XiaoMi-AI文件搜索系统
World File Search System多聚
肉桂酸酯聚噻吩薄膜的电子束光刻
依靠双光子过程来实现高分辨率，因此需要在写入焦点处具有高激光强度。因此，DLW 需要材料具有高光学透明度。这排除了大多数有机半导体的 DLW，因为它们由于电荷传输 p 电子系统而固有地带有颜色。相反，电子束光刻 (EBL) 的高分辨率为光处理的微型设备提供了机会。当用电子照射时，有机薄膜会交联并发生局部溶解度的变化。9,10 Persson 等人用 EBL 构造聚（3-辛基噻吩），并用氯化铁 (III) 掺杂所得结构。11 Hikmet 等人图案化聚（对苯乙烯基）衍生物 (PPV) 用于多色有机发光二极管 (OLED)。9 在
可降解聚内酯聚合物（PCL）的制备...
磁性纳米粒子主要用于医学进步、化学疗法和专门的组织修复以进行靶向药物输送。在本研究中，首先制备并鉴定了磁性铁纳米粒子。然后，合成了可生物降解的聚丙烯己内酯-聚乙二醇 PCL-PEG1000-PCL 共聚物。采用含磁性纳米粒子的共聚物通过溶剂蒸发法制备阿霉素纳米粒子。使用 VSM、FT-IR、UV-vis、1 H-NMR 和 SEM 来确定共聚物纳米粒子的结构特性。通过上述表征方法确认了 PCL-PEG1000-PCL 三重嵌段共聚物的合成以及阿霉素和铁纳米粒子的包封。所得纳米粒子具有超顺磁性，药物包封率约为 95%。研究了 pH 和热量对药物释放曲线的影响。结果表明，合成的共聚物适用于阿霉素和铁纳米粒子的包封，可作为新型纳米结构载体有效递送抗癌药物。结果表明，由于磁性纳米粒子和共聚物的特性，它们可用于靶向药物递送。
量子密度峰聚类算法
聚类分析起源于分类学，是人类掌握的一门古老技能。过去，人们依据经验和专业知识对商品进行分类。随着现代社会的发展，人们对分类的要求越来越高[1,2]，仅依据经验和专业知识的分类已逐渐被淘汰，现在计算机技术被用于聚类分析，使用算法解决庞大而复杂的聚类任务[3,4]。因此，聚类算法已被提出并应用于各种场合[5,6]。此外，我们生活的海量数据世界也使得聚类过程不可或缺。许多研究领域都面临着海量数据的问题[7,8]。如果没有聚类或数据降维等预处理，很难进行后续分析[9–11]。例如在机器学习领域，几乎所有重要算法的原始入口都是大量的大规模数据，如果不进行聚类或降维，这些数据很难得到利用[12–14]。在量子通信领域，量子通信设备仅供应给少数几家大公司，量子通信中的很多方可能都是经典的，聚类算法可以帮助通信方更便捷地处理传输的信息[15–17]。在数据降维方面，我们熟悉的主成分分析算法（PCA）[18]、多维缩放（MDS）、线性判别（LDA）、局部线性嵌入（LLE）等[19–22]。但降维算法不可避免地会降低数据的属性值，如果操作不当，数据就会失去准确性，结果就会出现偏差，而使用聚类算法可以避免此类问题。目前，聚类算法可以按以下方式划分。基于分区的聚类算法包括 K 均值 [23]、K 中值 [24] 和核 K 均值算法 [25]。基于层次的聚类算法包括 BIRCH、CURE 和 CHAMELEON 算法 [26]。基于密度的聚类算法包括 DBSCAN、均值漂移 (MS) [27] 和密度峰值聚类算法 (DPC) [28]。每种算法都具有不同的分类能力。
聚多巴胺聚合物性质的直接证据
受贻贝黏附蛋白的启发，聚多巴胺 (pDA) 已成为最广泛使用的材料表面功能化方法之一，部分原因是将 pDA 薄膜浸入多巴胺的碱性水溶液中后，大多数材料上都会沉积一层多功能、简单和自发性薄膜。然而，过去十年来，pDA 在表面改性方面的快速应用与人们对 pDA 成分的了解速度缓慢形成了鲜明对比。人们为阐明这种迷人材料的形成机制和结构进行了无数次尝试，但几乎没有达成共识，这主要是因为 pDA 具有不溶性；这使得大多数传统的聚合物分子量表征方法都无效。[1] 在这里，我们采用了非传统的单分子力谱 (SMFS) 方法来表征 pDA 薄膜。将涂有 pDA 的悬臂从氧化物表面拉回时，会显示出聚合物的特征，轮廓长度可达 200nm。 pDA 聚合物在其大部分轮廓长度上通常与表面结合较弱，偶尔会出现“粘性”点。我们的研究结果为 pDA 的聚合物性质提供了第一个直接证据，并为理解和调整其物理化学性质奠定了基础。
过滤应用的聚烯酸溶液
深度过滤方法用于水处理和空气净化以及许多其他行业，例如食品加工和药品。这是一种高效的方法，因为它的适应性和捕获从Ultrafine（<0.1 µm）到细细的粒径的能力（≥0.1-<2.5 µm）和粗糙（≥2.5 - 10 µm）。深度过滤的主要特征是它使用多孔层的使用，这些多孔层将颗粒捕获整个滤清器材料，而不仅仅是在表面上。此设计允许深度过滤器在堵塞之前捕获更大体积的颗粒。非织造对于深度过滤是有利的，因为颗粒不仅在表面上，而且在基质本身内捕获。纤维的随机排列通过它们无法逃脱的曲折路径迫使颗粒。
新型可折叠聚对苯二甲酸乙二醇酯的开发...
摘要：折纸结构具有轻便、坚硬和可扩展的优点。一些可扩展结构已经在市场上广泛使用，但尽管许多人试图开发一种可在轴向折叠而不会弯曲的聚对苯二甲酸乙二醇酯 (PET) 瓶，但这种瓶子尚未上市。因此，本研究旨在开发一种易于折叠而不会弯曲的 PET 瓶。初始模型由七层组成，其中五层（即不包括盖子和底部）设置为螺旋圆柱体。该模型可以相当容易地折叠而不会弯曲。然而，模型在压缩后会回弹到几乎原来的高度。因此，我们开发了具有两层或三层螺旋层的新型 PET 瓶来解决这个回弹问题。我们的新设计可以将可折叠层插入不可折叠层（例如锥形壳或圆柱壳）中，以抑制压缩后的回弹。此外，我们新设计中可折叠层和不可折叠层之间的凹槽可以进一步有助于捕获可折叠部件。而且，我们的新设计可以实现部分压缩，以在液体部分消耗时降低瓶子的高度。
纳米纤维素增强聚乙烯基醇的生物...
基于聚乙烯醇（PVA）的生物塑料是在日常生活中取代常规塑料的一种有前途的替代方法。PVA是具有许多优点的可生物降解聚合物，例如无毒，低成本且易于加工。8,9在印度尼西亚，生物复合塑料公司自2009年以来一直在运营。他们将生物聚合物作为生物塑料矩阵发展。中间，pt。Inter Aneka Lestari Kimia或更名为Enviplast正在开发生物聚合物，甚至将它们出口到全球的各个国家。但是，基于PVA的生物复合材料往往具有较差的机械性能。在某些温度和条件下的10,11 PVA lms可以溶于水中，因此将PVA用作复合材料非常有限，需要修改。12 PVA的性质取决于分子量和产生PVA时使用的乙酸乙烯酯的长度所用的水解程度。PVA的分子量通常为20 000 - 400 000 g mol -1。13使用天然bre在PVA矩阵中添加llers或加固可以解决PVA应用的限制。天然bres是环保材料，可以根据植物，动物和矿物质得出，具体取决于提取的来源。14天然已被用作生物复合材料的加固，适用于许多工业应用。需要15,16特殊处理才能将纤维素与植物细胞壁分离以从植物中获得天然bre。17 - 19
iClusterPlus：多类型基因组数据的综合聚类
iClusterBayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 iClusterPlus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... .................................................................................................................................................................................................. 18 simuResult ........................................................................................................................................................................................................................................................ .................................................................................................................................................. .................................................................................................................................................. .................................................................................................................................................. 19 tune.iCluster2 ........................................................................................................................................................................................................................................................ .................................................................................................................................................................. .................................................................................................................................................. .................................................................................................................................................. 19 tune.iClusterBayes .................................................................................................. .................................................................................................................................................................................................................................................................................................................. 20 tune.iClusterPlus .................................................................................................................................................................................................................................................................................................................................. 22 实用程序 .................................................................................................................................................................................................................................................................................................................................................. 22 实用程序 .................................................................................................................................................................................................................................................................................................................................................................. 23 24 variation.hg18.v10.nov.2010 . ...
使用K-均值聚类方法和LSVM
引言人类与计算机之间的关系是近年来进行许多投资的研究领域之一。在过去的二十年中，已经设计了各种人类计算机间接位置，它利用了试听，视觉，节感或它们的组合。自从过去十年以来，就已经根据大脑电子信号分析将计算机与环境联系起来。这些系统的主要目的是帮助具有皮质脊髓损伤的人。尽管拥有健康的大脑，但这些人通常无法与周围环境移动或建立正常自然的关系。神经科学，生理学，信号分析，机器学习和硬件的最新进展使设计直接的脑部计算机通信系统，称为脑部计算机间隙（BCI），这使身体残疾的患者能够在没有其他人的帮助的情况下进行事务。通常，大脑计算机界面是一个系统，它允许残疾人操作电气设备，例如计算机指针，机器人手臂，甚至是脑电图。关于其实施，BCI系统评估了大脑活动的特定特征，因此翻译
融化中环聚（乙烷）的自旋松弛和动力学
摘要：在环聚（乙烷氧化乙烷）（PEO）的大分子的融化中，研究了质子和依特子的自旋松弛，其分子质量从5280到96,000 DA不等。比较NMR自旋 - 晶格松弛速率与相似分子质量的线性PEO熔体的相应速率的频率分散率表明，相邻环大分子的相互互穿的显着相互互穿，尽管不如其线性对应物相比。与中间人自旋回波（NSE）的结果一致的时间间隔，在调查的频率间隔中，环段的平均值位移在8×10-9至2×10-5 s的相对应的频率间隔中取决于⟨r n 2（t）⟩∝ t 0.39。在环大分子中的归一化Hahn回波信号的衰减在实验误差中是指数的，与他们的线性同行不同，在其线性同行中，发现强烈的非义务行为。这表明NMR看到的环段的动态异质性不存在与线性类似物中末端段有关的影响。■简介