金属卤化物钙钛矿半导体因其独特的光学和电学性能而成为近年来的研究热点。通过调整卤素组分即可实现从蓝到红全波段可调的发光，是钙钛矿半导体展现出巨大应用前景的重要因素之一。

本发明涉及一种具有高d33无铅压电陶瓷与聚合物和盐压电复合材料及其制备方法,属于压电复合材料技术领域。按(1-x)(LiaNabK1-a-b)(Nb1-cSbc)O3-xABO3-yM组分配料,采用传统陶瓷制备工艺制备好铌酸钠钾基无铅压电陶瓷粉料;再将陶瓷粉料与聚合物聚偏氟乙烯和盐按设计比例混合,接着将混合粉料经冷压成型后加温处理,再在其表面溅射金电极,硅油浴中极化后测试其压电复合材料样品的压电性能d33;最后将样品放置在空气中,再测试其样品压电性能d33。结果表明,加盐的铌酸钠钾基无铅压电陶瓷-聚合物压电复合材料的d33比未加盐的d33有大幅度提高。

本发明公开了一种锂、铈、钽共掺铌酸铋钙基压电陶瓷材料及其制备方法，其特点是该压电陶瓷材料由通式Ca1-x(Li, Ce)x/2Bi2Nb2-yTayO9表示，0.02≤x≤0.15，0.01≤y≤0.3，其中X表示A位锂、铈元素的摩尔分数，Y表示B位钽元素的摩尔分数。采用固相法制备A位锂、铈(Li，Ce)，B位钽(Ta)不同掺杂量的铌酸铋钙(CBN)陶瓷粉体材料；再通过造粒、压片、排胶、烧结、被银、极化的工艺制备锂、铈、钽共掺杂CBN基压电陶瓷材料。结果表明在较低的烧结温度（～1100）℃下制备得到的锂、铈、钽共掺杂CBN基压电陶瓷材料，其晶粒比较致密、晶粒均匀，提高了烧结活性及陶瓷的致密性，使得烧结效果更好；压电性能大大提高，并降低其介电损耗。

大粒径硅溶胶是一种重要的无机胶体材料，以其独特的物理化学性质在多个领域得到广泛应用。 一、定义与特性 定义：硅溶胶是一种含有二氧化硅（SiO2​）的胶体溶液，通常呈现为透明或半透明的液体。大粒径硅溶胶指的是粒径在100纳米以上的硅溶胶，其粒径范围可以从100纳米到500纳米不等。 特性： 物理性质：大粒径硅溶胶具有较高的粘度和良好的流动性，能够在高温和高压环境下保持其性能。 化学性质：硅溶胶无毒无味，耐高温、耐酸碱，具有稳定的物理和化学性质。 光学性能：大粒径硅溶胶具有较好的光散射能力，可以在涂料中产生优良的遮盖效果，提升涂料的遮盖力和白度。 机械性能：干燥后能形成坚韧的薄膜，具有一定的耐磨性和耐化学性。 二、制备方法 大粒径硅溶胶的制备方法多种多样，常见的包括： 溶胶-凝胶法：通过控制反应条件，如温度、pH值和反应时间等，调节硅溶胶的粒径和分布。是目前应用最广泛的一种方法。 离子交换法：也称粒子增长法，以水玻璃为原料，通过离子交换反应去除杂质，生成聚硅酸溶液，再经处理得到大粒径硅溶胶。 水热合成法：在高温高压条件下合成硅溶胶，能够获得较为均匀的颗粒分布。 直接酸化法：采用稀水玻璃，经离子交换树脂去除杂质，制备活性硅酸溶胶，再加热保温、直接酸化，控制反应条件使晶粒长大，得到大粒径硅溶胶。 三、应用领域 大粒径硅溶胶因其独特的性质，在多个领域展现出广泛的应用前景： 涂料行业：作为填料和增稠剂，改善涂料的流动性和刷涂性能，提高涂层的附着力和耐磨性。其透明性也适用于透明和半透明涂料的生产。 建筑材料：作为粘结剂，提高水泥和砂浆的强度及耐久性，改善建筑材料的抗渗性能。在混凝土中加入适量的大粒径硅溶胶，可以增强混凝土的抗压强度和耐磨性。 电子行业：用于电子封装材料和绝缘体，提高材料的热导性和电绝缘性，减少电子元件之间的干扰，提高电子设备的性能和可靠性。 陶瓷材料：作为添加剂，改善陶瓷的成型性和烧结性能，增强陶瓷制品的强度和韧性，提高陶瓷产品的表面光洁度和色泽。 橡胶行业：作为填充剂和增强剂，提高橡胶的耐磨性和抗老化性能，改善橡胶的加工性能，降低加工难度，提高生产效率。 纸张和纺织行业：作为涂布剂和助剂，提高纸张的光滑度和印刷适应性，改善纺织品的手感和强度，提高纺织品的耐水性和耐污性。 环境保护：作为吸附剂，有效去除水中悬浮物和重金属离子，改善水质。在土壤改良方面也展现出一定的应用前景。 化妆品行业：被广泛应用于粉底、遮瑕膏等产品中，提供良好的滑爽感，使化妆品在涂抹时更加顺滑，且不易出现结块现象。 四、使用注意事项 在使用大粒径硅溶胶之前，应准备好所需的工具和材料，包括搅拌器、量筒、喷枪等。 注意施工环境，高湿度环境可能导致涂层干燥不良，而低温环境则可能延长干燥时间。 在大规模应用前，建议进行小面积的兼容性测试，确保硅溶胶与基材之间的相容性，避免因不兼容造成的涂层脱落或起泡。 使用后应及时清洗工具和设备，避免硅溶胶固化在工具上，影响下次使用。 五、总结 大粒径硅溶胶以其独特的物理化学性质，在涂料、建材、电子、陶瓷、橡胶、纸张、纺织、环境保护及化妆品等多个领域展现出广泛的应用前景。随着科技的不断进步和生产工艺的改进，大粒径硅溶胶的应用范围和潜力将进一步拓展，为各行业的发展提供更为强大的支持。

研究利用天然植物多酚化合物木犀草素与微量营养元素金属锰离子成功合成了一种具有类酶活性的材料（Lu-Mn纳米酶），该材料具有良好的生物相容性和生物安全性，在微酸性条件下（肿瘤微环境）可高效地将H2O2转化为具有肿瘤细胞清除能力的·OH，能够有效杀死肿瘤细胞，抑制肿瘤生长，为癌症治疗提供了一种新的策略。

近日，天津大学分子聚集态科学研究院杨杰博士等在纯有机室温磷光材料研究方面取得新进展。研究成果在Cell Press旗下材料旗舰期刊《Matter》在线发表，题为“Förster能量转移：一种开发刺激响应性室温磷光材料的高效途径及其应用”。该成果的第一作者为天津大学2019级博士生王云生，共同作者有吉林大学邹勃教授，共同通讯联系人为杨杰博士、唐本忠院士和李振教授。 刺激响应性有机发光材料因其在信息存储、防伪、光电器件等应用中的巨大潜力而备受关注。目前，大多数刺激响应发光材料都是属于荧光类材料，而磷光类材料较为稀少。相对而言，具有刺激响应特性的有机室温磷光(RTP)材料兼具刺激响应荧光材料的功能和室温磷光材料的时间分辨特性，是当前有机发光材料领域的热点，同时也是难点。迄今为止，刺激响应纯有机RTP材料的报道多是停留在理论验证或探索性实验阶段，究其原因，材料制备的复杂性和内在机制的不明确性制约了这类材料的实际应用。基于此，要突破现有技术实现新的发展，就迫切需要拓展在理论层面的认知边界，获得新的行之有效的材料构筑策略。 研究人员利用主-客体掺杂体系中距离调控的共振能量转移(FRET, Förster Resonance Energy Transfer)过程，开发了具有刺激响应特性的RTP材料。FRET在不同环境下的广泛适应性和主-客体体系的良好磷光性能共同提高了材料体系的实用性。利用该策略制备的材料不仅与现有印刷技术展现出完美的兼容性，而且FRET客体与主体之间的特异性识别也被成功应用于信息加密。该工作首次揭示了FRET过程在宏观RTP刺激响应材料构筑方面的巨大潜力，提出了一种简单、廉价、有效并极具商业潜力的有机室温磷光材料构造策略。

由江西师范大学化开发研究中心研制的超高纯DONOR－C/D系列产品其纯度可达99.9％以上，在工业生产中能明显改善树脂的性能和可加工性，是能够完全替代国外同类产品的聚丙烯助催化剂。该项目连续得到国家科技攻关、国家重点新产品的资助。目前，该课题组在实验室的基础上建成了80吨/年DONOR-C和20吨/年的DONOR-D工业生产装置，产品分别在中石化九江分公司、安庆分公司和福建炼化有限公司的聚丙烯装置上进行了多年工业应用，产品已销往中石化、中石油系统有关聚丙烯企业，并出口韩国、俄罗等国家和地区，累计产生经济效益3000余万元。2004年和2005年，超高纯DONOR-C研究和高纯度DONOR－D研究分别获得2004年度江西省科技进步一等奖和2005年度江西省科技进步一等奖。

液体磁性磨具是由我在国际上首先提出并研制成功的一种新型精密光整加工技术，具有良好的材料适应性，可以实现对各种金属材料零件、陶瓷材料零件等的光整加工，可以获得较低的表面粗糙度 值，具有良好的可控性，可方便的通过调节磁场强度来控制整个加 工表面或局部表面研磨压力的大小，且光整加工所需要的设备简单，对设备的精度要求不高，可以方便地应用于生产实践，在复杂 型面、孔等表面精密加工方面具有具有明显的优势，居国内领先水平。

在柴油机进气管上加装一套电控低压燃料喷射装置,喷入低十六烷值燃料进入气缸形成预混合气,在靠近上止点时喷入少量柴油引燃预混合气来形成准HCCI(均质充量压缩着火)燃烧.本文考察了不同喷嘴参数及不同供油提前角对发动机排放的影响.采用可控预混合燃烧后,发动机的烟度和氮氧化物排放得到了大幅改善,但HC和CO浓度明显升高.

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图