葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

項(xiàng)目成果/簡介:長牡蠣“海大1號”是我國培育的第一個(gè)牡蠣新品種，填補(bǔ)了我國牡蠣良種培育的空白。中國海洋大學(xué)自2006年在國內(nèi)率先開始了長牡蠣快速生長系的選擇育種，以山東乳山海區(qū)自然采苗養(yǎng)殖的長牡蠣為基礎(chǔ)群體，基于群體選育、輔以分子標(biāo)記輔助育種，采用有效繁殖親本數(shù)量控制、選育群體世代遺傳參數(shù)與選擇效應(yīng)評估以及選育世代遺傳多樣性監(jiān)測等多項(xiàng)關(guān)鍵技術(shù)，通過連續(xù)6代成功培育出長牡蠣“海大1號”新品種。該新品種具有生長速度快、殼型規(guī)則等特性，目前在山東、遼寧、江蘇等地養(yǎng)殖面積超過20萬畝，取得了顯著的經(jīng)濟(jì)和社會效益，有力推動(dòng)了我國牡蠣養(yǎng)殖業(yè)的良種化進(jìn)程。長牡蠣“海大2號” 新品種是中國海洋大學(xué)繼培育我國第一個(gè)生長性狀優(yōu)良的長牡蠣“海大1號”新品種的基礎(chǔ)上培育的長牡蠣第二個(gè)新品種。長牡蠣“海大2號” 新品種是以金黃殼色和生長速度作為選育目標(biāo)性狀，采用家系選育和群體選育相結(jié)合的混合選育技術(shù)，輔以分子標(biāo)記輔助育種，經(jīng)過4代培育而成。該新品種體重和出肉率可分別提高38%和25%以上，左右殼和外套膜均為色澤亮麗的金黃色（養(yǎng)殖戶喜稱“金牡蠣”“金蠔”），在北方沿海進(jìn)行了示范養(yǎng)殖，深受育苗企業(yè)和廣大養(yǎng)殖戶的喜愛，大大提高了我國養(yǎng)殖牡蠣的品質(zhì)和檔次。長牡蠣“海大3號”新品種是以2010年從山東沿海長牡蠣野生群體中篩選出的左殼為黑色的個(gè)體為基礎(chǔ)群體，以殼黑色和生長速度為目標(biāo)性狀，采用家系選育和群體選育相結(jié)合的混合選育技術(shù)，經(jīng)連續(xù)6代選育而成。在相同養(yǎng)殖條件下，與未經(jīng)選育的長牡蠣相比，10月齡貝殼高平均提高9%，軟體部重平均提高64.5%，左右殼和外套膜均為黑色，黑色性狀比例達(dá)100%。適宜在山東和遼寧人工可控的海水水體中養(yǎng)殖。項(xiàng)目階段:工業(yè)化生產(chǎn)階段效益分析:牡蠣是世界上養(yǎng)殖產(chǎn)量最大的海水養(yǎng)殖種類，世界年產(chǎn)量為400多萬噸，產(chǎn)值近40億美元，也是消費(fèi)量最多的貝類產(chǎn)品。我國是牡蠣的故鄉(xiāng)，牡蠣居我國四大經(jīng)濟(jì)貝類之首，年產(chǎn)量480多萬噸，占世界牡蠣產(chǎn)量的4/5。我國牡蠣產(chǎn)量雖然很大，但產(chǎn)值僅占世界的1/4左右。在我國牡蠣價(jià)格僅為2-4元/kg，而在美國和歐盟國家的牡蠣價(jià)格卻高達(dá)1~2 美元/個(gè)。雖然國外牡蠣價(jià)格昂貴，但我國每年卻要從美國、澳大利亞等國家進(jìn)口大量的牡蠣，來滿足各大城市高檔市場的需求。長牡蠣“海大1號”、“海大2號”和“海大3號”新品種品質(zhì)優(yōu)良，可作為進(jìn)口牡蠣的替代產(chǎn)品，具有廣闊的市場前景。預(yù)期投資500萬元，養(yǎng)殖規(guī)模2000畝，產(chǎn)值2000~3000萬元。知識產(chǎn)權(quán)類型:發(fā)明專利 、 軟件著作權(quán)知識產(chǎn)權(quán)編號:GS-01-005-2013 GS-01-007-2016 ZL201410120162.9 GS-01-007-2018技術(shù)成熟度:通過中試技術(shù)先進(jìn)程度:達(dá)到國內(nèi)領(lǐng)先水平成果獲得方式:獨(dú)立研究獲得政府支持情況:無

長牡蠣“海大1號”是我國培育的第一個(gè)牡蠣新品種，填補(bǔ)了我國牡蠣良種培育的空白。中國海洋大學(xué)自2006年在國內(nèi)率先開始了長牡蠣快速生長系的選擇育種，以山東乳山海區(qū)自然采苗養(yǎng)殖的長牡蠣為基礎(chǔ)群體，基于群體選育、輔以分子標(biāo)記輔助育種，采用有效繁殖親本數(shù)量控制、選育群體世代遺傳參數(shù)與選擇效應(yīng)評估以及選育世代遺傳多樣性監(jiān)測等多項(xiàng)關(guān)鍵技術(shù)，通過連續(xù)6代成功培育出長牡蠣“海大1號”新品種。該新品種具有生長速度快、殼型規(guī)則等特性，目前在山東、遼寧、江蘇等地養(yǎng)殖面積超過20萬畝，取得了顯著的經(jīng)濟(jì)和社會效益，有力推動(dòng)了我國牡蠣養(yǎng)殖業(yè)的良種化進(jìn)程。 長牡蠣“海大2號” 新品種是中國海洋大學(xué)繼培育我國第一個(gè)生長性狀優(yōu)良的長牡蠣“海大1號”新品種的基礎(chǔ)上培育的長牡蠣第二個(gè)新品種。長牡蠣“海大2號” 新品種是以金黃殼色和生長速度作為選育目標(biāo)性狀，采用家系選育和群體選育相結(jié)合的混合選育技術(shù)，輔以分子標(biāo)記輔助育種，經(jīng)過4代培育而成。該新品種體重和出肉率可分別提高38%和25%以上，左右殼和外套膜均為色澤亮麗的金黃色（養(yǎng)殖戶喜稱“金牡蠣”“金蠔”），在北方沿海進(jìn)行了示范養(yǎng)殖，深受育苗企業(yè)和廣大養(yǎng)殖戶的喜愛，大大提高了我國養(yǎng)殖牡蠣的品質(zhì)和檔次。 長牡蠣“海大3號”新品種是以2010年從山東沿海長牡蠣野生群體中篩選出的左殼為黑色的個(gè)體為基礎(chǔ)群體，以殼黑色和生長速度為目標(biāo)性狀，采用家系選育和群體選育相結(jié)合的混合選育技術(shù)，經(jīng)連續(xù)6代選育而成。在相同養(yǎng)殖條件下，與未經(jīng)選育的長牡蠣相比，10月齡貝殼高平均提高9%，軟體部重平均提高64.5%，左右殼和外套膜均為黑色，黑色性狀比例達(dá)100%。適宜在山東和遼寧人工可控的海水水體中養(yǎng)殖。

導(dǎo)讀東北電力大學(xué)和長春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法，以對運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。ESI技術(shù)采用邊界元法(BEM)和加權(quán)最小范數(shù)估計(jì)(WMNE)分別解決EEG的正向和逆向問題。然后在運(yùn)動(dòng)皮層中創(chuàng)建十個(gè)scout來選擇感興趣的區(qū)域(ROI)。研究者使用Morlet小波方法從scout的時(shí)間序列中提取特征。最后，使用CNN對MI任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果:在Physionet數(shù)據(jù)庫上的整體平均準(zhǔn)確率達(dá)到94.5%，分別對左拳頭、右拳頭、雙拳和雙腳的單個(gè)準(zhǔn)確率達(dá)到95.3%、93.3%、93.6%、96%，采用十倍交叉驗(yàn)證進(jìn)行驗(yàn)證。研究人員表示，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者為驗(yàn)證方法的有效性，加入了4個(gè)新的受試者進(jìn)行驗(yàn)證，發(fā)現(xiàn)總體平均準(zhǔn)確率為92.5%。此外，全局分類器適應(yīng)單一對象，整體平均準(zhǔn)確率提高到94.54%。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。系統(tǒng)框架圖1 系統(tǒng)框架圖系統(tǒng)框架如圖1所示。原始數(shù)據(jù)來自國際10-10系統(tǒng)的64個(gè)電極(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10電極)，并以每秒160個(gè)樣本的速度采集。根據(jù)國際10-10系統(tǒng)從64個(gè)通道采集原始腦電圖，并使用BCI2000系統(tǒng)進(jìn)行記錄。記錄的數(shù)據(jù)被分為四個(gè)獨(dú)立MI任務(wù)包括左拳MI,右拳MI,雙拳MI和雙腳MI。首先，由于ERD在執(zhí)行運(yùn)動(dòng)想象時(shí)在alpha和beta中不同，因此使用FIR濾波器對EEG進(jìn)行了8 Hz至30 Hz的帶通濾波。然后，通過計(jì)算包含正問題和逆問題的源，將傳感器空間的活動(dòng)轉(zhuǎn)化為源空間的活動(dòng)。接下來，創(chuàng)建scout并提取特征。研究者在運(yùn)動(dòng)皮層中創(chuàng)建了10個(gè)scout，因?yàn)槲覀冎魂P(guān)心與運(yùn)動(dòng)相關(guān)的活動(dòng)。十個(gè)scout中的每一個(gè)都代表了可用源空間中的一個(gè)感興趣的區(qū)域(ROI)，并且是定義在皮層表面或頭部體積上的偶極子的子集。左腦的scout稱為L1、L2、L3、L4、L5，右腦的scout稱為R1、R2、R3、R4、R5。利用JTFA從10個(gè)scout的源時(shí)間序列中提取特征。最后，利用CNN對時(shí)頻圖進(jìn)行分離并進(jìn)行分類。實(shí)驗(yàn)在實(shí)驗(yàn)中，研究人員僅使用了隨機(jī)選擇的十個(gè)受試者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。這里用于分析的數(shù)據(jù)集包含每個(gè)受試者84次試驗(yàn)，每一類包含21次試驗(yàn)。在記錄64通道腦電圖時(shí)，受試者執(zhí)行了不同的運(yùn)動(dòng)想象任務(wù)。每個(gè)受試者針對以下四個(gè)任務(wù)中的每一個(gè)執(zhí)行了3輪21試驗(yàn)：當(dāng)目標(biāo)出現(xiàn)在屏幕左側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕的右側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕頂部時(shí)，受試者想象打開和合上雙手的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕底部時(shí)，目標(biāo)會想象雙腳張開和合攏，直到目標(biāo)消失。然后受試者放松。為了統(tǒng)一數(shù)據(jù)維數(shù)，研究者選擇了4s的數(shù)據(jù)，因?yàn)槊看蜗胂笕蝿?wù)的執(zhí)行時(shí)間都在4s左右。此外，腦電圖任務(wù)是分開的，研究人員在實(shí)驗(yàn)中將左拳，右拳，雙拳和雙腳MI任務(wù)分別稱為T1，T2，T3和T4。圖2 scout命名左右運(yùn)動(dòng)想象的scout分別命名為L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如圖2所示。10個(gè)scout每一個(gè)都被擴(kuò)展到40個(gè)頂點(diǎn)，每個(gè)頂點(diǎn)只有一個(gè)源。L1區(qū)域?qū)?yīng)40個(gè)信號，其他scout也一樣。在計(jì)算了來源后，研究者在運(yùn)動(dòng)皮層中創(chuàng)建了十個(gè)scout，如圖3所示。圖3 創(chuàng)建10個(gè)scout使用ESI計(jì)算十個(gè)受試者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次試驗(yàn)的四個(gè)任務(wù)(T1、T2、T3、T4)的源。對于這四項(xiàng)任務(wù)中的每一項(xiàng)，每個(gè)受試者每次都要進(jìn)行7次測試(#1，#2，#3，#4，#5，#6，#7)。展示了第一個(gè)步的10個(gè)被試的10個(gè)scout的4項(xiàng)任務(wù)的來源。然后提取10個(gè)scout的時(shí)間序列進(jìn)行進(jìn)一步分析。特征提取在計(jì)算源之后，研究人員在運(yùn)動(dòng)皮層中創(chuàng)建了包含40個(gè)源的10個(gè)scout，并提取了scout的時(shí)間序列。如圖4所示為提取R5 scout時(shí)間序列作為示例。圖的右邊顯示了R5 scout的時(shí)間序列。本文利用小波變換從scout時(shí)間序列中提取特征。圖4 提取R5 scout時(shí)間序列作為示例在這項(xiàng)研究中，研究者提出利用CNN來解決運(yùn)動(dòng)想象任務(wù)分類的問題。該模型基于Schirrmeister等提出的Deep ConvNet架構(gòu)，該網(wǎng)絡(luò)模型由一個(gè)六層卷積網(wǎng)絡(luò)組成，其中兩個(gè)最大池層和三個(gè)全連接層，如圖5所示。圖5對于Physionet數(shù)據(jù)庫，研究者首先采用Deep ConvNet架構(gòu)，包括四個(gè)卷積層、四個(gè)最大池層和一個(gè)全連接層。在實(shí)驗(yàn)中，研究者依據(jù)經(jīng)驗(yàn)使用兩個(gè)最大池化層。并嘗試了不同數(shù)量的卷積層和完全連接層。時(shí)頻圖利用Morlet小波方法得到了scout的特征。對于每個(gè)任務(wù)，R5 scout的時(shí)頻圖如圖6所示。包含時(shí)間和頻率互補(bǔ)的時(shí)頻分析方法提供了時(shí)域和頻域的聯(lián)合分布信息，清晰地描述了信號頻率與時(shí)間的關(guān)系。圖6 R5 scout的時(shí)頻圖顯然，只有部分時(shí)頻映射是紅色的，表明每個(gè)任務(wù)只對特定的頻率和時(shí)間敏感。由于圖的數(shù)量比較大，研究者使用CNN來選擇和學(xué)習(xí)這些圖中最基本的特征。研究人員隨機(jī)選擇了幾個(gè)樣本，并將一些特征圖可視化，作為MI任務(wù)的學(xué)習(xí)表示，如圖7所示。圖7為了獲得有效的結(jié)果，將數(shù)據(jù)集分為90％作為訓(xùn)練集，其余10％作為測試集。首先，將十個(gè)受試者的數(shù)據(jù)集（總共19320個(gè)樣本）分為17388個(gè)樣本以訓(xùn)練所提出的CNN模型，以及1932個(gè)樣本以驗(yàn)證模型的有效性。在實(shí)驗(yàn)中，研究者還選擇了另外四個(gè)受試者的數(shù)據(jù)集以增加數(shù)據(jù)集的規(guī)模(27048個(gè)樣本)，其中24343個(gè)樣本是訓(xùn)練集，其他樣本是測試集。在選定的scout上對所提出的CNN架構(gòu)進(jìn)行了十次訓(xùn)練和測試，以驗(yàn)證所提出模型的魯棒性。圖8(a)顯示了10個(gè)scout中每個(gè)的全局平均精度。圖8 統(tǒng)計(jì)結(jié)果R5的全局平均精度最高，達(dá)到94.5%，而L2的全局平均精度最低，為91.3%。對應(yīng)L1、L3、L4、L5、R1、R2、R3、R4的整體準(zhǔn)確率分別為92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的總體精度均在91%以上，標(biāo)準(zhǔn)差均在0.20%以下。圖8(b)顯示了十個(gè)scout中每個(gè)scout四個(gè)MI任務(wù)的組級統(tǒng)計(jì)結(jié)果及其標(biāo)準(zhǔn)差。一般來說，R5表現(xiàn)的要比其他的好，而L2在迭代2000中表現(xiàn)最差。標(biāo)準(zhǔn)差較小，說明這些精度更接近平均值且穩(wěn)定。圖9 統(tǒng)計(jì)結(jié)果圖9(a)顯示了帶有標(biāo)準(zhǔn)差的混淆矩陣，說明了group level分類結(jié)果。T1、T2、T3和T4的全局平均精度峰值分別為95.3%、93.3%、93.6%和96.0%。R5 scout的四個(gè)MI任務(wù)中的每一個(gè)都如圖9(b)所示。通過改變訓(xùn)練集和測試集順序的10次試驗(yàn)，確定了scoutR5的性能，結(jié)果如圖10(a)和(b)所示。在10次試驗(yàn)中，scout R5的T1、T2、T3、T4的平均準(zhǔn)確率分別為93.3%、93.8%、94.2%、94.1%。換句話說，四個(gè)任務(wù)中每一個(gè)的平均準(zhǔn)確率都超過了93%。全局平均準(zhǔn)確率為93.7%。10次試驗(yàn)結(jié)果表明，該方法對scout R5的分類效果較好。從以上結(jié)果可以清楚地看出，R5 scout在四種MI任務(wù)的分類中扮演著最重要的角色。因此，選擇R5對四個(gè)MI任務(wù)進(jìn)行分類。圖 10圖11. (a)是不同模型的全局平均準(zhǔn)確性的比較。可以發(fā)現(xiàn)，該研究提出的模型可以達(dá)到最大的精度。從圖11. (b)不同模型的ROC曲線可以看出提出的模型比其他模型表現(xiàn)更好。?不同模型T1上的精度比較。(d)不同模型T2的精度比較。(e)不同模型T3的精度比較。(f)不同型號T4的精度比較。圖11 不同模型的精度比較結(jié)論東北電力大學(xué)和長春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法。該方法可以對運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者加入了4個(gè)新的受試者進(jìn)行驗(yàn)證來驗(yàn)證方法的有效性。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。論文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

成果介紹超材料(Metamaterial),或其二維形式—超表面(Metasurface)由具有亞波長尺寸的人工原子周期或者非周期地排列而成,其描述方式可分為等效媒質(zhì)和空間編碼兩種形式。由等效媒質(zhì)描述的超材料(或超表面)我們稱之為新型人工電磁媒質(zhì),由空間編碼描述的超材料(超表面)我們稱之為編碼超材料(超表面)和數(shù)字超材料(超表面)。對于新型人工電磁媒質(zhì),人們通過自由設(shè)計(jì)單元結(jié)構(gòu)、單元排列方式、以及單元各向異性,可以根據(jù)意愿控制等效媒質(zhì)的媒質(zhì)參數(shù),實(shí)現(xiàn)自然界中不存在或者很難實(shí)現(xiàn)的介電常數(shù)和/或磁導(dǎo)率,進(jìn)而控制電磁波。本成果對于新型人工電磁媒質(zhì)對電磁波的調(diào)控作用,例如隱身衣、電磁黑洞、雷達(dá)幻覺器件、遠(yuǎn)場超分辨率成像透鏡、新型透鏡天線、隱身表面、極化轉(zhuǎn)換器、人工表面等離激元器件及混合集成電路等。技術(shù)創(chuàng)新點(diǎn)及參數(shù)對于編碼和數(shù)字超材料(超表面),我們提出基于空間編碼調(diào)控電磁波的新思路。其中,一比特編碼超材料選用相位差接近180度的兩種基本單元(記為0單元和1單元),按照一定規(guī)律排列0和1單元構(gòu)成超材料,以實(shí)現(xiàn)所需的設(shè)計(jì)功能。當(dāng)電磁編碼采用FPGA控制時(shí),可實(shí)現(xiàn)現(xiàn)場可編程超材料,即單一的超材料在FPGA的實(shí)時(shí)控制下可實(shí)現(xiàn)多種功能(例如單波束、多波束、波束掃描、隱身功能等)。市場前景本成果獲得國家自然科學(xué)二等獎(jiǎng)。該項(xiàng)目突破傳統(tǒng)模擬超材料的等效媒質(zhì)表征方法，創(chuàng)造性地提出用 0 和 1 表征的數(shù)字超材料，建了數(shù)字編碼和現(xiàn)場可編程超材料新體系；在國際上率先從微波傳輸線的角度研究人工 SPP 超材料，提出一種性能優(yōu)越的超薄、可共形 SPP 傳輸線，開辟了基于 SPP 模式的微波領(lǐng)域新分支，實(shí)現(xiàn)了超材料研究從跟跑、并跑變成走在世界前列的跨越。

本發(fā)明公開了一種兼顧近場和遠(yuǎn)場性能的三維攝像聲納系統(tǒng)換能器陣列的稀疏優(yōu)化方法，包括以下步驟：根據(jù)三維攝像聲納系統(tǒng)中近場數(shù)字波束形成算法的類型，確定三維攝像聲納系統(tǒng)的聚焦距離誤差參數(shù)；利用聚焦距離誤差參數(shù)確定近場稀疏優(yōu)化能量函數(shù)；采用全局尋優(yōu)算法，求解使近場稀疏優(yōu)化能量函數(shù)達(dá)到最小的稀疏換能器陣列Q1；對Q1中開啟的換能器進(jìn)行二次稀疏優(yōu)化，求解使遠(yuǎn)場稀疏優(yōu)化能量函數(shù)達(dá)到最小的稀疏換能器陣列Q2；當(dāng)聲納系統(tǒng)工作在近場狀態(tài)時(shí)，使用Q1進(jìn)行聚焦波束形成；當(dāng)聲納系統(tǒng)工作在遠(yuǎn)場狀態(tài)時(shí)，使用Q2進(jìn)行遠(yuǎn)場波束形成。本發(fā)明能夠在有效降低系統(tǒng)硬件復(fù)雜度的同時(shí)，保證系統(tǒng)在不同探測距離下都具備穩(wěn)定的探測性能。

本發(fā)明公開了一種硅烷偶聯(lián)劑修飾二氧化鈦納米管陣列材料及其制備方法和應(yīng)用。該硅烷偶聯(lián)劑修飾二氧化鈦納米管陣列材料主要由二氧化鈦納米管陣列、硅烷偶聯(lián)劑、有機(jī)溶劑和冰醋酸混合后反應(yīng)得到，可應(yīng)用于處理含有機(jī)污染物和/或重金屬污染物的廢水中。本發(fā)明的硅烷偶聯(lián)劑修飾二氧化鈦納米管陣列材料氧化還原能力強(qiáng)，可同時(shí)去除有機(jī)污染物和重金屬污染物，且去除效果好，可反復(fù)使用。

史延慧教授介紹，實(shí)驗(yàn)基于咪唑的雙齒配體（1,4-雙咪唑基苯（1）和1,3-雙咪唑基苯（2））及三齒配體（1,3,5-三咪唑基苯（3））通過[2+2]及[2+3]配位驅(qū)動(dòng)自組裝與三種金屬釕中心（[Ru2(µ-η4-OO∩OO)(h6-p-cymene)2](O3SCF3)2(OO∩OO =草酸根（oxa（4）），2,5-二氧基-1,4-苯醌（dobq（5））和5,8-二氧基-1,4-萘醌（donq（6）））反應(yīng)，合成了6個(gè)四核矩形金屬環(huán)7-12及3個(gè)六核三棱柱金屬籠子13-15。生命科學(xué)學(xué)院張鵬副教授通過MTT實(shí)驗(yàn)發(fā)現(xiàn)配合物9,12和15對所測試的癌細(xì)胞系都有很高的抗癌活性，比順鉑更優(yōu)，與阿霉素相當(dāng)。文章探討了細(xì)胞內(nèi)攝取的效率是如何影響配合物9,12和15對癌細(xì)胞的細(xì)胞毒性和選擇性的，結(jié)果發(fā)現(xiàn)化合物9的積累水平在三種配合物中最高，即與A549中的最低IC50值一致（1.14 μM）。為研究抗癌機(jī)制，測量了滴定ctDNA到釕配合物的溶液中的紫外-可見光譜，得出配合物9,12和15與雙鏈ctDNA的結(jié)合能力是通過靜電結(jié)合方式作用的。這種結(jié)合方式通常是由帶正電的藥物分子與DNA中帶負(fù)電的磷酸部分相互作用導(dǎo)致的，而化合物9具有與ctDNA作用的最高結(jié)合常數(shù)Kb。

本成果可以應(yīng)用在基于無人飛行器的導(dǎo)航、跟蹤和三維重建等領(lǐng)域，方便在此類系統(tǒng)上構(gòu)建起精確可調(diào)的雙目立體視覺系統(tǒng)。目前，在無人機(jī)航拍領(lǐng)域，目前的云臺系統(tǒng)多用于單個(gè)相機(jī)航拍，該設(shè)計(jì)正是彌補(bǔ)了雙目相機(jī)航拍的需求，同時(shí)高精度的伺服系統(tǒng)有利于提高立體視覺標(biāo)定精度。 本技術(shù)的目的在于克服現(xiàn)有技術(shù)的上述缺陷，提供一種基線長度和俯仰角度可以自動(dòng)調(diào)節(jié)的無人雙目立體攝像機(jī)，該設(shè)計(jì)具有高精度的伺服控制性能，可以精確調(diào)節(jié)基線的長度，從而改變兩個(gè)攝像機(jī)共同可視范圍的大小，能有效計(jì)算圖像的深度信息，可以應(yīng)用于機(jī)器人導(dǎo)航、目標(biāo)跟蹤、三維重建等領(lǐng)域。