一种含有联苯骨架的手性化合物及其制备方法与应用

    公开(公告)号:CN108586529A

    公开(公告)日:2018-09-28

    申请号:CN201810184814.3

    申请日:2018-03-06

    发明人: 崔勇 陈旭 刘燕

    摘要: 本发明涉及一种含有联苯骨架的手性化合物及其制备方法与应用,手性化合物的化学结构式为其中,R1、R2分别独立地选自氢、甲基、叔丁基、卤素、苯基、取代苯基、萘基或取代萘基,R3选自乙烯基、羧基或二苯基膦,R4选自硫、氧或硒,R5选自羟基或三氟甲磺酰胺基,R6选自硫或氧;手性化合物由(R)-3,3’-二叔丁基-5,5’-二溴-6,6’-二甲基-1,1’-联苯-2,2’-二酚制备而成;手性化合物作为催化剂,用于催化不对称反应。与现有技术相比,本发明提供了一系列基于联苯骨架的手性化合物,包括手性磷酸、双膦、磷酰胺、硫代磷酸、硫代磷酰胺酯、双烯、二羧酸等,这些手性化合物可以用作不对称反应中的催化剂,且结构较为简单,易于合成制备,应用前景广阔。

    一种快速组装金纳米棒和聚腺嘌呤DNA的方法

    公开(公告)号:CN118064423A

    公开(公告)日:2024-05-24

    申请号:CN202410160744.3

    申请日:2024-02-04

    发明人: 张欢 张宏陆 陈旭

    IPC分类号: C12N15/10

    摘要: 本发明涉及一种快速组装金纳米棒和聚腺嘌呤DNA的方法,所述方法包括以下步骤:在CTAB存在下,通过一步还原的方法合成有CTAB双分子层稳定的金纳米棒;准备聚腺嘌呤DNA溶液;将DNA溶液与CTAB修饰的金纳米棒混合,加入盐溶液后丁醇脱水;加入0.5xTBE将底部固溶体重悬,去除上清液;加入超纯水后通过离心洗涤,去除游离的DNA,从而获得金纳米棒与聚腺嘌呤DNA的组装体DNA‑AuNR;本发明通过正丁醇快速去除金纳米棒和DNA混合物中的水分子,促进金纳米棒与核酸分子亲和基团的吸附,实现了金纳米棒和聚腺嘌呤DNA的快速组装,是一种简单、快速、成本效益和普适性更佳的组装策略。

    一种制备金属液滴的方法
    3.
    发明公开

    公开(公告)号:CN118045997A

    公开(公告)日:2024-05-17

    申请号:CN202410184438.3

    申请日:2024-02-19

    IPC分类号: B22F9/24 B22F1/0545

    摘要: 本发明涉及一种制备金属液滴的方法,所述的制备方法通过在金纳米颗粒上组装的具有回文序列的十字形DNA纳米结构,在盐溶液中回文序列的粘性末端自缔合,将金纳米颗粒组装成微米尺寸的金属液滴,并且所制备的金属液滴表现出类似液相的性质,具有优异的流动性。

    一种多个机器人搬运模型的建模方法、搬运方法及装置

    公开(公告)号:CN116945150A

    公开(公告)日:2023-10-27

    申请号:CN202210417042.X

    申请日:2022-04-20

    IPC分类号: B25J9/16

    摘要: 本发明提供一种多个机器人搬运模型的建模方法、搬运方法及装置,涉及多个机器人领域,该方法包括:获取多个机器人的位置信息;其中多个机器人通过连接杆的顶部与软布的顶点连接;在软布局部坐标系、搬运全局坐标系和机器人编队局部坐标系中根据多个机器人的位置信息和软布的第一展开形态信息构建虚拟连杆模型及求解方程;根据多个机器人的位置信息和虚拟连杆模型及求解方程在所述搬运全局坐标系和机器人编队局部坐标系中得到多个机器人搬运模型的正运动学解、多个机器人的编队信息和多个机器人搬运模型的逆运动学解。本发明中,利用软布的可变形性和正逆运动学框架实现了多个机器人平稳安全的搬运物体。

    基于变分解耦合方式对符号有向网络的表达学习方法

    公开(公告)号:CN109523012B

    公开(公告)日:2021-06-04

    申请号:CN201811184604.0

    申请日:2018-10-11

    IPC分类号: G06N3/04 G06N3/08 G06Q50/00

    摘要: 本发明提供一种基于变分解耦合方式对符号有向网络的表达学习方法,读取社交网站的符号有向网络数据,符号有向网络数据主要包括节点间边正负和方向的网络数据;令符号有向网络数据根据符号进行分离,得到正无向图、负无向图,所述正无向图用邻接矩阵A+表示,所述负无向图用邻接矩阵A‑表示;令邻接矩阵A+、A‑输入至变分解耦合编码器,进行节点编码后的向量表达学习,记为学习后向量表达;基于符号有向网络中节点间的关系构建结构解码器,依照目标损失函数进行修正,得到优化后向量表达;令优化后向量表达应用于设定的数据挖掘任务。通过分离符号有向网络形成正无向网络、负无向网络,学习节点的符号化局部连续性特征,充分挖掘节点间的依赖性模式,适合于社交网络中用户推荐。

    人体骨架动作识别方法、系统及介质

    公开(公告)号:CN110490035A

    公开(公告)日:2019-11-22

    申请号:CN201910411801.X

    申请日:2019-05-17

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明提供了一种人体骨架动作识别方法、系统及介质,包括:数据获取步骤:获取人体骨架数据;动作结构图推断步骤:根据获取的人体骨架运动数据,推断不同关节之间的连接关系,构建以关节为点和以连接关系为边的动作结构图;动作结构特征提取步骤:将获得的动作结构图引入由空间图卷积和时间卷积构成的深度模型中,提取关节的动作语义信息;动作分析与识别步骤:根据提取的关节地动作语义信息,实现动作识别。本发明建模节点在动作中的关系,从而更好地捕捉运动模式,不仅局限于人体的骨架结构,本发明挖掘了动作中关节在运动时的关系,以及关节与生物结构中远距离节点之间的关系,泛化了图结构。

    利用光电混合缓存结构实现的光分组存取方法

    公开(公告)号:CN1996799B

    公开(公告)日:2010-04-14

    申请号:CN200610118902.0

    申请日:2006-11-30

    摘要: 本发明涉及一种利用光电混合缓存结构实现的光分组存取方法,由环状的光纤延迟线缓存结构和电缓存结构组成光电混合缓存结构。进行缓存时,从光分组交换节点输入端口到达的光分组先选择进入环状的光纤延迟线缓存结构以循环队列的方式进行存取,若循环光分组队列满或电缓存内已有缓存的光分组信息,则根据到达光分组的优先级进行可选的电缓存。进行读取时,环状的光纤延迟线结构内的循环光分组队列依次输出光分组,电缓存内缓存的光分组信息在循环光分组队列只剩一个光分组时才开始向环状的光纤延迟线结构中输出,直至循环光分组队列满或电缓存内不再有光分组信息才停止。本发明能减少节点处光纤延迟线的总数目和总长度,提高光纤延迟线的利用率。

    利用光电混合缓存结构实现的光分组存取方法

    公开(公告)号:CN1996799A

    公开(公告)日:2007-07-11

    申请号:CN200610118902.0

    申请日:2006-11-30

    摘要: 本发明涉及一种利用光电混合缓存结构实现的光分组存取方法,由环状的光纤延迟线缓存结构和电缓存结构组成光电混合缓存结构。进行缓存时,从光分组交换节点输入端口到达的光分组先选择进入环状的光纤延迟线缓存结构以循环队列的方式进行存取,若循环光分组队列满或电缓存内已有缓存的光分组信息,则根据到达光分组的优先级进行可选的电缓存。进行读取时,环状的光纤延迟线结构内的循环光分组队列依次输出光分组,电缓存内缓存的光分组信息在循环光分组队列只剩一个光分组时才开始向环状的光纤延迟线结构中输出,直至循环光分组队列满或电缓存内不再有光分组信息才停止。本发明能减少节点处光纤延迟线的总数目和总长度,提高光纤延迟线的利用率。

    五轴机床在机测量的高精度比对测量方法及系统

    公开(公告)号:CN117245449A

    公开(公告)日:2023-12-19

    申请号:CN202311414599.9

    申请日:2023-10-27

    IPC分类号: B23Q17/24

    摘要: 本发明提供一种五轴机床在机测量的高精度比对测量方法及系统,包括:获取工件的表面点位数据,并将获得表面点位数据的工件作为标准件;将标准件和待测试工件对称夹在机床的旋转台上,确保在旋转180°后,标准件的位置与测试工件的位置相同;按照设定的测量路径,测量测试工件表面;将机床的C轴旋转180°,使标准件的位置与测试工件的位置相同,使用测量测试工件表面;使用坐标测量机获得的标准件表面点位数据和获得的标准件在机测量点位数据来校准标准件表面,消除表面的加工误差;计算测试工件与校准标准件之间的误差,得到的表面误差。本发明无需额外的机床系统误差检测和补偿,操作简便,高效,成本效益显著。

    基于物品关联关系的序列化推荐方法

    公开(公告)号:CN109446413B

    公开(公告)日:2021-06-01

    申请号:CN201811116273.7

    申请日:2018-09-25

    摘要: 本发明提供一种基于物品关联关系的序列化推荐方法,从网络端获取用户与物品之间的交互数据;令交互数据构建物品的共生关系图,所述共生关系图用关联关系图邻接矩阵进行表示;令关联关系图邻接矩阵进行图卷积操作,获得物品的关联性特征;令物品的关联性特征输入推荐模型进行训练;令推荐模型输出序列化推荐。能够对用户行为中隐含的物品关联性关系的挖掘,与序列化推荐模型联合训练,为用户的序列化推荐提供服务;利用用户与物品交互数据挖掘物品间的关联关系,并对关联关系进行了向量化的表示,直观而客观的展现每个物品的关联性特征,采用欧式距离对关联物品分析;以端到端的方式和序列化推荐模型协同训练,为用户提供最终的序列化推荐服务。