|
搜索
搜 索
高等教育领域数字化综合服务平台
面向低碳资源转化的分子筛催化材料
揭示了沸石分子筛中硼中心的配位环境与催化丙烷脱氢性能的构效关系，率先提出双羟基硼物种作为丙烷脱氢的活性中心
一、项目分类
重大科学前沿创新
二、成果简介
开展沸石分子筛催化材料研究，阐明了惰性碳-氢键低温活化转化的机理，国际上率先提出分子围栏催化剂设计的新方法，克服了甲烷低温氧化中高甲烷转化率和高甲醇选择性不可兼得的领域难题，在70℃下突破性实现17.2%的甲烷转化率和92%的甲醇选择性；揭示了沸石分子筛中硼中心的配位环境与催化丙烷脱氢性能的构效关系，率先提出双羟基硼物种作为丙烷脱氢的活性中心，并在纯硅分子筛骨架中构筑具有此类硼中心开发出硼硅分子筛新材料，催化丙烷有氧脱氢中丙烷转化率达到41.6%，烯烃产物选择性超过80%（效率达到传统分子筛负载多聚硼材料的近十倍），为天然气和页岩气的高效利用提供了理论基础和技术支撑。
上述相关技术完成了实验室的小试研究，指标达到国际先进水平。准备进一步推进中。
浙江大学
2022-07-22
有机太阳能电池n-型小分子
该工作提出了小分子受体的全新设计思路，以多环芳烃为核心，极大地缩短了光伏材料合成步骤，为发展高效、低成本的有机太阳能电池提供了新的材料体系。
南方科技大学
2021-04-14
与猪产仔数性状相关的分子标记技术
可以量产/n该项目属于猪分子标记制备与应用技术领域，具体涉及一种与猪产仔数性状相关的分子标记及其应用，所述的分子标记从猪 PTGS2 基因内含子基因片段筛选得到。所述的分子标记的核苷酸序列如序列表SEQIDNO:1，在该序列表 SEQIDNO:1 的第 486bp 处有一个 A/C 碱基突变，该突变导致 PCR-BmrⅠ-RFLP 多态性。该项目还公开了该分子标记的制备技术及其在与猪产仔数性状关联分析中的应用。该项目为猪产仔数性状标记辅助检测提供了新的标记资源。
华中农业大学
2021-01-12
猪胴体和免疫性状相关分子标记检测技术
已有样品/n该项目属于家畜分子标记制备技术领域，具体涉及一种作为猪标记辅助选择应用的与猪白细胞计数相关的分子标记及应用。所述的分子标记为SN基因的片段，其mRNA核苷酸序列如序列表SEQ？ID？NO：1所示。在该序列表的第699bp处存在一个等位基因突变，即如附图4所示序列的第367位bp处存在一个367G-367A的突变，导致Hin6I-RFLP多态性。本发明还公开了扩增SN基因核苷酸序列所用的引物对及其多态性检测方法，本发明还包括制备的分子标记在猪白细胞数关联分析中的应用，猪的标记辅助选择提供了
华中农业大学
2021-01-12
抑制上皮间质转化的抗肿瘤转移小分子药物
上海交通大学
2021-04-13
一种分子生物试验用简易离心装置
本实用新型公开了一种分子生物试验用简易离心装置，包括支撑脚，所述支撑脚的上端通过螺纹调节杆连接有壳体，所述壳体的下端设有电机，所述电机通过电机固定座固定连接在壳体的内底部，所述电机的上端连接有转轴，所述转轴的外侧固定连接有离心转鼓，所述离心转鼓的内侧开有凹槽，所述转轴的顶端固定连接有第一皮带盘，所述壳体的右端固定连接有固定座，所述固定座的上端通过轴承连接有旋转杆，所述旋转杆的顶端设有旋转把手，所述旋转杆上设有第二皮带盘，所述第二皮带盘与第一皮带盘之间通过皮带活动连接，该实用新型设计合理，结构简单，造价便宜，没电的时候可以通过旋转把手进行手动离心，值得大力推广。
青岛农业大学
2021-04-13
哈尔滨工程大学高分辨光谱成像设备采购及服务竞争性磋商
哈尔滨工程大学高分辨光谱成像设备采购及服务竞争性磋商
哈尔滨工程大学
2022-06-06
基于非监督特征学习的高分辨率遥感影像场景分类方法
一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。
武汉大学
2021-04-13
区域大气污染高分辨率排放清单关键技术与应用
北京工业大学
2021-04-14
基于快速二值编码的高分辨率遥感影像场景分类方法
本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。
武汉大学
2021-04-13