本仪器符合GB/T18204.2-2014《公共场所卫生检验方法第2部分：化学污染物》、GBZ/T300.37-2017《工作场所空气有毒物质测定第37部分：一氧化碳和二氧化碳》和GB/T9801-1988《空气质量一氧化碳的测定非分散红外法》的国家标准；符合HJ/T44-1999《固定污染源排气中一氧化碳的测定非色散红外吸收法》的生态环境部标准。 本仪器符合JJG635-2011《一氧化碳、二氧化碳红外线气体分析器》的国家计量检定规程，主要的技术指标符合国家二级仪表的技术要求，可以取得中国计量科学研究院的检定证书（检定结论：合格，该仪器符合二级技术要求）。 本仪器内置式调零过滤器、六通阀切换调零与测量，操作简便灵活。 本仪器可以定制测量范围。

具有新颖的结构，可上调脂代谢相关蛋白ABCA1，是PDE5的强效抑制剂，具有开发成为抗心血管疾病如 本技术成果是以人类NF-κB DNA结合位点为药物设计靶点，通过计算机辅助药物筛选获得一系列 肺动脉高压，以及男性性功能障碍的治疗药物的潜力。 可能具有人类NF-κB抑制活性的化合物。在细胞水平对筛选获得的化合物进行抗HBV复制抑制实验， 发现其中一类高治疗指数的新型呋喃香豆素类化合物可以有效抑制HBV DNA复制，减少HBV表面抗原 （HBsAg）、HBV e抗原（HBeAg）分泌。此类呋喃香豆素类化合物可用于治疗HBV感染引起的肝炎，有 望进一步开发为一种抗乙型肝炎病毒（HBV）药物。FDA批准上市的5个抗HBV NAs药物，均已出现耐药病 毒株，且出现交叉耐药现象。

本成果以专利形式体现（专利号 200910248615.5 ），桦褐孔菌的代谢产物紫杉醇具有抗癌功效，本专利所提出的的提取三萜类物质方法，更好的简化了提取步骤和工艺，有利于实现该物质的提取，在生物医药行业将有广泛应用。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本发明涉及一种磁性离子液体，特指基于胍基官能团的离子液体的制备方法及在萃取脱除非极性溶液中含硫有机物的用途。其结构如通式（I）所示，该类离子液体是典型的室温离子液体，具有很低的熔点及很高的沸点，室温呈液态，蒸汽压低，稳定性好，与非极性溶剂互溶度极低；具有极高的脱硫效率，可在3~6min达到脱硫的萃取平衡；选择性高，不会对原来的非极性溶液产生污染及着色。该发明的磁性离子液体之中，当n=1.5~2时，具有很高的顺磁性，其比磁化系数大于59.1×10-6emu/g,优于已有的报道。因此，萃取脱硫结束后可以通过外加磁场的方法方便地实现离子液体和非极性溶剂的分离。该类磁性离子液体通过加水稀释并用四氯化碳反萃取的方法能恢复其性能，并且可以循环多次使用而不会引起脱硫效率的明显降低。脱除的含硫芳环化合物也能通过减压蒸馏富集并实现回收利用。

该项目研制的酶联免疫检测技术包括免疫原、包被原、抗体的制备以及样品的处理和检测等步骤。能一次性测出样品中斑蝥黄、β-胡萝卜素、β-阿朴-8’-胡萝卜素醛、叶黄素、辣椒红素、β-紫罗酮酸的总含量，缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 该项目缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 成果完成时间：2013年

北京师范大学环境学院梁赛教授课题组研究成果在国际刊物Nature Communications以研究论文（Research Article）形式在线发表。该研究分析了中国储蓄率变化对全球CO2排放的影响，研究表明中国储蓄率下降所导致的最终需求结构变化会减少全球CO2排放。 近年来，中国经济增长模式发生转变，经济转入高质量发展，投资驱动型的经济增长模式正在发生变化。由于资本收益率下降、居民消费习惯的变化、以及政府主导的投资增速下降等原因，中国的储蓄率有所下降，导致最终需求中投资品的比例下降、消费品的比例上升。由于中国是世界上最大的CO2排放国，同时也是世界第二大经济体，中国储蓄率变化所导致的最终需求结构变化最终会引致全球CO2排放总量和结构的变化。研究这一问题有助于更加清晰地理解中国的CO2排放达峰路径和制定更为精准的减排政策。 基于历史数据的结构分解分析结果显示，从2007年到2012年，中国储蓄率的变化解释了1.89亿吨全球生产活动CO2排放。基于中国储蓄率会持续下降的预测，进一步的情景分析显示，若中国的储蓄率下降15个百分点，全球CO2排放会减少1.86亿吨，占全球生产活动CO2排放的0.7%。中国储蓄率降低会对全球各国的CO2排放产生不同影响。主要位于中国资本品生产供应链上的国家的CO2排放将有所减少，例如美国、日本、韩国等国家。而主要位于中国消费品生产供应链上的国家的CO2排放则会有所增加，例如巴西等国家。此外，在中国极限绿色消费的情景下，因储蓄率变化所导致的全球生产活动CO2排放可进一步降低14%。 中国各区域储蓄率下降的效果也有所差异，主要是由于各区域不同的资本形成结构、最终消费结构、以及各部门的累计CO2排放强度（含直接和间接CO2排放强度）。例如，山东省储蓄率下降导致全球CO2排放减少的量最大，主要由于山东省在资本形成中占比比较高的部门（如建筑和机械制造）的累计CO2排放强度高于其在最终消费中占比比较高的部门（如其他服务业和食品制造业）。与之相反，内蒙古自治区储蓄率下降会导致全球CO2排放的增加，尤其表现在内蒙古电力行业累计CO2排放强度较高、且电力行业在最终消费中占比较高。 这项研究认为，中国的增长方式转变通过降低储蓄率的方式对全球CO2减排做出积极贡献。同时，在消费率上升的大背景下，为早日实现CO2排放达峰目标，中国应进一步促进绿色消费和消费品全产业链的节能减排。

三甲基苯醌是维生素E的中间体，其经加氢还原即得维生素E主环2,3,5-三甲基氢醌。三甲 基苯醌传统合成工艺为：2,3,6-三甲基苯酚磺化、二氧化锰氧化、水汽蒸馏得三甲基苯醌，再 进行加氢还原得三甲基氢醌。由于此工艺步骤多，能耗大，排出较多的锰泥废渣，处理难度 大。因此，寻求方便、经济、环境友好的氧化过程显得尤为迫切。 这条路线的优点在于： 1. 空气是最绿色的氧化剂，实现空气氧化，反应条件温和、安全。 2. 反应廉价、清洁、废水排放极少。 3. 收率高，分离收率达到90%以上，是一条绿色的合成路线。 4. 生产成本较老工艺有较大幅度下降，为产业更新升级所急需。

近年来，具有许多特定功能的涂层和镀层在工程技术中的应用日益广泛，在材料进行表面改性与强化处理等方面显示出不可替代的重要作用。制取涂层和镀层的方法有多种，其中以利用化学或电化学方法沉积为基础的复合镀层在工程技术中得到广泛应用。复合镀层是指在镀液中加入一种或数种不溶性固体颗粒，使固体颗粒与金属离子共沉积而获得各种不同物理化学性质的镀层。早期添加的固体微粒尺寸多为微米级，复合镀层中颗粒粒度大多在1～5 范围，有些达8～10 ，而工业应用的复合镀层厚度一般为几十 左右，在这有限的厚度内只能复合几层固体颗粒，所以镀层的粒子复合量难以提高，其性能不能满足科技飞速发展的要求，应用范围受到了一定的限制。纳米材料的出现为传统复合镀技术带来了新的机遇。由于纳米颗粒具有的表面效应、体积效应、量子尺寸效应、宏观量子隧道效应等性质，可以使复合镀层的性能更加优异。将纳米技术引入传统的复合镀而形成的纳米复合镀新技术不仅可以使产品质量产生质的飞跃，减少镀层孔隙尺寸、隔离腐蚀介质、阻止点蚀坑的长大、促进镀层的钝化过程，因而复合镀层的耐腐蚀性和耐磨损性能更好。纳米材料的高比表面积，使得表面镀层与基材的结合力更高；纳米镀层的组成颗粒极小，使得涂层表面更加均匀，有利于传热。另外，纳米技术的发展使得材料表面可进行多层膜的涂覆，实现表面的复合化。SiO 2颗粒硬度高、耐磨性好、抗腐蚀能力强，同时在高温下仍具有高强、高韧、稳定性好等特点，而且纳米SiO 2颗粒价格低廉。在镀液中添加纳米SiO 2颗粒后，可以改善镀层的硬度、耐磨性以及耐蚀性能。目前，国内外复合镀层的制备方法均采用将纳米颗粒直接添加到镀液中进行施镀，缺点是纳米颗粒易团聚，必须不停地进行机械搅拌，且效果较差。本成果针对现有技术中的不足，将含有纳米颗粒的溶胶直接加入到镀液中，纳米颗粒悬浮在溶液中，不需要搅拌，并且镀液中颗粒分散性好，不易团聚，得到的复合镀层中颗粒分布均匀，镀层性能良好，可应用于换热器、泵、轴、空冷等耐蚀或者耐磨的场合。