本发明公开了一种气相缓蚀剂及其制备方法。所述气相缓蚀剂， 按照质量百分比包括 8％至 15％的炔胺以及 8％至 15％的有机溶剂， 余量为水。其制备方法，包括以下步骤：首先将配方比例的炔胺和水 混合均匀，得到炔胺的水溶液；然后，向炔胺的水溶液中加入配方比 例的有机溶剂混合均匀，即得到所述气相缓蚀剂。该气相缓蚀剂，具 有较高的饱和蒸汽压，对碳钢大气腐蚀的缓蚀效果显著，且具有持久 防护作用。同时相比于亚硝酸二环己胺、碳酸

项目成果/简介:烯烃作为化工领域的核心分子，是合成纤维橡胶塑料等重要材料的单体，属于一类重要的高附加值化工原料。工业上的烯烃主要来源于石脑油的裂解。近年来，随着石油资源的日益减少和C1化学的迅速发展，开发从合成气直接制备烯烃的反应路径来替代传统的石化路线具有十分重要的意义。传统合成气转化路径中约50%CO转化成了CO2和CH4等温室气体副产

项目简介 1、在石油化工、石油加工（石油加氢裂化、渣油加氢脱硫等）、化肥（合成氨等）、 海水淡化、制冷空分、水泥、钢铁冶金、污水处理等工业流程中存在大量富含中高压余 能的液体或汽（气）液两相流体，目前大多通过减压阀等减压或直接排放，能源浪费巨 大，环境污染严重。 2、对于低、中余压流体介质，开发有液力透平泵、透平膨胀机、全流螺杆动力机等 进行能量回收及动力转换；对于中高余压流体介质，开发有双作用活塞式能量回收机、 双螺杆马达、水力马达等进行能量回收及动力转换。 性能指标 流量：5.0～

产品详细介绍技术指标：      外形尺寸：250*130*140mm      设计行程：70mm      定位分辨率：1um或0.5um      重复定位精度：2um      矩形空气轴承，直线电机驱动      预留试验装置安装接口SM-1A直线电机伺服控制原理教学示范平台      SM-1A直线电机平台是直线伺服系统的集成，主要包括直线电机、导轨、光栅编码器和控制驱动器。可以实现高速直线运动，体积小，重量轻，速度快，精度高。     技术指标：           平台的重复定位精度±3微米，定位精度±10um           最大运行速度1m/s           有效行程280mm           系统最大加速度2G（无负载情况）           运行环境：10度-40度           所需电源配置：24vdc，10A

产品详细介绍GC-9217Ⅱ型智能网络化气相色谱仪主要技术指标：●操作显示：192*64点阵汉化液晶●温控区域：6路●温控范围：室温以上8℃～450℃，增量： 1℃， 精度：±0.1℃●程序升温阶数：8阶●程升速率：0.1～39℃/min（普通型）；0.1～80℃/min（高速型）●外部事件：4路；辅助控制输出4路●进样器种类：填充柱进样、毛细管进样、六通阀气体进样、自动顶空进样任选●检测器数目：3个（最多）；FID、TCD、ECD、FPD和NPD任选●启动进样：手动、自动任选●通信接口：以太网：IEEE802.3 GC-9217Ⅱ型智能网络化气相色谱仪检测器技术指标智能网络化气相色谱仪氢火焰离子化检测器（FID）●检测限：Mt≤3×10-12g/s （正十六烷）；●噪音：≤5×10-14A●漂移：≤1×10-13A/30min●线性范围： ≥106●最高使用温度：≤450℃智能网络化气相色谱仪热导检测器（TCD）●灵敏度：S≥4000mV?ml/mg（正十六烷）（放大1、2、4、8倍任选）●噪声：≤10μV●基线漂移：≤30μv/30min智能网络化气相色谱仪电子捕获检测器（ECD）●检测限：≤1×10-14g/s●线性范围：104●放射源：63Ni 

产品详细介绍GC-9217Ⅰ型智能网络化气相色谱仪主要技术指标：●操作显示：192*64点阵汉化液晶●温控区域：6路●温控范围：室温以上8℃～400℃，增量： 1℃， 精度：±0.1℃●程序升温阶数：8阶●程升速率：0.1～39℃/min（普通型）；0.1～80℃/min（高速型）●外部事件：4路●进样器种类：填充柱进样器、毛细管进样器任选     ●检测器数目：1个；FID、TCD，可选                            ●启动进样：手动、自动任选●通信接口：以太网：IEEE802.3GC9217I检测器技术指标   氢火焰离子化检测器（FID）●检测限：Mt≤3×10-12g/s （正十六烷）；●噪音：≤5×10-14A●漂移：≤1×10-13A/30min●线性范围： ≥106●最高使用温度：≤450℃热导检测器（TCD）●灵敏度：S≥4000mV?ml/mg(正十六烷)（放大1、2、4、8倍任选）●噪声：≤10μV●基线漂移：≤30μv/30min

■ 可预置9组参考值, 快速切换 ■ 安装指示表后, 可用于垂直度测量 ■ 可手动快速移动测头 ■ 内置气浮系统, 使移动轻便 ■ 控制器带触摸按键 ■ 显示屏带背景灯 ■ 内置可充电电池, 一次充电可以连续使用40小时 ■ 测量结果可输入到Excel/Word中, 相当于键盘输入方式

本项目中我们将从分子结构入手，设计开发BODIPY使其不仅可以诊断早期AD，并能干预抑制AD发展，开发出基于BODIPY的阿尔兹海默症人工智能药物，达到AD早期诊断和干预治疗的目的，为临床AD早期诊疗提供理论基础和技术支持。整个研究工作具备以下特点：（1）设计开发近红外BODIPY荧光探针对细胞和活体进行成像可避免生物背景荧光的干扰；（2）BODIPY对与AD早期相关的Aβ寡聚体具有特异响应，为临床前AD早期诊断提供科学依据；（3）BODIPY通过与Aβ聚集的作用点结合，呈现荧光，到达有效诊断的目的，在此基础上Aβ聚集缠结的作用点被BODIOY占据从而达到一定程度上抑制AD发展的目的；（4）将抑制Aβ聚集的天然小分子药物山柰酚与BODIPY有效结合，可进一步提高AD早期诊疗的效果。   Scheme 1. Aβ derives from the proteolytic cleavage of a larger glycoprotein named amyloid precursor protein. (A) A near-infrared BODIPY probe (NB-K) was synthesized which detected and drove self-assembly of FF. (B) NB-K designed according to the structure of FF and the two aromatic rings of FF overlap well with the two aromatic rings of NB-K. When NB-K binds to Aβ oligomers, free rotation of three benzene rings of NB-K is restricted resulting in 1650% increasing of NB-K fluorescence. (C) Overview of the amino acid sequences of the Aβ-related peptides Aβ1–40 and Aβ1–42. (D) Aβ produces β-folds and then aggregates to form tetrad oligomers. NB-K could be potentially useful in the early diagnosis (via imaging) of AD via binding to the FF of oligomeric Aβ. On the other hand, the tetramer could rotate 90° along the β-fold axis to form fibrils. Aβ源自β-和γ-分泌酶对糖蛋白（称为淀粉样前体蛋白（APP））的蛋白水解切割（Scheme 1C）。二苯丙氨酸二肽（FF）是Aβ折叠起始作用点，对Aβ聚集过程起着关键作用。四个β折叠的Aβ通过FF的π-π堆积作用和其它氨基酸之间的氢键作用以面对面的方式排列形成Aβ寡聚物，这是AD早期的重要生理标志，严重损害了大脑的健康。当β折叠的Aβ形成四聚体Aβ寡聚物时，FF几乎被完全暴露，这为近红外BODIPY荧光探针（NB-K）与FF有意组合提供了极好的机会（Scheme 1D），并能够通过荧光信号传输有效地诊测早期AD。Aβ寡聚物沿β折叠链方向逐渐以90°旋转，变成Aβ原纤维，其比Aβ八聚体更大，且与中期/晚期AD有关。当β折叠的Aβ形成原纤维时，疏水性片段（包括FF）聚集在球形结构的核心，大多数FF参与Aβ的自组装并形成球形结构，导致NB-K与Aβ原纤维的结合不良（Scheme 1D）。而且，Aβ单体表现出更大的自由弹性，这可能导致NB-K对Aβ单体的不良反应。总的来说，NB-K可以有效地分化以响应寡聚体和单体/原纤维，从而达到AD早期诊断的目的。如Scheme 1B所示，FF的两个芳环与NB-K的两个芳环很好地重叠，形成稳定的π-π结构。FF的羧基和氨基进一步促进了NB-K-FF的结合。NB-K和ThS在染色Aβ方面的主要区别如下：1）NB-K的分子量约为ThS的三倍。由于更大的空间位阻，NB-K不能进入由芳香环形成的浅槽，因此NB-K不能染色结合Aβ原纤维。 2）Aβ中的NB-K结合基段为FF。当Aβ形成β折叠时，折叠点恰好在FF，然后Aβ形成Aβ寡聚体。如Scheme 1所示，Aβ寡聚物中的FF几乎完全暴露，结果是NB-K会牢固结合识别响应Aβ寡聚物。    Figure 1. (A) Aβ aggregation assay: in vitro study to detect Aβ aggregation over time. ThT was used to detect formation of fibrillary Aβ species. Total fluorescence (%) was plotted as the fluorescence intensity divided by the maximum fluorescence intensity obtained during the plateau; (B) and (C) Fluorescence emission of NB-K and ThT response to buffer (background fluorescence, black line), oligomer and fibrils; (D) △I refers to the increased fluorescence intensity, I0 corresponds to background fluorescence of NB-K or ThT; Aβ morphology was evaluated by SEM after 160 hours incubation with NB-K (E) or ThT (F). 单体Aβ可以在24小时内衍变形成Aβ寡聚物，在72小时后开始有Aβ纤维形成。硫黄素-T（ThT）是市售检测Aβ原纤维的绿色荧光探针，以它为参照对比NB-K，以实时监测单体Aβ随时间的衍变聚集。在72小时后，ThT荧光强度略有增加，表明Aβ原纤维的形成（Figure 1A, ）。而对于NB-K，荧光强度在10小时后迅速增加，仅在40小时后才达到平稳状态，这表明NB-K缩短了Aβ衍变聚集成核相时间（Figure 1A, ）。 在24小时NB-K荧光强度急剧升高，这应与NB-K阳性Aβ物种有关，即Aβ寡聚体。换句话说，NB-K抑制寡聚体转变为原纤维。此外，使用荧光光谱法评价了NB-K在Aβ寡聚物和原纤维的溶液中区分识别Aβ寡聚物与Aβ原纤维的能力。对于Aβ寡聚物和Aβ原纤维，NB-K荧光分别增强了1650％±15％和450％±10％（Figure 1B, 1D）。相比之下，ThT荧光强度并未随Aβ寡聚物而增加，而随Aβ原纤维而增加了460％±10％（Figure 1C, 1D）。这说明ThT只对Aβ原纤维有荧光响应信号，而NB-K对Aβ寡聚物有很好的荧光响应信号，相比之下，NB-K对Aβ寡聚物的荧光响应性能高于ThT对Aβ原纤维荧光响应。此外，分别在ThT和NB-K存在下，Aβ单体衍变聚集160小时后，通过SEM观察Aβ单体最终衍变聚集形态。我们发现，在NB-K存在下，Aβ显示出六边形结构（Figure 1E），而在ThT存在下，Aβ显示出复杂的如斑块状的聚集体结构（Figure 1F）。这表明NB-K可能影响Aβ的构象聚集，从而产生有序排列的结构，而ThT对Aβ单体衍变聚集没有良性影响。    Figure 2. Epifluorescence microscopy of transgenic AD mouse (APP/PS1) brain stained with ThS or NB-K. ThS emission was obtained at 488 nm (left panels) and NB-K fluorescence was obtained at 561 nm (middle panels). Merged images of ThS and NB-K are shown on the right panels. Hippocampus is shown in A-C, whereas cortex is shown in D-F. G-I are magnified images from dotted squares in D-F, respectively. Scale bar: 100 µ (A-F), 50 µ (G-I). 在Aβ聚集的过程中，核心缠结成不溶性的原纤维，周围是由可溶性寡聚物组成的环状结构，这些可溶性寡聚物正在慢慢向原纤维衍变。AD脑组织的ThS / NB-K双重染色清楚地表明了这种现象，如Figure 2所示，Aβ原纤维的ThS绿色荧光染色被Aβ寡聚物的NB-K红色荧光染色所包围。 另外，在正常对照小鼠的脑切片中，未观察到NB-K染色，进一步说明NB-K对Aβ寡聚物的特殊识别性和荧光信号响应性，这对AD早期诊断预防研究无疑是一个有价值的信息。

随着机器学习与人工智能的发展，传统的CPU已经无法满足大规模神经网络训练的需要。在当前机器学习与神经网络的热潮下，美国互联网和IC巨头纷纷推出自己的神经网络/人工智能芯片，抢占这一未来市场。我们研发的神经网络/人工智能芯片可以验证多种深度学习算法及应用，具有完全自主知识产权，是将来可以挑战美国人工智能芯片领域的一个重要突破。