近日，清华大学化学系王定胜教授、李亚栋院士领导的课题组在甲酸电氧化领域取得突破，相关工作以“负载在氮掺杂碳上的单原子Rh：一种甲酸氧化的电催化剂”（Single-atom Rh/N-doped carbon electrocatalyst for formic acid oxidation）为题在《自然·纳米技术》（Nature Nanotechnology）发表。 燃料电池是一种理想的能量来源，它可以以环境友好的方式将化学能转换为电能。氢氧燃料电池作为航空飞船的主要燃料，在上世纪80年代就已经得到了发展，近年来氢氧燃料电池在汽车上的应用也有了突飞猛进的提高。然而氢氧燃料电池需要用体积大且危险的高压氢气作为其燃料，这限制了氢氧燃料电池的发展。而直接甲酸燃料电池(DFAFCs)由于其体积小，毒性小，nafion@膜的穿透率低等优点，被认为是未来便携式电子设备最有前途的电源之一。在之前的研究中，负载型纳米级钯和铂通常被认为是DFAFCs的阳极反应甲酸电氧化（FOR）中最有效的催化剂，并得到了深入的研究。然而，由于FOR催化剂质量活性较低和一氧化碳抗毒性较差， DFAFCs阳极材料的发展达到了一个瓶颈，极大地阻碍了其应用。 SA-Rh/CN的合成路径示意图及其表征 在本工作中，研究人员使用主-客体合成策略成功地合成负载原子分散Rh的氮掺杂碳催化剂(SA-Rh/CN)，发现尽管Rh纳米颗粒对甲酸氧化活性很低，但是SA-Rh/CN却具有极好的电催化性能。与最先进的催化剂Pd/C和Pt/C相比，SA-Rh/CN的质量活性分别提高了28倍和67倍。有趣的是，在CO剥离实验中，我们发现虽然纳米级Rh催化剂对CO毒性十分敏感，但是SA-Rh/CN很难吸附CO并且可以在很低的电压下氧化CO，这说明SA-Rh/CN对CO毒化几乎免疫。经过长期反应的测试后，SA-Rh/CN中的Rh原子具有抗烧结的能力，并因此在30000s的CA测试或者20000圈ADT测试后活性几乎没有改变。在组装电池的实验中，SA-Rh/CN的质量比能量密度在不同温度下分别是商业钯碳催化剂的8.8倍（30oC），14.8倍（60oC）和14.1倍（80oC）,这也说明了SA-Rh/CN在DFAFCs的应用中具有很高的潜力。最后，研究者用密度泛函理论（DFT）计算了Rh单原子甲酸氧化的机理。研究者发现在SA-Rh/CN上，甲酸根路线更为有利。和Rh纳米颗粒具有较低的CO吸附能垒不一样，SA-Rh/CN上的Rh单原子吸附CO能垒较高，以及与CO的相对不利的结合，使SA-Rh/CN具有极高的CO抗毒性。 这一发现将传统的甲酸电氧化催化剂的质量比活性提高了一个数量级，并且很好地解决了传统纳米催化剂的CO毒化问题。该发现有助于在燃料电池领域取得突破，并有望应用于便携式电子设备上。 本论文的通讯作者是王定胜教授、李亚栋院士，清华大学博士后熊禹是本文的第一作者。本研究受到国家自然科学基金委和科技部的经费资助。 论文链接： https://www.nature.com/articles/s41565-020-0665-x

电现象资源箱  型号：QWD1209 实验清单： 摩擦起电实验 简单电路实验 导体与绝缘体判断实验 电能的转化实验

产品详细介绍

2020年3月12日，复旦大学基础医学院、上海市公共卫生临床中心陆路/姜世勃团队联合中科院武汉病毒所石正丽团队、中科院生物物理所孙飞和朱赟团队，在预印版bioRxiv上发表了研究成果Inhibition of SARS-CoV-2 infection (previously 2019-nCoV) by a highly potent pan-coronavirus fusion inhibitor targeting its spike protein that harbors a high capacity to mediate membrane fusion，确认了SARS-CoV-2的膜融合能力强于SARS-CoV。 识别 6-HB融合核心的X射线晶体结构之后，发现HR1域中几种氨基酸突变可能有助于增强其与HR2域的相互作用。然后作者研制了一系列脂肽类物质，发现EK1C4是对抗SARS-CoV-2 的S蛋白介导的膜融合、假病毒感染和live病毒感染的最有效膜融合抑制剂，IC50s分别为1.3nM、15.8 nM和36.5 nM，比此前该团队设计的广谱冠状病毒融合抑制剂EK1强约241、149倍和67倍。EK1C4还对其他人类冠状病毒（包括SARS-CoV和MERS-CoV）以及SARSr-CoV的膜融合和感染作用非常有效，潜在地抑制了4种人冠状病毒包括SARS-CoV-2的复制。此外，EK1C4还可以保护小鼠免受 HCoV-OC43的感染，结果表明EK1C4对预防和治疗目前正在流行的SARS-CoV-2和新兴的SARSr-CoV感染很有潜力。

本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。

本发明针对现有正交频分复用(OrthogonalFrequencyDivisionMultiplexing，OFDM)同步方案在强干扰复杂多径环境中不再适用的问题，设计了一种复杂多径信道下的OFDM抗干扰同步方法，具体步骤包括生成序列C(k),c(k)和[x(k),x(k)]；求取滑动相关值；进行定时同步；进行频偏估计。相比现有同步方法，该方案能够提高复杂多径环境中OFDM符号定时和频率估计的准确度，并且提高系统的抗干扰性能。