量子化学应用范文
时间:2023-10-30 17:57:37
导语:如何才能写好一篇量子化学应用,这就需要搜集整理更多的资料和文献,欢迎阅读由公务员之家整理的十篇范文,供你借鉴。
篇1
(一)在建筑材料方面的应用
水泥是重要的建筑材料之一。1993年,计算量子化学开始广泛地应用于许多水泥熟料矿物和水化产物体系的研究中,解决了很多实际问题。
钙矾石相是许多水泥品种的主要水化产物相之一,它对水泥石的强度起着关键作用。程新等[1,2]在假设材料的力学强度决定于化学键强度的前提下,研究了几种钙矾石相力学强度的大小差异。计算发现,含Ca钙矾石、含Ba钙矾石和含Sr钙矾石的Al-O键级基本一致,而含Sr钙矾石、含Ba钙矾石中的Sr,Ba原子键级与Sr-O,Ba-O共价键级都分别大于含Ca钙矾石中的Ca原子键级和Ca-O共价键级,由此认为,含Sr、Ba硫铝酸盐的胶凝强度高于硫铝酸钙的胶凝强度[3]。
将量子化学理论与方法引入水泥化学领域,是一门前景广阔的研究课题,它将有助于人们直接将分子的微观结构与宏观性能联系起来,也为水泥材料的设计提供了一条新的途径[3]。
(二)在金属及合金材料方面的应用
过渡金属(Fe、Co、Ni)中氢杂质的超精细场和电子结构,通过量子化学计算表明,含有杂质石原子的磁矩要降低,这与实验结果非常一致。闵新民等[4]通过量子化学方法研究了镧系三氟化物。结果表明,在LnF3中Ln原子轨道参与成键的次序是:d>f>p>s,其结合能计算值与实验值定性趋势一致。此方法还广泛用于金属氧化物固体的电子结构及光谱的计算[5]。再比如说,NbO2是一个在810℃具有相变的物质(由金红石型变成四方体心),其高温相的NbO2的电子结构和光谱也是通过量子化学方法进行的计算和讨论,并通过计算指出它和低温NbO2及其等电子化合物VO2在性质方面存在的差异[6]。
量子化学方法因其精确度高,计算机时少而广泛应用于材料科学中,并取得了许多有意义的结果。随着量子化学方法的不断完善,同时由于电子计算机的飞速发展和普及,量子化学在材料科学中的应用范围将不断得到拓展,将为材料科学的发展提供一条非常有意义的途径[5]。
二、在能源研究中的应用
(一)在煤裂解的反应机理和动力学性质方面的应用
煤是重要的能源之一。近年来随着量子化学理论的发展和量子化学计算方法以及计算技术的进步,量子化学方法对于深入探索煤的结构和反应性之间的关系成为可能。
量子化学计算在研究煤的模型分子裂解反应机理和预测反应方向方面有许多成功的例子,如低级芳香烃作为碳/碳复合材料碳前驱体热解机理方面的研究已经取得了比较明确的研究结果。由化学知识对所研究的低级芳香烃设想可能的自由基裂解路径,由Guassian98程序中的半经验方法UAM1、在UHF/3-21G*水平的从头计算方法和考虑了电子相关效应的密度泛函UB3LYP/3-21G*方法对设计路径的热力学和动力学进行了计算。由理论计算方法所得到的主反应路径、热力学变量和表观活化能等结果与实验数据对比有较好的一致性,对煤热解的量子化学基础的研究有重要意义[7]。
(二)在锂离子电池研究中的应用
锂离子二次电池因为具有电容量大、工作电压高、循环寿命长、安全可靠、无记忆效应、重量轻等优点,被人们称之为“最有前途的化学电源”,被广泛应用于便携式电器等小型设备,并已开始向电动汽车、军用潜水艇、飞机、航空等领域发展。
锂离子电池又称摇椅型电池,电池的工作过程实际上是Li+离子在正负两电极之间来回嵌入和脱嵌的过程。因此,深入锂的嵌入-脱嵌机理对进一步改善锂离子电池的性能至关重要。Ago等[8]用半经验分子轨道法以C32H14作为模型碳结构研究了锂原子在碳层间的插入反应。认为锂最有可能掺杂在碳环中心的上方位置。Ago等[9]用abinitio分子轨道法对掺锂的芳香族碳化合物的研究表明,随着锂含量的增加,锂的离子性减少,预示在较高的掺锂状态下有可能存在一种Li-C和具有共价性的Li-Li的混合物。Satoru等[10]用分子轨道计算法,对低结晶度的炭素材料的掺锂反应进行了研究,研究表明,锂优先插入到石墨层间反应,然后掺杂在石墨层中不同部位里[11]。
随着人们对材料晶体结构的进一步认识和计算机水平的更高发展,相信量子化学原理在锂离子电池中的应用领域会更广泛、更深入、更具指导性。
三、在生物大分子体系研究中的应用
生物大分子体系的量子化学计算一直是一个具有挑战性的研究领域,尤其是生物大分子体系的理论研究具有重要意义。由于量子化学可以在分子、电子水平上对体系进行精细的理论研究,是其它理论研究方法所难以替代的。因此要深入理解有关酶的催化作用、基因的复制与突变、药物与受体之间的识别与结合过程及作用方式等,都很有必要运用量子化学的方法对这些生物大分子体系进行研究。毫无疑问,这种研究可以帮助人们有目的地调控酶的催化作用,甚至可以有目的地修饰酶的结构、设计并合成人工酶;可以揭示遗传与变异的奥秘,进而调控基因的复制与突变,使之造福于人类;可以根据药物与受体的结合过程和作用特点设计高效低毒的新药等等,可见运用量子化学的手段来研究生命现象是十分有意义的。
综上所述,我们可以看出在材料、能源以及生物大分子体系研究中,量子化学发挥了重要的作用。在近十几年来,由于电子计算机的飞速发展和普及,量子化学计算变得更加迅速和方便。可以预言,在不久的将来,量子化学将在更广泛的领域发挥更加重要的作用。
参考文献:
[1]程新.[学位论文].武汉:武汉工业大学材料科学与工程学院,1994
[2]程新,冯修吉.武汉工业大学学报,1995,17(4):12
[3]李北星,程新.建筑材料学报,1999,2(2):147
[4]闵新民,沈尔忠,江元生等.化学学报,1990,48(10):973
[5]程新,陈亚明.山东建材学院学报,1994,8(2):1
[6]闵新民.化学学报,1992,50(5):449
[7]王宝俊,张玉贵,秦育红等.煤炭转化,2003,26(1):1
[8]AgoH,NagataK,YoshizawAK,etal.Bull.Chem.Soc.Jpn.,1997,70:1717
[9]AgoH,KatoM,YaharaAK.etal.JournaloftheElectrochemicalSociety,1999,146(4):1262
[10]SatoruK,MikioW,ShinighiK.ElectrochimicaActa1998,43(21-22):3127
[11]麻明友,何则强,熊利芝等.量子化学原理在锂离子电池研究中的应用.吉首大学学报,2006,27(3):97.
篇2
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”[3]。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值[4]。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。[5]高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。
二、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
(四)2013年诺贝尔经济学奖的启示
篇3
关键词:离子液体;合成;红外光谱;核磁共振;量子化学计算
中图分类号:O645 文献标志码:A 文章编号:1672-1098(2014)02-0001-04
离子液体[1-2](ionic liquid)兼有极性与非极性有机溶剂的溶解特性,对有机、金属有机、无机化合物有很好的溶解性,溶解在离子液体中的催化剂,同时具有均相与非均相催化剂的优点,催化反应有高的反应速率与高的选择性,与传统的易挥发有机溶剂(the volatile organic compounds,VOCs)相比具有无味,不燃,易于产物分离,易回收,可循环使用的优点,可见离子液体在作为与环境友好的“洁净”溶剂方面有很大的潜力[3-5]。本研究包括(1)离子液体[BMIm]Cl的合成;(2)离子液体[BMIm]Cl的表征及量子化学计算。
1 实验部分
1.1 试剂
N-甲基咪唑(工业级,浙江临海化工厂),氯代正丁烷(n-BuCl,AR),氢氧化钠(NaOH),浓硫酸(H2SO4),碳酸氢钠(NaHCO3),乙酸乙酯(EA),高纯氮气(N2)。
1.2 仪器
傅立叶变换红外光谱仪测试系统(Nicolet 8700,美国热电仪器公司),超导傅立叶数字化核磁共振谱仪(AVANCE III 400 MHz,瑞士布鲁克公司),数显恒温搅拌油浴锅(HH-S4,金坛市白塔金昌实验仪器厂),真空干燥箱(101A-3,上海实研电炉有限公司)。
1.3 方法与步骤
1.3.1 原料的预处理 N-甲基咪唑的预处理:常温下取100 mL N-甲基咪唑,加入2~3 g NaOH搅拌进行干燥脱水,在N2保护下取(180±10)℃馏分即为所得纯品。
氯代正丁烷的预处理:用适量浓H2SO4多次洗涤n-BuCl至酸层无色,用1 mol/L的NaHCO3水溶液中和后,在N2保护下取(70±10)℃馏分即为所得纯品。
1.3.2 离子液体[BMIm]Cl的合成 如图1所示,在装有回流冷凝管、滴液漏斗和氮气导管(兼含温度计)的500 mL三口烧瓶中,按摩尔比1.1∶ 1加入N-甲基咪唑70 mL(约合0.878 mol),并将100 mL n-BuCl(约合0.957 mol)装入滴液漏斗,设置油浴加热温度70 ℃,在N2保护下将n-BuCl在2 h内滴加完毕,之后继续加热搅拌回流反应48 h,得到的粘稠液体在0 ℃以下冷冻1~2 d后结晶。抽滤晶体后,用EA反复洗涤,如图2所示。在50 ℃、0.08 MPa下真空干燥脱除残留的EA后,得到白色固体产品氯代1-丁基-3-甲基咪唑(1-butyl-3-methyl imidazolium chloride,记为[BMIm]Cl,下同),产率93%(真空干燥后的固体应立即称量或使用,否则极易吸水)。
1.3.3 [BMIm]Cl的表征 利用红外光谱仪和核磁共振谱仪(CDCl3作溶剂)对合成的离子液体[BMIm]Cl的化学结构进行表征。
1.3.4 [BMIm]Cl的量子化学计算 使用Materials Studio 5.5计算工作站对[BMIm]Cl进行了分子建模,并使用Dmol3模块对其结构进行了量子化学计算和优化。
2 结果与讨论
2.1 [BMIm]Cl的合成反应式
N-甲基咪唑和氯代正丁烷反应合成离子液体[BMIm]Cl的反应方程式如图3所示。
2.2 [BMIm]Cl的红外结构表征
图4中,3 416 cm-1是咪唑环甲基侧链C-H键伸缩振动吸收峰,2 961 cm-1是丁基取代基上-CH3的C-H伸缩振动峰,2 874 cm-1是丁基取代基上-CH2-的伸缩吸收峰,1 636 cm-1是咪唑环上C=C伸缩振动峰,1 570 cm-1是咪唑环中C=N伸缩振动吸收峰,1 465 cm-1是丁基侧链-CH2-上的C-H面内弯曲振动峰。1 169 cm-1是咪唑环中的C-H弯曲振动峰,754 cm-1是咪唑环的弯曲振动峰,3 416 cm-1是少量杂质水带来的-OH峰。FTIR(film)/cm-1ν=2961, 2 874(ν C-H);1 636(ν C=C);
1 570(ν C=N); 1 465(β C-H);1 169(δ C-H); 754 (δ 咪唑环)。
2.3 [BMIm]Cl的核磁结构表征 在实测谱图5b上,化学位移δ为0.9是丁烷基侧链上-CH3的氢原子,δ为1.4是丁烷基上连接-CH3上的-CH2-氢原子,δ为1.9是丁烷基上中间的-CH2-氢原子,δ为4.1是与咪唑环上N相连的甲基侧链-CH3上的氢原子,δ为4.3是丁烷基与咪唑环上N相连的-CH2-氢原子,δ为7.4和7.5分别是咪唑环上CH=CH对应的氢原子,δ为10.7是咪唑环上N=CH-N上的氢原子。
尽管由于电负性差异造成实测谱图与理论谱图在化学位移上略有差别,但从峰强度和H分布基团角度来看,所合成的物质可判定为[BMIM]Cl,且其杂质较少,含水量低于1%。
其数据为1H NMR (400 MHz, CHLOROFORM-D,27 ℃ )ppm 0.93 (td,J=7.34,1.63 Hz,3 H) 1.35 (ddd,J=15.18, 7.40, 1.51 Hz, 2 H) 1.87 (m, 2 H) 4.10 (d, J=1.25 Hz, 3 H) 4.30 (t, J=7.40 Hz, 2 H) 7.38 (dd, J=3.39, 1.63 Hz, 1 H) 7.50 (m, 1 H) 10.66 (d, J=8.78 Hz, 1 H)。
2.4 [BMIM]Cl结构的理论计算
[BMIM]Cl分子是通过离子氢键将阳离子[BMIM]+与阴离子Cl-结合而形成,其间会有电子转移,但[BMIM]+因电子云密度较小而显正电性,Cl-则显负电性。根据理论推测,[BMIM]Cl分子的HOMO应该大部分存在于Cl-上,而LUMO则会集中出现在[BMIM]+上。量化计算结果证明了这种推测,如图6所示。
图6a中,[BMIM]Cl分子的HOMO全部存在于Cl-上,因为阴离子在形成过程中,由于电子在Cl-轨道中转移,使其轨道更易填满。由于HOMO的存在,Cl原子轨道能级为所有填充轨道中最高的。而图6b所示的LUMO大部分出现在[BMIM]+部分,且主要集中于咪唑环上,这是由于丁基与N原子结合后,在N-C-N三个原子之间形成一个由两个电子与一个空轨道组成的大π键,与H2有很强的H-π共轭效应,可以形成较强的分子内氢键,令整个离子因缺少一个电子而显正电性,且正电荷存在于咪唑环内。LUMO的存在说明若有多余电子,咪唑环上的空余分子轨道将被优先填充。
对比图5实测数据可明显发现,咪唑环上CH=CH对应化学位移左偏,咪唑环上N=CH-N和甲基侧链右偏,该现象也可用上述HOMO和LUMO进行解释。
3 结论
本文通过合成了离子液体[BMIM]Cl,对其IR、1HNMR谱图进行了综合分析,表明所合成的离子液体[BMIM]Cl杂质较少,含水量低于1%,并通过理论计算,均使得离子液体的结构与理论吻合,为该类型离子液体的合成、应用研究提供了帮助。
参考文献:
[1] SWATLOSKI R P, HOLBREY J D, ROGERS R D.Ionic liquids are not always green: hydrolysis of 1-butyl-3-methylimidazolium hexafluorophosphate[J]. Green Chemistry, 2003, 5(4): 361-363.
[2] 邓友全. 离子液体―性质, 制备与应用[M]. 北京: 中国石化出版社, 2006:8-100.
[3] SHELDON R. Catalytic reactions in ionic liquids[J]. Chemical Communications, 2001 (23): 2 399-2 407.
篇4
基于与业务主管部门和登记注册管理部门前期积极的工作交流,“人才联盟”落户海南进入加速实施阶段,相关人才项目的准备工作基本完成,现将近期工作汇报如下:
一、“人才联盟”申请成立进度
积极与相关领导深入沟通交流,在充分阐述“人才联盟”成立的初衷、即将开展的业务范围、广泛深远的社会经济意义以及发展前景的基础上,对可行性征询材料进行了系统的完善。
“人才联盟”筹备委员会已经在第一时间通知所有发起单位、会员单位以及捐资单位按照成立登记申请相关要求完成相关材料的整理,近期提交筹委会进行审核、报送社会团体管理处。
二、首批外籍院士工作站项目
为抓紧落实人才交流大会上关于“百位外籍院士入海南”的签约合作以及推进首批外籍院士工作站项目,“人才联盟”筹委会依托联盟平台优势整合国际人才资源,已经累计与24名外籍院士及2名重要领域博士确立合作关系,外籍院士及博士分别来自俄罗斯、乌克兰、哈萨克斯坦、乌兹别克斯坦和中国,涉及领域涵盖公共卫生、医疗、环境保护、新能源、可再生能源、生物科学、生态系统、农业技术、新材料、机械科学、电真空技术、船舶技术设计和物理化学等领域,分别为农业学、无线电物理学、低温物理学、声学、热物理学、光学、固态物理学、核物理学、雷达技术、电磁场与微波技术、高功率微波技术、超导体学、生物能源、新能源、综合医学、临床医学、病理学、神经生理学、血液学、免疫学、肿瘤学、高科技医学工程、微血管学、心脏外科、分子诊断、基因组学、蛋白质组学、系统生物学、生物化学、分子生物学、遗传学、天然及合成化合物技术、化学物理学、晶体量子化学、固体量子化学、高分子物理学、高分子化合物、纳米材料、复合材料、聚合过程动力热力学、动力工程学、爆炸物理学、核技术以及流体力学等学科的专家。2名外籍博士为各自所在领域的高端技术研究人才,所掌握技术为无线电应用和探地雷达领域核心技术,可填补国内在该领域的空白。
篇5
关键词:因子分析;地球化学测量;水系沉积物;R型因子
1 因子分析的不同方式及其适用范围
因子分析法,其基本目的在于用较少的因子,描述或解释整个事件中变量的关系,不同于主要成分分析,它是通过降维的思想,将原始的研究数据通过矩阵(或协方差矩阵)的形式,以其内部变量关系相互关系为出发点,将错综复杂的变量用少数变量因子来表示的多元统计分析法。
因子分析可根据其出发点不同分为:R型因子分析、Q型因子分析,以及Q-R型因子分析:
R型因子分析,是针对变量所做的因子的分析,其基本思路为通过对变量的相关系数矩阵结构组合的研究,找出能够表现所有变量的少数几个随机变量来描述大多数随机变量之间的相关关系。再根据其相关性的大小对变量进行分组,使同组内的变量之间的相关性较高,而非同组变量之间的相关性较低。
Q型因子分析,是针对样品所做的因子分析。它与R因子的出发点不同,但核心的思路是相同的。它的计算是从样品的相似系数矩阵出发,而R型因子分析的计算是从样品的相关系数矩阵出发的。换而言之就是考虑指标的重要程度,决定保留哪些去掉哪些;Q型聚类分析考虑的是指标之间的相关性,哪几类指标可以合并组成一个类,使得组内距离而小组间距离大(组内距离、组间距离根据具体问题进行具体的调整分析)。
Q-R型因子分析巧妙的运用了R型因子与Q型因子的对偶关系,将变量与样品特性投影在一个因子空间内,使得样品类型特征可以以空间内其他变量点来解释。
水系沉积物样品分析中,核心问题是研究元素共生组合关系,因此R型因子分析被视为样品分析的有效手段和方法,就像原子内部规律组合的结构,R型因子将其所代表的多项变量因子进行整合,实现降维,不仅能体现出元素在含量上的相互关系,更可以反应元素内部成因关系。换而言之,R型因子分析结果可以用来进一步的分析元素的赋存状态和形成方式。在地质事件过程中,经常会伴随物质成分的活化和转移,从而形成新的元素关系网,并在因子分析过程中得到体现。
Q型因子在计算过程中会对指标进行缩减,将保留的重要指标用以代表整体变量,排除分析的过程中因为更大的误差和异常的数值而造成不必要的干扰,并减少了计算量。但在样品分析的过程中,异常值往往是特殊构造、特殊解释的突破口,为了保证实验分析的准确性,往往不采用Q型因子分析法。
Q-R型因子分析的主要应用于研究变量和样品之间的关系,由常用的R型因子分析,可以轻易的转化成Q-R型因子分析,但Q-R型因子分析较少被提及应用不广泛。
因子分析法在样品分析中已经有了实质性的应用,尤其针对土壤、水系地球化学测量过程中分析元素种类庞大,图件数量庞大,单凭人力很难快速准确地进行数据处理分析。相对于其他方式的普查,水系沉积物、土壤沉积物地球化学勘探有着取样简单、成本低、适用范围广等优势。而水系沉积物的成分、含量特征与物源岩性存在着复杂的关系,数据处理是整个地球化学勘探的核心部分,有效的分析方法不仅可以提高样品分析的速度,更可以提高沉积物样品的准确度,对地球化学测量有着重要的意义。
2 因子分析法在实际中的应用
在某长江中下游地区的1:20万普查勘探过程中,针对3025个水系沉积物样品进行了28种化学元素的分析。并利用R型因子对元素进行降维,提取有效的公共因子,根据少数公因子提供的变量,来反映不同元素之间的组合关系,进而划分元素共生组合类型。在该地区的水系沉积物样品分析过程中,将28种元素中信息的重叠部分进行组合,提取成为公共因子,以这少数变量综合表现多个变量(此划分基础建立在原样品中具有较多的共同特征)。在实际使用过程中使用了Bartlett球度检验以及KMO检验,在准备过程中对样品进行了相关性检验,对样品相关KMO值进行分析,对实验所得KMO数值进行划分:KMO>0.9非常合适;0.8
对区域内28种元素进行分析后,利用正交旋转因子在和矩阵对元素进行整合,将计算结果特征值进行综合对比,最终选取前五个公共因子为重要因子(其特征根数值分别为R1-2.354、R2-1.521、R3-1.358、R4-1.186累计特征根百分比为75%)。这五种重要因子代表工作区内五中元素组合:(1)As,Sb,Mo;(2)Pb,Ag,Bi;(1)ZN,Cu;(4)W;(5)Au。上述五种聚类结合实际数据可以对各种元素之间的亲疏关系进行识别。
聚类分析中所得到的R1组合对应Mo、As、Sb因子组合,代表了高温热液活动的特征。R2组合对应Pb、Ag、Bi因子组合,R3组合对应As、Sb、Mo因子组合,对应为多金属矿化的物质属性,说明上游地区有较为活跃的热液活动。而通过实际勘探已经发现上游地区多为温热型矿床,基本与实验数据相符。R4组合对应KMO计算结果中的W因子,通过两方面证明了W元素具有较强的独立性。R5组合对应Au因子,充分说明Au元素独立的元素特征。
3 结束语
利用因子分析所得出的结论,将区域内28种元素减少为5个公共因子,极大的减少了工作量,使得原本无从下手的大数据处理简化成了5个因子的组合,进而转化为较为直观的数据表。将数据加以解释处理按照其分布梯度绘制成图,即可将原数据70%多的信息简单的呈现在了眼前。在实际应用中,图件的辨识度极高,异常明显,元素共生伴生关系便于解释,为下一步的工作打下了良好的基础。
参考文献
[1]董毅,范丽琨,段焕春,等.青海大坂山地区水系沉积物测量元素组合分区[J].地质与勘探,2009,45(1):70-74.
[2]董毅.因子分析在水系沉积物测量地球化学分区中的应用探讨――以青海都兰地区为例[J].矿产与地质,2008,22(1):78-82.
[3]于林松,邱成贵,刘伟.青海省北部绿草山地区化探元素组合分类信息探讨[J].山东国土资源,2014,30(20):54-57.
[4]赵博.几种统计分析方法在化探数据处理中的应用[D].北京:中国地质大学,2010.
篇6
【摘要】 运用量子化学中的HartreeFock程序(631G基组)方法计算质子化α氨基酸溶质的分子结构参数,借助于多元线性回归法建立了α氨基酸对映体在冠醚手性固定相上的色谱保留与其分子结构参数之间的定量结构对映异构体保留(QSERR)模型。结果表明,α氨基酸光学异构体的容量因子对数(logk′)与质子化α氨基酸溶质的分子结构描述参数之间具有较好的线性相关性。在QSERR模型中,溶质结构描述参数EHOMO, DIP, ElcE, Ang和logP具有较为明确的物理意义,这些参数反映了固定相与溶质分子之间的静电作用、ππ作用力、色散力、立阻和疏水作用,能较好地解释α氨基酸对映体在联萘冠醚CSP上保留机理。建立的QSERR模型具有较好的稳定性和预测能力。
【关键词】 定量结构对映异构体保留关系, α氨基酸, 冠醚手性固定相, 色谱保留机理, HartreeFock程序
1 引 言
运用高效液相色谱(HPLC) 分离对映异构体已成为现代合成化学、生物医药学及农业化学等领域中常用的分析方法。大部分色谱手性分离很大程度上依赖于分析测试者的经验。建立具有明确物理含义的定量结构对映体保留关系(QSERR)能有效地预测色谱保留值,可以为选择最佳分离条件提供理论依据,还有助于理解色谱保留及手性识别的机理[1~4]。近年来, 随着计算机技术和量子化学方法的不断发展, 量化计算已越来越受到人们的关注[5~7]。在QSRR/ QSERR研究中,独自应用量化参数或将量化参数与其它常规参数联合已经越来越多地被使用。文献[8,9]应用量化参数建立了QSERR模型,研究了α氨基膦酸酯类化合物在两种不同的衍生化环糊精固定相上手性识别机理; Suzuki等[10]通过2D和3D分子描述参数建立了一系列芳基醇类化合物在4种刷型固定相上的QSERR模型,指出影响容量因子(k′)和分离因子(α)的分子描述参数不同;施介华等[6,11]运用量化参数分别建立烃类和酯类化合物的色谱保留关系的QSRR模型。
冠醚作为一类色谱手性固定相,常被用来识别具有NH2官能团的对映体[12~16],其独特的冠环结构对客体分子的选择性识别起着重要作用。但有关手性冠醚类固定相上α氨基酸的色谱保留和对映异构体结构间的定量构效关系的报道鲜见。本研究运用量子化学方法中的HartreeFock程序(631G基组)计算了20个质子化α氨基酸溶质分子的结构描述参数,通过多元线性回归建立了α氨基酸类化合物在键合联萘冠醚手性固定相(CSP)上的定量结构与对映体保留的QSERR模型,探讨了α氨基酸对映体在键合联萘冠醚固定相上的色谱保留机理。
2 实验部分
2.1 数据来源
本研究所用α氨基酸化合物在新型联萘冠醚手性柱上的色谱保留数据取自文献[15](见表1)。
2.2 溶质分子描述参数的计算及QSERR模型建立
由于α氨基酸的NH2基团在酸性流动相中将发生质子化,形成强极性的铵离子(NH+4),实际上色谱分离过程中与冠醚类手性固定相发生相互作用的是质子化的氨基酸[16](见图1b)。所有质子化表1 α氨基酸在联萘冠醚手性固定相上保留值[15]
Table 1 Retention value of αamino acids on the crown chiral stationary phase[15]No.氨基酸 Amino acidlogk′1logk′2No.氨基酸 Amino acidlogk′1logk′21丙氨酸 Alanine -0.23660.338511甲硫氨酸 Methionine-0.11350.53912精氨酸 Arginine-0.2366-0.045812苯基丙氨酸 Phenylalanine-0.10240.37663天冬酰胺 Asparagine-0.5528-0.337213苯甘氨酸 Phenylglycine0.15490.59884天冬氨酸 Aspartic acid-0.37680.008614脯氨酸 Proline-0.6383-0.63835半胱胺酸 Cysteine-0.4202-0.013215丝氨酸 Serine-0.5686-0.30107谷氨酸 Glutanic acid-0.22910.541616苏氨酸 Threonine-0.6198-0.19386谷氨酰胺 Glutamine-0.44370.245517色氨酸 Tryptophan0.14610.60538组胺酸 Histidine-0.4815-0.309818酪胺酸 Tyrosine-0.20760.28109异亮胺酸 Isoleucine-0.5086-0.236619缬氨酸 Valine-0.5528-0.284010亮氨酸 Leucine-0.19380.4997204羟基苯甘氨酸
4Hydroxyphenylglycine-0.17390.6730k′1: L氨基酸容量因子(Capacity factor of LAmino acid), k′2: D氨基酸容量因子(Capacity factor of DAmino acid)。的α氨基酸分子结构首先用ChenDraw作出平面图,然后用Chem3D中的MOPAC 8.00对分子几何结构进行初步优化后,再用Gaussian 03软件包中的HartreeFock程序(631G基组)进行结构优化,振动分析计算的结果中无虚频,证明优化得到的分子结构对应于能量极小点。获取质子化氨基酸溶质的量子化学参数:DIP(分子总体偶极距)、 TE(分子总能量)、 ELUMO(最低分子空轨道的能量)、 EHOMO(最高分子占有轨道的能量)、 Ang(原子NC*C之间平面角)、 MR(分子折射率)、 logP(疏水性参数)和ElcE等分子描述参数在Chem3D中计算得到。所有量化参数的计算和分子模拟在PD2.80PC机上运行完成。
3 结果与讨论
3.1 QSERR模型的建立
由于分子“手性”的差别,手性分子与手性固定相相互作用的过程中存在着一定差异,即手性分子的结构参数与色谱参数之间存在一定相关性这一假设是完全合理的[6]。在QSERR模型建立过程中,最大的困难是如何找到能够区分不同对映体的手性分子结构参数,因为对映体分子诸多性质参数(如分子尺寸、形状、电性参数和疏水性参数等)有时很接近,甚至完全相同。与许多手性分子一样,α氨基酸对映体分子结构参数大部分相同。本研究通过Gaussian 03和Chem3D软件计算,提取了质子化后的L型和D型α氨基酸的分子结构描述参数(见表2和表3)。
为保证所选取的结构参数与容量因子对数(logk′)之间有较好的相关性,尽量选择与容量因子相关性较大,彼此之间相关性较小的参数。本研究首先对各参数进行相关性分析,发现MR与ElcE和TE之间有明显相关性,因此分别选取MR, ElcE和TE与其它结构描述参数进行多元线性回归,得到α氨基酸对映体在键合联萘冠醚CSP上的色谱保留参数的QSERR模型为:logk′1=-13.400-0.402EHOMO-0.047DIP+0.115Ang-5.90×10-5ElcE
(n=20, r=0.959, SD=0.067)(1)表2 质子化Lα基酸分子参数
Table 2 Molecular descriptors of Lαamino acid cationsNo.DIPElcEEHOMOELUMOTElogPMRAng 13.8840-4882.0-1.42461.8078-1340.9-1.4091.9489108.4722.1710-12247.4-1.32411.5128-2447.1-2.7254.2690105.3133.0044-8496.3-1.08701.4144-2009.9-2.9232.8171107.3042.4240-8797.0-1.38020.9798-2110.0-2.2812.6015106.8252.0069-5938.5-1.60210.7928-1534.8-1.3062.7552106.2273.7806-12972.2-1.49831.1399-2266.0-1.8253.0653105.4065.1110-9873.5-0.76881.2623-2165.3-2.4673.2809106.6284.0373-10590.2-0.70971.1597-2164.1-2.2353.6785106.3592.4120-12247.4-1.32411.5128-2447.1-2.7254.2690105.31104.2044-8616.1-1.25371.6917-1808.1-0.2933.3403105.32113.1407-11670.7-1.46750.6253-1846.4-0.8603.9776105.20122.8048-11314.1-1.45410.5860-2163.30.0664.4601105.48133.8687-9734.0-1.89341.0413-2007.8-0.3903.9963105.15142.1267-6106.1-0.70761.5282-1624.3-0.7332.7878106.30152.2410-6260.0-1.10271.5618-1661.3-2.5742.1020107.88162.2684-7661.3-1.07131.5946-1816.9-2.3162.5658107.80172.0277-16153.7-1.56800.2930-2658.50.0125.5776105.32182.1460-11972.2-1.43460.5580-2483.80.0125.5776105.47192.7089-7398.3-1.35201.7728-1652.2-0.7492.8765104.00204.8453-11317.9-1.67890.8915-2328.3-0.7794.1494104.95氨基酸编号同表1(The number of aminoacids are the same as in Table 1)。 DIP: Dipole moment (debye); ElcE: Electronic energy (eV); EHOMO: Highest occupied molecular orbital (eV); ELUMO: Lowest unoccupied molecular orbital(eV); TE: Total energy(eV); logP: Hydrophobic parameters; MR: Molar refractivity; Ang: Plane angle between N—C*—C。表3 质子化Dα氨基酸分子参数式中, n为线性回归样本的个数, r为拟合方程的相关系数,SD为标准偏差。由式(1)和(2)可知,所建立的α氨基酸对映体在键合联萘冠醚CSP上的色谱保留参数的QSERR模型具有较好的多元线性相关性。同时,为了识别异常值,对参与回归样本的保留值进行去一法检验,未出现异常值。这表明此QSERR模型具有较好的稳定性。
3.2 手性识别机理的探讨
根据液相色谱分离原理,溶质在色谱柱上的保留行为主要由溶质与固定相以及流动相之间的分子作用力所决定的。所建立的α氨基酸对映体在键合联萘冠醚CSP上的色谱保留参数的QSERR模型中,每个分子描述参数均表征色谱过程中溶质同固定相或流动相的某种相互作用。在液相色谱中ELUMO和EHOMO表示溶质和固定相之间电荷的传递反应,也就是在溶质和固定相之间存在氢键作用力或ππ相互作用[17]。logP与溶质疏水性相关,体现了溶质分子与固定相之间的疏水作用。Ang表示对映体色谱保留过程中对分子构象的要求[9]。DIP可以表示溶质分子和固定相之间的静电相互作用能力的大小[2]。MR反映了溶质分子参与分子色散力的能力[18],而ElcE和TE与MR具有较好的相关性,因此ElcE和TE包含一定色散力的信息,也可以表示溶质分子参与色散力的能力。
尽管对分子间力(包括氢键力、范德华力、空间位阻、疏水作用等)的研究己比较深入、全面,但是如何协同这些作用力而增加或减弱非对映体络合物的稳定性却并不很清楚。从所建立的QSERR模型可知,在联萘冠醚CSP上,质子化氨基酸的保留行为主要取决于固定相与溶质分子之间的静电作用、ππ作用力、色散力、立阻和疏水作用。
3.3 保留值的预测
所建立的QSERR模型可预测α氨基酸对映体在联萘冠醚手CSP上的色谱保留值,即通过计算α氨基酸对映体的结构描述参数来预测其对映体的色谱保留值。结果表明,在这种手性冠醚固定相上,α氨基酸对映体的容量因子对数(logk′)的预测值与实验值之间具有较好的线性相关性(图2),其线性回归方程分别为:
logk′1(pred)=0.9201logk′1(exp)+0.0069
(n=20, r=0.9572, SD=0.064)(3)
logk′2(pred)=0.9199 logk′2(exp)+0.0161
(n=20, r=0.9566, SD=0.064)(4)
两者回归方程的斜率接近于1,基本通过原点,这表明所建立的QSERR模型用于预测α氨基酸对映体在这两种手性冠醚固定相上的保留行为是切实可行的。
图2 预测值和测定值
Fig.2 Plot of experimental vs. predicted logk values3.4 小结
本研究建立了α氨基酸对映体在键合联萘冠醚CSP上的色谱保留参数的QSERR模型,各结构描述参数具有明确的物理含义。能较好地解释α氨基酸对映体在联萘冠醚CSP上保留机理。所建模型在预测其保留值时具有较好的准确性和稳定性。
参考文献
1 Jiang Feng(江 峰), Shi JieHua(施介华), Yan Wei(严 巍), Li Bing(李 兵). Chinese J. Anal. Chem.(分析化学), 2004, 32(11): 1550~1555
2 Gao RuYu(高如瑜), Wang HeFang(王荷芳). Chinese Journal of Organic Chemistry(有机化学), 1999, 19(2): 135~140
3 Lipkowitz K B. J. Chromatogr. A, 1994, 666: 493~503
4 Lipkowitz K B. J. Chromatogr. A, 1995, 694: 15~37
5 Ouyang Liang(欧阳 亮), He Gu(何 谷), Guo Li(郭 丽). Acta Chim. Sinica(化学学报), 2006, 64:1379~1384
6 Shi JieHua(施介华), Jiang Feng(江 峰), Yan Wei(严 巍), Wang JiKang (王纪康), Wang GuiLin(王桂林). Chinese J. Anal. Chem.(分析化学), 2005, 33(2): 181~186
7 Zeng XiaoLan(曾小兰), Liu HongXia(柳红霞), Liu HongYan(刘红艳). Acta Chim. Sinica(化学学报), 2007, 65: 1797
8 Huang JunMin(黄君珉), Chen Hui(陈 慧), Gao RuYu(高如瑜), Wang QinSun(王琴孙). Chem. J. Chinese Universities(高等学校化学学报), 2001, 22(11): 1838~1842
9 Chen Hui(陈 慧), Lü XianYu(吕宪禹), Huang JunMin(黄君珉), Gao RuYu(高如瑜), Wang QinSun(王琴孙). Chem. J. Chinese Universities(高等学校化学学报), 2000, 21(4): 562~565
10 Suzuki T, Timofei S, Iuoras B E, Uray G, Verdino P, Fabian Walter M F. J. Chromatogr. A, 2001, 922(12): 13~23
11 Shi JieHua(施介华), Jiang Feng(江 峰), Wang GuiLin(王桂林), Yan Wei(严 巍). J. Zhejiang University of Technology(浙江工业大学学报), 2004, 32(4): 418~422
12 Chen JuanJuan(陈娟娟), Zhang DaTong(张大同), Shen BaoChun(沈报春), Zhang XueJun(张雪君), Xu BeiJia(徐贝佳), Xu XiuZhu(徐秀珠). Chinese J. Anal. Chem.(分析化学), 2006, 34(11): 1535~1540
13 Machida Y, Nishi H, Nakamura K, Nakai H, Sato T. J. Chromatogr. A, 1998, 805(12): 85~92
14 Hyun M H, Jin J S, Koo H J, Lee W. J. Chromatogr. A, 1999, 837(12): 75~82
15 Hyun M H, Han S C, Lipshutz B H, Shin Y J, Welch C J. J. Chromatogr. A, 2001, 910(2): 359~365
16 Sousa L R, Sogah G. D Y, Hoffman D H, Cram D J. J. Am. Chem. Soc., 1978, 100(14): 4569~4576
篇7
什么是多尺度模型
20世纪70年代,瓦谢尔从理论上提出,可以用计算机模拟、以量子力学和分子力学结合的方式描述化学过程,后来被称为“多尺度模型”。这一理论得到了广泛的应用。
其实,多尺度模型就是我们常用的MM/QM模型。我们知道,原子是化学反应的基本微粒,它由原子核和核外电子共同构成。我们在做分子模拟时,分子力学(MM)算起来比较快,但只能处理到原子、基团这个层面,而量子力学(QM)虽然考虑到了电子和原子核,但计算起来相当复杂。
三位科学家的开创性,在于打开了“势不两立”的分子力学与量子力学之间的一扇窗,将两者结合起来。如今,当科学家在模拟分子反应的过程时,他们会在必要时借助计算机的力量。化学反应系统核心的计算基于量子物理学,而在远离反应核心区域的地方,模型计算则基于经典物理学,在最外的几层,原子和分子甚至混合在一起,形成同质的物体。通过这些理论简化,我们可以对大型的化学系统进行模拟计算。
多尺度模型的应用与前景
“分而治之”描述化学反应
化学反应是一个微观过程,许多化学反应的发生极为迅速,我们肉眼难以快速捕捉到。比如,生命体中的核糖从无规则的多肽链发展到稳定的蛋白质结构所用时间为微秒级。如果扫描这一过程,耗费的时间将是天文数字。
因此,传统上用实验手段描述出反应过程的每一个步骤几乎是不可能实现的。量子力学的描述小而精,分子力学的描述宽泛但精度不高。如果都用高精度的方法来描述化学过程,计算将难以进行。所以,多尺度组合的方法便成了研究者最好的选择,这与中国古代“分而治之”的哲学思想类似。
掀起科学研究新篇章
化学是一门以实验为基础的学科,三位科学家基于量子力学、经典力学以及混合量子—经典力学提出的理论模型对化学的定量化研究、化学理论研究以及实验研究都有非常重要的指导作用。例如,通过计算机模拟的方法来研究蛋白质分子的运动和酶的催化反应机理,发展分子动力学模拟方法,研究复杂化学体系的运动规律等。
同时,该模型还被应用于计算化学、生物化学、生物物理学以及物理学与应用数学,是典型的跨学科成果。这一模型的提出与应用,对化学学科的推进、化学与生物学科交叉发展都发挥了相当大的作用,具有里程碑式的意义。
研究前景可观
对于该领域的研究,我国的起步相对较晚,但自2000年之后,随着国家科研实力的增强,这一领域研究已经取得了较大进步。例如,2012年9月,北京师范大学化学系教授方维海带领的课题组便采用高精度的量子化学计算对萤火虫发光机理进行了进一步探索,提出了渐进可逆电荷转移引发荧光的新理论,首次在电子态的水平阐明了萤火虫生物发光的化学起源。
此外,三位科学家的研究成果,已经应用于废气净化及植物的光合作用研究中,并将用于优化汽车催化剂、药物和太阳能电池的设计中。
经典力学与量子力学
经典力学是力学的一个分支。经典力学是以牛顿运动定律为基础,在宏观世界和低速状态下,研究物体的运动。经典力学又分为静力学(描述静止物体)、运动学(描述物体运动)和动力学(描述物体受力作用下的运动)。
量子力学是研究微观粒子的运动规律的物理学分支学科,主要研究原子、分子、凝聚态物质,以及原子核和基本粒子的结构、性质,它与相对论一起构成了现代物理学的理论基础,而且在化学等相关学科和许多近代技术中也得到了广泛的应用。
(敬瑞玲)
试一试
1. 我们知道,经典力学是以牛顿运动定律为基础,在宏观世界和低速状态下,研究物体的运动。那么你所了解的牛顿运动定律有哪些呢?
2. 量子力学主要研究原子、分子、凝聚态物质,以及原子核和基本粒子的结构、性质,根据所学的知识回答下列问题。
(1)原子是由什么构成的?
(2)氢原子呈什么电性?为什么?
(3)画出Na原子的原子结构示意图。
(4)根据核外电子排布规律,画出Fe原子的原子结构示意图。
篇8
查看更多《德州学院学报》杂志社信息请点击: 《德州学院学报》编辑部
数学与应用数学
(1)有关ncp函数的一些研究 雍龙泉
(7)两点边值问题的chebyshev--galerkin谱方法 张光辉 任敏
(10)修正牛顿法求解绝对值方程 邓永坤
(14)数值积分若干方法的比较分析 王少英
(16)多元统计分析方法在实际问题中的应用 姜波
(20)任意参数下的frenet公式的机器证明 雷超
(23)一元线性回归分析在保险行业的应用 刘情情
(26)信息熵赋权的大学生综合素质评价模型的excel求解 陈华喜 许庆兵 姚保峰
物理学与电子科学技术
(31)从一个佯谬对电磁场动量守恒的理论推证 赵彦杰
(33)外磁场下电偶极子运动规律研究 任恒峰 王清亮 连润明 孟峰
化学与化工
(37)电子相关和基组效应对丙氨酸量子化学参数的影响 吕仁庆 邢彬彬
(41)桂花黄酮的提取及体外清除亚硝酸盐的研究 江慧华 陈培珍 穆寄林 刘俊劭 马森 刘瑞来
医学科学与技术
(45)磁共振动态增强技术在小肝癌诊断中的应用价值 许万博 刘小金
(48)散光表视标检查中30°原则解析 刘长辉 张志芹 张吉平
机电、动力、能源与交通
(52)汽油添加剂适应电喷发动机使用性能的试验分析 马洪新
(55)层次分析法在焦炉火灾爆炸事故中的应用 刘斌
学术争鸣
(59)哥德巴赫猜想的一个等价命题 叶雉鸠
(63)动态的哈勃常数与弦(以太)的一些探讨 任海涛
(69)对常数变易法求微分方程通解的质疑 汪维刚
资源环境与区域发展
(71)结构性城市cis模式探讨 张平青 王洋
(76)基于swot分析法的齐河县县域经济发展研究 侯超
(83)山东省人口素质综合评价及其空间分异研究 董海涛
(89)6项课题获山东省自然科学基金项目立项 无
体育科学
(90)借鉴注意理论提升警察警务实战知觉能力 魏毅
(95)沙滩藤球技战术特征的分析与研究 孙伊
(99)从意识与行为角度分析"拓展训练教学模式"在高校武术课的应用 刘志勇
(104)中学生体育锻炼和心理弹性的关系研究 欧阳翠云
无
&nb
篇9
沪教版化学九(上)“纯净物中元素之间的质量关系”是在学生学习了用元素概念定性地表示物质组成的基础上,进一步从定量的角度来学习和研究物质的组成。本节课的难点是让学生建立和理解元素在物质(化合物)中的质量分数的概念,引领学生从微观粒子的数量与质量的角度,推算出组成宏观物质中各元素质量关系,也是帮助学生理解化学学科中“宏观-微观-符号”这三重表征的极好素材。
“纯净物中元素之间的质量关系”一节内容较为抽象与深奥,且远离学生的生活经验和感性知识,这给教学带来了一定的困难。为较好地突破教学中的这一难点,帮助学生用定量的观点去学习化学,教师在教学中可通过观察、想象、模型化等方法,化虚无抽象为形象直观,逐步引领学生从定性到定量,初步理解物质的组成。同时通过类比推理,学生的抽象思维能力和定量计算能力也能有所提高。
二、教学片断
环节一:问题情景。
【投影】尿素是农业上常用的一种氮肥。小强看到某化肥标签如下:
试帮助小强回答下列问题:
(1)尿素含氮量的含义。
(2)尿素中的含氮量是如何计算出来的?
学生活动:思考、讨论。
环节二:定比定律介绍。
【阅读】法国化学家普鲁斯特发现定比定律的化学史。
【讲解】每一种化合物都有固定的组成,且组成化合物的各成分元素的质量比是一定的,这一规律称为定比定律,又称定组成定律。
学生活动:阅读、思考。
环节三:水中氢、氧元素质量比。
【活动】指导学生用下面的模型搭出水分子结构,再拼出1个水分子中氢、氧原子质量比的示意图。
【讲解】水中氢、氧原子个数比n(H):n(O)=2:1,1个水分子中所有的氢原子和氧原子的质量之比,即是水中氢元素和氧元素的质量之比。
1个水分子中氢原子和氧原子的质量比=
【讲解】原子的质量都很小,计算时使用相对原子质量。
【总结】化合物中各元素质量比=该元素原子的相对原子质量×原子个数之比。
【巩固】计算下列物质中原子个数比、各元素的质量比:(1)氨气(NH3);(2)尿素〔CO(NH2)2〕。环节四:水中氢元素的质量分数。
【活动】用模型拼出氢元素质量在水中占的质量比例(质量分数)。
【讲解】一个水分子中所有的氢原子的质量与这个水分子的质量之比,即是水中氢元素的质量分数。
1个水分子中氢原子所占的质量分数=
【讲解】分子和原子的质量都很小,计算时使用相对分子质量和相对原子质量。
环节五:拓展应用。
【情景再现】尿素是农业上常用的一种氮肥。小强同学看到某化肥广告如下:
请你运用本节课所学知识判断这袋尿素样品是纯净物还是混合物?
學生活动:
通过计算,纯尿素的含氮量为46.7%。而样品中氮元素的质量分数为43.5%,低于纯尿素中氮元素质量分数,故为混合物。
【课堂小结】结合所学内容,从知识、方法、规范、学科观念谈一谈这节课的收获。
三、教学反思
从宏观到微观,从定性到定量,是化学教学中的一大难点。本节课将宏观计算演变成微观模型的演示,从而化抽象为直观,进一步提高学生对物质的微粒观、元素观的认识。
1.合理设置教学台阶。本节教学内容是初中化学计算的开始,设计时以学生熟悉的化学肥料(尿素)为素材,以问题链作为主线,同时以组成相对简单的水为例,用球棍模型让学生体验水分子与氢原子和氧原子的关系。通过模型,学生总结出水分子中氢、氧原子质量比和氢原子在水分子中占的质量比例,然后通过类比、归纳等方法得出氢、氧元素质量比和水中氢元素的质量分数。教学以生活经验为基础,拾级而上,降低学习的难度。
篇10
五大特点是
(1)化学家对物质的认识和研究,从宏观向微观深入。20世纪以来,化学家已用实验打开原子大门,深入地了解原子内部的情况,并且用量子理论探讨原子内的电子排布、能量变化等。就是对复杂的化学反应来说,也可以测量反应机理,了解反应过渡态的情况以及分子、原子间能量的交换。
(2)从定性和半定量化向高度定量化深入。虽然近代化学也曾广泛地使用各种定量化工具,但是还只能说停留在定性和半定量化水平。本世纪60年代后,电子计算机大规模地引进化学领域,用它来计算分子结构已取得巨大的成功。如今任何化学论文如无详尽的定量数据就难以发表,发表了也难取得公认。而且如今化学实验的精密度愈来愈高,几乎所有仪器都是定量化的,有的还用电子计算机来控制。
(3)对物质的研究从静态向动态伸展。近代化学对物质的研究基本上停留在静态的水平或从静态出发,推出一些动态情况。例如,从热力学定律出发,通过状态函数的变化,从始态及终态情况推断反应变化中一些可能情况。现代化学已摆脱这种间接研究推理,而采用直接的方法去了解或描述动态情况,特别是激光技术、同位素技术、微微秒技术、分子束技术在现代化学里的大规模应用。化学家目前已能了解皮秒内微粒运动的情况,反应中化学键的断裂以及能量交换等情况。特别值得一提的是有关动态薛定谔方程的研究,一旦成功它将会为动态研究开辟光辉前景。
(4)由描述向推理或设计深化。近代化学几乎全凭经验,主要通过实验来了解和阐述物质。虽然也有一些理论如溶液理论、结构理论等可以指示研究方向,但总体来说近代化学基本上是描述性的。原来化学中四大学科(无机化学、有机化学、分析化学、物理化学)彼此存在很大独立性。然而现代化学已打破传统的界限,化学不仅自身各学科相互渗透,而且跟物理、生物、数学、医学等学科相互交融和渗透。特别是近年量子化学的发展,已渗透到各学科,使化学摆脱历史传统,可以预先预测和推理,然后用实验来验证或合成。例如,当今许多高难度的合成工作都事先根据理论设计,然后决定合成路线。著名的维生素B12的合成工作就是一个典范,它标志着化学已从描述向设计飞跃。
(5)向研究分子群深入。近代化学对化学的研究通常只停留在一个或几个分子间的作用。即所谓0级、1级、2级、3级反应,对多分子的反应是无能为力的。但是近代化学远远不能满足实际需要了,特别是研究生物体内的化学反应,就要研究多个分子甚至一大群分子间的反应了。例如,一个活细胞内往往需要几十种酶作催化剂,同时催化许多化学反应。因此研究分子群关系,已成为现代化学的一个特点。
现代化学的发展方向,一是化学向分子设计方向前进。分子设计就是说化学家像建筑师造房子那样设计好再建造。由于电子计算机、各种能谱技术、微微秒技术、激光技术、同位素技术等在化学上的应用,使分子设计逐渐趋向现实。上面说过的著名有机合成大师伍德沃德合成难度极大的维生素B12,就是按他创立的前沿轨道理论出发,计算后设计出最佳合成路线和原料配比,一举成功并传为佳话。目前全世界每年合成几千种抗癌药,大都是先设计好合成路线,而后进入生产的。