅片相比,放射形翅片各翅片单元间相变材料的导热更均匀,凝固时间缩短31%,提高了换热速率。

摘要：为探究生物质三组分(纤维素、半纤维素和木质素)对成型颗粒物理性能的影响,以棉秆、木屑以及生物质三组分为研究对象,单独或按一定掺混比例混合后制备成型颗粒,使用电子万能材料试验机分析了成型颗粒的表观密度和抗压强度,利用X射线光电子能谱仪分析了生物质成型前后分子结构的变化。结果表明:纤维素直接影响成型颗粒的抗压强度,半纤维素和木质素主要作为黏结剂,协同纤维素间接提高成型颗粒的抗压强度。向棉秆中加入纤维素或半纤维素后,其混合成型颗粒中的C—OH官能团均明显提高,且产生了新的C=C官能团,有利于形成分子间作用力和提高分子结构的稳定性,增强成型颗粒的物理性能。

摘要：氨是重要的化学品以及理想的能源载体,人工合成氨主要来源于高能耗的Haber-Bosch(H-B)工艺。相比而言,电催化合成氨以N_2和H_2O为原料,实现了温和条件下产氨。Ru基催化剂在氮还原(NRR)过程中表现出优异的催化活性,但由于较为稀缺限制了其发展。基于此,首先概述了NRR的反应机制并对现有的Ru基合成氨电催化剂进行了系统的介绍;详细分析了性能提升策略(结构调控、表/界面工程、缺陷工程),如何调控活性组分或电子结构,进而提升催化剂的性能;最后分析了Ru基催化剂所面临的挑战。旨在通过Ru基催化剂性能提升策略,实现贵金属Ru的高效利用,并为其他NRR催化剂的开发设计提供指导。

摘要：为应对当前科研院所在管理工作与科研业务方面面临的双重复杂性挑战,平行科研院所的概念被提出。平行科研院所以虚实互动的平行智能理论为基础,利用基于数字孪生与元宇宙的数字化建设技术、基于区块链与去中心化自治组织与运营(DAO)的分布式治理技术、基于多模态大数据与大模型的智能化决策技术以及基于分布式自主科学(DeSci)与人工智能驱动的科学(AI4S)的科学创新范式,形成基于复杂科学的科研院所变革引导方案,构建可信、可靠、可用和高效益的智慧科研组织与运营生态。介绍了平行科研院所的体系设计与关键技术,描述了其主要特征与优势,并探讨了其典型应用场景。平行科研院所超越简单的科研院所数字化转型,强调更高级的智能化变革,旨在促进科研院所的可持续健康发展。