以油酸为原料的新型生物基支链十七烷基苯磺酸钠的合成及性质（英文）

生物基表面活性剂由于其可再生资源和优异的表面/界面性质吸引了越来越多的关注。本文以可再生的油酸为原料,通过四步反应,制备了新型生物基支链表面活性剂,并评价了其表/界面性质、润湿性和生物降解性能。该新型生物基支链表面活性剂为4-(1-十七烷基)苯磺酸钠(9ΦC17S),依次经过烷基化反应、脱羧反应、磺化反应和中和反应而制得。其化学结构已通过电喷雾质谱、红外光谱和核磁共振波谱得以确认。4-(1-十七烷基)苯磺酸钠展现出良好的表/界面张力,临界胶束浓度(CMC)为317.5 mg?L^(-1),CMC处的表面张力为32.54 m N?m^(-1),当水溶液中碳酸钠浓度为8.48×104mg?L^(-1)、4-(1-十七烷基)苯磺酸钠浓度为8.36×104mg?L^(-1)时,油水的界面张力约为10-2m N?m^(-1)。此外,4-(1-十七烷基)苯磺酸钠在生物降解性和润湿性方面也显示出了良好的性能,最终生物降解评分为2.99,0.500 g?L^(-1)9ΦC17S溶液的气液固接触角为63.08°。该新型生物基表面活性剂丰富了以可再生资源为原料的生物基表面活性剂的结构多样性。

基于注意力融合网络的视频超分辨率重建

基于深度学习的视频超分辨率方法主要关注视频帧内和帧间的时空关系,但以往的方法在视频帧的特征对齐和融合方面存在运动信息估计不精确、特征融合不充分等问题。针对这些问题,采用反向投影原理并结合多种注意力机制和融合策略构建了一个基于注意力融合网络(AFN)的视频超分辨率模型。首先,在特征提取阶段,为了处理相邻帧和参考帧之间的多种运动,采用反向投影结构来获取运动信息的误差反馈;然后,使用时间、空间和通道注意力融合模块来进行多维度的特征挖掘和融合;最后,在重建阶段,将得到的高维特征经过卷积重建出高分辨率的视频帧。通过学习视频帧内和帧间特征的不同权重,充分挖掘了视频帧之间的相关关系,并利用迭代网络结构采取渐进的方式由粗到精地处理提取到的特征。在两个公开的基准数据集上的实验结果表明,AFN能够有效处理包含多种运动和遮挡的视频,与一些主流方法相比在量化指标上提升较大,如对于4倍重建任务,AFN产生的视频帧的峰值信噪比(PSNR)在Vid4数据集上比帧循环视频超分辨率网络(FRVSR)产生的视频帧的PSNR提高了13.2%,在SPMCS数据集上比动态上采样滤波视频超分辨率网络(VSR-DUF)产生的视频帧的PSNR提高了15.3%。