关键词： 晶间卤水   地球化学特征   稳定同位素   成因   马海盆地  

摘要： 马海盆地位于柴达木盆地北部，卤水资源丰富，但关于晶间卤水的系统研究仍相对薄弱，缺乏深入的水文地球化学分析。本文以马海盆地晶间卤水为研究对象，结合水化学特征与δD、δ18O、δ34S和δ7Li等同位素组成，探讨其水文地球化学特征及成因，并构建晶间卤水成因模式。研究表明，马海盆地晶间卤水pH为7.67～8.07,TDS为315.30～335.00 g/L，属高矿化度、弱碱性的Cl-SO4型晶间卤水。水化学分析表明，晶间卤水的溶质主要源于石盐、钾盐和石膏等矿物的溶解，水化学演化过程受蒸发浓缩、水-岩作用及阳离子交换作用的控制，储层封闭性较差，变质程度较低。氢、氧同位素值分别为-38.60‰～-22.80‰和-1.30‰～3.20‰，表明晶间卤水起源于大气降水或冰雪融水，并经历了显著的蒸发浓缩和水岩作用。硫同位素值为9.50‰～11.80‰，进一步反映出储层封闭性较差，且可能存在深部流体的混合补给。锂同位素值为30.49‰～32.74‰，进一步揭示晶间卤水主要受冲积扇地下水（55.56%～73.71%）和Ca-Cl泉水（26.29%～44.44%）的混合补给。综合分析认为，马海盆地晶间卤水的形成受大气降水的入渗补给、石盐及钾盐的溶滤、深部流体的混合及蒸发浓缩等水文地球化学过程共同作用，最终形成其现今的地球化学特征。本研究成果对于深化马海盆地卤水成因研究、提升资源评价水平及促进可持续开发具有重要意义。

关键词： 正向反应预测   多层级特征融合   SMILES编码   人工智能   机器学习   Transformer  

摘要： 有机化学的正向反应预测作为人工智能的一个重要应用，一直受到研究者的关注。简化分子线性输入规范(SMILES)提供了一种使化学分子线性化编码的方法。因此，可以将正向反应预测任务转换为机器翻译中序列到序列的生成任务。传统的Transformer模型只关注化学式中原子间的注意力权重，而忽略分子内的全局信息，此外，传统的Transformer模型面对同一个分子的不同表示的时候，存在着预测性能下降、泛化能力不强的问题。为了解决上述的问题，提出了一种基于双编码器的多层级有机化学的反应预测方法。首先，通过使用两个编码器分别处理分子层级和原子层级的信息，使得模型专注于各自层面的特征提取。其次，提出分子特征表示算法，对原子嵌入取平均获得分子间的相互作用。最后，利用自动调节的门控单元对原子编码器和分子编码器的输出结果进行多层级特征融合，融合结果输入到解码器。实验结果表明，提出的方法在三个USPTO数据集上获得比基线更好的结果，并且提高了模型的泛化能力和长序列的处理能力。

关键词： 易解理   氮化镓晶体   超声辅助   化学机械抛光   材料去除率   表面粗糙度  

摘要： 目的 为探究第三代半导体材料易解理氮化镓晶体高效、低损伤抛光加工工艺。方法 本文提出使用超声辅助与光电化学机械相结合的抛光技术，对氮化镓晶体N面（即（0001）面或-C方向）进行抛光加工。通过单因素试验研究抛光压力、抛光盘转速、超声振幅、光照强度以及外加电压等因素对氮化镓N面材料去除率（MRR）和表面粗糙度（Ra）的影响规律，通过正交试验探究最佳抛光加工工艺参数组合，通过XPS试验分析抛光前后氮化镓晶体N面化学元素构成，进一步探究氮化镓晶体超声辅助光电化学机械抛光材料去除机理。结果 试验结果表明，以上五个因素均对氮化镓MRR和Ra有显著影响。各因素对材料去除率的影响主次为抛光压力＞外加电压＞光照强度＞抛光盘转速＞超声振幅；各因素对表面粗糙度的影响主次为外加电压＞光照强度＞抛光压力＞抛光盘转速＞超声振幅。最佳工艺参数选取抛光压力为150Pa，抛光盘转速为60r/min，超声振幅为30μm，光照强度为60%，外加电压为3V。经最优参数加工后，氮化镓N面MRR为235.76nm/h，Ra为1.298nm。结论 采取超声辅助与光电化学机械相结合的抛光加工方法能够增强化学反应与机械去除的协同作用，实现氮化镓晶体材料的高效去除，获得超光滑无损伤加工晶面，满足后续实际应用的需求。

关键词： 电厂化学   废水零排放   废水处理技术  

摘要： 随着环保法规的日益严格,电厂面临着如何有效的处理复杂化学废水、实现零排放的巨大挑战.电厂化学废水含有重金属、氮磷化合物、悬浮物等大量的有害物质,且水质变化较大,传统的废水处理方法已难以满足日益严苛的排放标准,本文分析了多种先进废水处理技术,物理预处理技术如格栅除渣与沉砂池能有效的去除大颗粒物质,化学处理技术如混凝沉淀法则能去除溶解性污染物,生物处理技术用微生物降解有机污染物,减少水中的有害成分,膜技术则运用反渗透等高效分离技术,实现废水浓缩与回用。智能化监控与管理的引入,为废水处理系统提供了更高的自动化水平,实时的监控与数据分析,能优化处理流程、减少人工干预并及时的调整运行参数。综合运用多种技术手段,电厂能实现废水的零排放,还能降低能耗与运行成本,推动资源的循环利用。

关键词： 配电网   拓扑识别   多智能体   深度强化学习   奖励规则  

摘要： 配电网拓扑识别对于提升电力调度精准性、故障处理效率及智能化管理水平具有重要意义。然而，大规模分布式电源接入、量测信息良莠不齐等问题使传统的拓扑识别算法面临挑战。为此，提出了一种基于多智能体深度强化学习的新型配电网拓扑识别算法。首先，利用Pandapower获取原始训练数据，进行数据归一化处理并用时间序列线性插值填补缺值。其次，构建多智能体深度强化学习模型，利用动态时间规整方法设计奖励机制进行离线完全去中心训练，衡量目标拓扑与当前拓扑之间的距离，基于负距离引导学习后，再通过在线动态识别策略使每个智能体能够针对特定配电网拓扑进行识别。最后，在IEEE 33节点配电系统仿真算例中，验证了所提算法具有较高的精准性和适应性。

关键词： 烯胺酮   碳-氢键   硫氰化   电化学   自由基反应  

摘要： 报道了一例电化学条件下烯胺酮类化合物高通用性α-碳-氢键硫氰化反应的方法.在三氟乙酸（TFA）存在,室温条件下实现了N,N-双取代-、N-取代-以及NH2-烯胺酮类化合物的α-硫氰化产物的合成,为不同类型烯胺酮的烯基硫氰化反应提供了绿色途径.

关键词： 网络药理学   分子对接   紫花苜蓿   降脂活性  

摘要： 利用网络药理学和分子对接技术以及降脂活性实验筛选出紫花苜蓿降脂的化学成分。通过建立紫花苜蓿化合物库，构建“化合物-靶点”网络拓扑图，推测具备降脂活性的关键活性化合物和核心靶蛋白；利用DAVID等工具进行GO和KEGG分析，预测这些活性化合物相关的生物功能和关键信号通路，证明紫花苜蓿活性成分具有多成分、多靶点的协同作用特征；借助通过油红O染色和甘油三酯（triglyceride，TG）实验结合预测结果，利用HepG2细胞对关键化合物的降脂活性进行评估。网络药理学和分子对接的结果表明，medicagenic acid 3，28-di(O-glucupyranoside)、(3S)-7，2′，5′-Trihydroxy-8，4′-dimethoxy-isoflavane-7-O-β-D-glucoside、arctigenin与醛酮还原酶1B均有较好的结合能力；油红O染色和TG验证实验结果显示这些化合物均能有效减少细胞内脂肪的堆积及TG含量水平，其中，medicagenic acid 3，28-di (O-glucupyranoside)效果最好。本研究结果为紫花苜蓿降脂化学成分物质基础提供了重要参考。

关键词： 中学化学   核心素养   “教—学—评”一体化   大概念  

摘要： 基于促进学生化学核心素养发展开展“教—学—评”一体化的实践，对于教师在教学中落实课程标准要求，实现核心素养培育至关重要。化学核心素养的评价内涵包括情境、知识、能力、情意态度，据此开展“教—学—评”一体化的实践是学习目标统领的逆向设计的实施过程。研究认为，实施策略包括基于化学核心素养制订学习目标；围绕素养内涵设计多样化评价；用结构化的核心问题串连教学过程。实施化学核心素养的“教—学—评”一体化要注重科学精准设计评价任务，有效诊断学情；基于学情设计难点突破策略；从情境创设到素养发展，践行促进学生核心素养发展的课堂教学模式。

关键词： 大学有机化学   项目式教学   复习课   液晶化合物  

摘要： 以“液晶化合物4-正戊基苯甲酸-4’-正戊基苯酯的合成路线设计与产品制备”为项目主题，通过初识液晶化合物、探秘液晶化合物4-正戊基苯甲酸-4’-正戊基苯酯的合成路线、实验合成以及小组展示汇报等关键任务实现对大学有机化学相关章节核心知识的复习巩固，深化化学对社会发展重要性的认识，培养科学探究与创新思维能力，拓展复习课教学方式，提升复习课教学质量。

关键词： 数字化学习   认知负荷   智能化评估   机器学习   深度学习  

摘要： 随着智能技术的飞速发展，数字化学习的逐渐普及为学习者们提供了多样化的资源和途径，然而这一学习方式在丰富学习体验的同时也对学习者的认知负荷带来了复杂的挑战。传统的认知负荷测量方法存在过程性不足、动态监测缺失以及即时反馈缺乏等精准度方面的问题，因此，认知负荷智能化评估逐渐成为研究的热点。智能化评估通过结合生理指标，利用机器学习与深度学习等非侵入性技术手段，实现对学习者认知负荷的精准评估。本文系统梳理了支持向量机、随机森林、线性判别分析等传统机器学习算法，以及前馈神经网络、卷积神经网络、长短期记忆网络和混合模型等深度学习算法在认知负荷智能化评估中的应用，探讨数字化学习中认知负荷智能化评估的启示和发展方向，并前瞻性地探索了大语言模型在认知负荷智能化评估中的潜力，旨在为高效的数字化学习提供帮助。