1 引 言 磁性纳米粒子是近年来发展起来的一种新型材料，因其具有独特的磁学特性，如超顺磁性和高矫顽力，在生物分离和检测领域展现了广阔的应用前景[1]。同时，因磁性氧化铁纳米粒子具有小尺寸效应、良好的磁导向性、生物相容性、生物降解性和活性功能基团等特点[2～4]， 在核磁共振成像、靶向药物、酶的固定、免疫测定等生物医学领域表现出潜在的应用前景[5～7]。但由于其较高的比表面积，强烈的聚集倾向，所以通常对其表面进行修饰，降低粒子的表面，能得到分散性好、多功能的磁性纳米粒子。对磁性纳米粒子的表面进行特定修饰，如果在修饰后的粒子上引入靶向剂、药物分子、抗体、荧光素等多种生物分子，可以改善其分散稳定性和生物相容性， 以实现特定的生物医学应用。此外，适当的表面修饰或表面功能化还可以调节磁性纳米粒子表面的反应活性[8]，从而使其应用在细胞分离、蛋白质纯化、核酸分离和生物检测等领域。本文介绍了磁性氧化铁纳米粒子的制备方法， 比较了各种制备方法的优缺点，并对其在生物分离及检测中应用的最新进展进行了评述。2 磁性氧化铁纳米粒子的合成方法 磁性纳米粒子的制备是其应用的基础。目前已发展了多种合成和制备方法，如共沉淀法、水热合成法、溶胶凝胶法和微乳液法等，上述方法均可制备高分散、粒度分布均匀的纳米粒子，并能方便地对其表面进行化学修饰，这些方法的优点和缺点见表1。 在这些合成方法当中，共沉淀法是水相合成氧化铁纳米粒子最常用的方法。该方法制备的磁性纳米颗粒具有粒径小，分散均匀，高度生物相容性等优点，但制得的颗粒存在形状不规则，结晶差等缺点。通过在反应体系中加入柠檬酸，可得到形状规则、分散性好的纳米粒子。利用这种方法合成的磁性纳米材料被广泛应用在生物化学及生物医学等领域[9]。微乳液法制备纳米粒子，产物均匀、单分散，可长期保持稳定，通过控制胶束、结构、极性等，可望从分子规模来控制粒子的大小、结构、特异性等。微乳液合成的磁性纳米粒子仅溶于有机溶剂，其应用受到限制。通常需要在磁性纳米粒子的表面修饰上亲水分子，使其溶于水，从而能应用于生物、医学等领域。 热分解法是有机相合成氧化铁纳米粒子最多也是最稳定的方法。利用热分解法制备的纳米Fe3O4颗粒产物具有好的单分散性，且呈疏水性，可以长期稳定地分散于非极性有机溶剂中。该方法合成的氧化铁纳米粒子虽然具有粒径均一的特点，但必须在其表面偶联亲水性及生物相容性好的生物分子或制备成核壳结构，才可用于生物医学领域。表1 磁性氧化铁纳米粒子的制备方法（略）此外，绿色化学和生物方法合成氧化铁纳米粒子也备受关注[28,29]。磁性氧化铁纳米粒子除具有的表面效应、小尺寸效应、量子效应、宏观量子隧道效应等纳米粒子基本特性外，它同时还具有超顺磁特性、类酶催化特性和生物相容性等特殊性质，因此在医学和生物技术领域中的应用引起了人们的广泛兴趣。 3 磁性氧化铁纳米材料在生物分离与生物检测的应用 磁性氧化铁纳米材料在生物分离的应用 磁性氧化铁纳米粒子可以通过外界磁场来控制纳米粒子的磁性能，从而达到分离的目的，如细胞分离[30，31]、蛋白分离[32] 和核酸分离[33]等。此外磁性氧化铁纳米粒子由于兼有纳米、磁学和类酶催化活性等性能，不仅能够实现被检测物的分离和富集，而且能够使检测信号放大，在生物分析领域也都具有很好的应用前景[34，35]。磁性纳米粒子（MNP）能够应用于这些领域主要基于它的表面化学修饰，包括非聚合物有机固定、聚合物有机固定、无机分子固定及靶向配体修饰等[36]（图1）。纳米粒子表面功能化修饰是目前研究的热点。 磁性氧化铁纳米材料在细胞分离方面的应用 细胞分离技术的目的是快速获得所需目标细胞。传统细胞分离技术主要根据细胞的大小、形态以及密度的差异进行分离，如采用微滤、超滤以及超离心等方法。这些方法操作简单，但是特异性差，而且存在纯度不高、制备量偏小、影响细胞活性等缺点，因此未能被广泛地用于细胞的纯化研究[37]。近年来，随着对磁性纳米粒子研究的深入，人们开始利用磁性纳米粒子来分离细胞[38,39]。如磁性氧化铁纳米粒子在其表面接上具有生物活性的吸附剂或配体（如抗体、荧光物质、外源凝结素等），利用它们与目标细胞的特异性结合，在外加磁场的作用下将细胞分离、分类以及对其种类、数量分布进行研究。张春明等[40]运用化学连接方法将单克隆抗体CD133连接到SiO2/Fe3O4复合粒子的表面得到免疫磁性Fe3O4纳米粒子，利用它分离出单核细胞和CD133细胞。经培养后可以看出，分离出来的CD133细胞与单核细胞一样，具有很好的活性，能够正常增殖形成集落，并且在整个分离过程中对细胞的形态以及活性没有明显的毒副作用，这与Kuhara等[30]]报道的采用磁分离技术分离CD19+和CD20+细胞的结果一致。Chatterjee等[39]采用外源凝结素分别修饰聚苯乙烯包被的磁性Fe3O4微球和白蛋白磁性微球，利用凝结素与红细胞良好的结合能力，快速、高效的分离了红细胞。此外，磁性粒子在分离癌细胞和正常细胞方面的动物实验也已获得成功。 磁性氧化铁纳米材料在蛋白质和核酸分离中的应用 利用传统的生物学技术（如溶剂萃取技术等）来分离蛋白质和核酸程序非常繁杂，而磁分离技术是分离蛋白、核酸及其他生物分子便捷而有效的方法。目前在外磁场作用下，超顺磁性氧化铁纳米粒子已广泛应用于蛋白质和核酸的分离。 Liu等[41]利用聚乙烯醇等表面活性剂存在下制备出共聚磁性高分子微球，表面用乙二胺修饰后用于分离鼠腹水抗体，得到很好的分离效果。Xu等[42]在磁性氧化铁纳米粒子表面偶联多巴胺分子，用于多种蛋白质的分离纯化。多巴胺分子具有二齿烯二醇配体，它可以与氧化铁纳米粒子表面配位不饱和的Fe原子配位，形成纳米颗粒多巴胺复合物，此复合物可以进一步偶联次氨基三乙酸分子（NTA），NTA分子可特异螯合Ni＋，对于具有6×His标签的蛋白质的分离纯化方面表现出很高的专一性。Liu等[43]用硅烷偶联剂（AEAPS）对核壳结构的SiO2/Fe2O3复合粒子的表面进行处理，研究复合磁性粒子对牛血清白蛋白（BSA）的吸附情况，结果表明BSA与磁性复合粒子之间是通过化学键作用被吸附的，复合粒子对BSA的最大吸附量达86 mg/g，显示出在白蛋白的分离和固定上有很大的应用潜力。Herdt等[44]利用羧基修饰的吸附/解离速度快的核壳型（Fe3O4/PAA）磁性纳米颗粒与Cu2+亚氨基二乙酸（IDA）共价交联，通过Cu2+与组氨酸较强的亲和能力实现了组氨酸标记蛋白的选择性分离，分离过程如图2所示。 磁性纳米粒子也是核酸分子分离的理想载体[45]。DNA/mRNA含有单一碱基错位，它们的富集和分离在人类疾病诊断学、基因表达研究方面有着至关重要的作用。Zhao等[46]合成了一种磁性纳米基因捕获器，用于富集、分离、检测痕量的DNA/mRNA分子。这种材料以磁性纳米粒子为核，包覆一层具有生物相容性的SiO2保护层，表面再偶联抗生素蛋白维生素H分子作为DNA分子的探针，可以将10－15 mol/L DNA/mRNA有效地富集，并能实时监控产物。Tayor等[47]用硅酸钠水解法、正硅酸乙酯水解法制备SiO2/Fe2O3磁性纳米粒子并对DNA进行了分离。结果表明，SiO2功能化的Fe2O3磁性纳米粒子对DNA的吸附分离效果明显好于单独Fe2O3磁性纳米粒子的分离效果，但是其吸附机理有待进一步研究。 磁性氧化铁纳米材料在生物检测中的应用 基于磁学性能的生物检测磁性氧化铁纳米粒子因其特有的磁导向性、小尺寸效应及其偶联基团的活性，兼有分离和富集地作用，使其在生物检测领域有广泛的应用。当检测目标为低含量的蛋白分子时，不能通过聚合酶链反应（PCR）对其信号进行放大，而磁微球与有机染料或量子点荧光微球结合可以对某些特异性蛋白、细胞因子、抗原和核酸等进行多元化检测，实现信号放大的作用。Yang等[48]采用一对分子探针分别连接荧光光学条码（彩色）和磁珠（棕色），对DNA（顶端镶板）和蛋白质（底截镶板）生物分子进行目标分析（图3）。如果目标DNA序列或蛋白存在，它将与两个磁珠结合一起，形成了一个三明治结构，经过磁选，光学条码可以在单磁珠识别目标水平下，通过分光光度计或是在流式细胞仪读出。通过此方法检测目标分子是基于数百万个荧光基团组成的微米尺寸光学条码信号的扩增而检测出来，其基因和蛋白的检出限可达到amol/L量级，甚至更低。 Nam等［49］利用多孔微粒法（每个微粒可填充大量条形码DNA）和金纳米微粒为基础的比色法生物条形码检测技术检测了人白细胞介素2（IL2），检出限可达到30 amol/L，比普通的酶联免疫分析技术的灵敏度高3个数量级。Oh等 [50]利用荧光为基础的生物条形码放大方法检测了前列腺特异性抗原（PSA）的水平，其检出限也低于300 amol/L，而且实现了快速检测。 在免疫检测中，磁性纳米粒子作为抗体的固相载体，粒子上的抗体与特性抗原结合，形成抗原抗体复合物，在磁力作用下，使特异性抗原与其它物质分离，克服了放免和酶联免疫测定方法的缺点。这种分离具有灵敏度高、检测速度快、特异性高、重复性好等优点。Yang等[51]通过反相微乳液法制备了粒径很小的SiO2包覆的Fe3O4磁性纳米粒子，生物分子通过诱导这些高单分散的磁性纳米粒子可用于酶的固定和免疫检测。Lange等[52]采用直接或三明治固相免疫法（生物素基化抗IgG抗体和共轭连接链霉素的磁性纳米粒子组成三明治结构）和超导量子干涉法（SQUID），研究它们在确定抗原、抗体相互作用免疫检测中的应用，结果表明特异性键合的磁性纳米颗粒的驰豫信号大小依赖于抗原（人免疫球蛋白G，IgG）的用量，这种磁弛豫(Magnetic relaxation)免疫检测方法得到的结果与广泛使用的ELISA方法的结果相当。 因磁性纳米粒子独特的性能，在生物传感器上也有潜在的应用前景。Fan等［53］在磁珠上偶联被检测物的一级抗体，在金纳米颗粒上连接二级抗体，两者反应后，利用HClNaClBr2将Au氧化为Au3+，催化发光胺（Luminol）化学发光，人免疫球蛋白G（IgG）的检出限可达2 × 10－10 mol/L ，实现了磁性纳米颗粒化学发光免疫结合的方法对IgG进行生物传感分析（图4）。 类酶催化特性在生物检测中的应用 Cao等[54]发现Fe3O4磁性纳米粒子能够催化H2O2氧化3,3',5,5'四甲基联苯胺（TMB）、3,3'二氨基联苯胺四盐酸盐（DAB）和邻苯二胺（OPD），使其发生显色反应，具有类辣根过氧化物酶（HRP）活性（图5），而且其催化活性比相同浓度的辣根过氧化物酶高40倍。并且Fe3O4磁性纳米粒子可以运用磁分离手段进行重复性利用，显著降低了生物检测的实验成本，利用此特性可进行多种生物分子的检测。 利用葡萄糖氧化酶（GOx）与Fe3O4磁性纳米粒子催化葡萄糖的反应(见式（1）和(2))，通过比色法检测葡萄糖，其检测的灵敏度达到5×10－5 ～ 1×10－3 mol/L 。由于Fe3O4磁性纳米粒子制备简单、稳定性好、活性高，成本低，因而比普通酶更有竞争优势，这也为葡萄糖的检测提供了高灵敏度和选择性的分析方法，在生物传感领域的应用上展现了巨大的潜能，为糖尿病人疾病的诊断提供了快速、灵敏的检测方法。然而要提高检测灵敏度，合成催化效率高的Fe3O4磁性纳米粒子及多功能磁性纳米粒子是关键。Peng等[56]用电化学方法比较了不同尺寸Fe3O4纳米粒子的催化活性发现，随着尺寸的变小，磁性纳米粒子的催化活性变高。Wang等[57]制备的单分散哑铃型PtFe3O4纳米粒子，由于本身尺寸和结构特点，可更大限度地提高催化活性。本研究组已经合成了分散性好和磁性高的氧化铁纳米粒子并对其进行了表征，利用其磁学和催化特性，已开展了葡萄糖等生物分子的检测，该方法的检出限达到1 μmol/L，具有灵敏度高、操作简便和成本低等优点[58]。总之，Fe3O4磁性氧化铁纳米粒子不但具有显著的超顺磁性，而且具有类辣根过氧化物酶催化特性，可通过使用过氧化物敏感染料，设计了一系列（如乙肝病毒表面抗原等）的免疫检测模型[59]，因此超顺磁性纳米粒子在生物分离和免疫检测领域具有广阔的应用前景。4 结 语 随着纳米技术的迅速发展，磁性氧化铁纳米粒子的开发及其在生物医学、生物分析、生物检测等领域的潜在应用已经越来越受到重视，但同时也面临很多挑战和问题。（1）构建并制备尺寸小、粒径均一、分散性和生物相容性好及催化性能高的多功能磁性纳米粒子；（2）根据被检测生物分子的特点设计多功能磁性氧化铁纳米粒子，实现高灵敏度、特异性检测；（3）利用纳米氧化铁颗粒作为分子探针进行实时、在线、原位、活体和细胞内生物分子的检测。这些问题不仅是纳米材料在生物分子检测领域应用需要解决的难点，也是目前其进行生物分子检测研究的热点和重点。【参考文献】 1 Perez J M, Simeone F J, Saeki, Y, Josephson L, Weissleder R. J. Am. Chem. Soc., 2003, 125(34): 10192～101932 Kim G J, O'Regan R M, Nie S M. 2005 27th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2005，17：714～7163 LIU JunTao(刘军涛), LIU RuPing(刘儒平), WANG MiXia(王蜜霞), LIU ChunXiu(刘春秀), LUO JinPing(罗金平), CAI XinXia(蔡新霞). Chinese J. Anal. Chem.(分析化学), 2009， 37(7): 985～9884 Lang C, Schuler D, Faivre D. Macromol. Biosci., 2007, 7(2): 144～1515 Silva G A. Surg. Neurol., 2007, 67(2)：113～1166 Corot C, Robert P, Idee J M, Port M. Adv. Drug Delivery. Rev., 2006, 58(14): 1471～15047 Kohler N, Sun C, Wang J, Zhang M Q. Langmuir., 2005, 21(19), 8858～88648 LI BaoYu(李宝玉). Biomedical Nanomaterials(纳米生物医药材料). Beijing（北京）: Chemical Industry Press(化学工业出版社), 2004: 1419 Tartaj P, Morales M P, GonzalezCarreno T, VeintemillasVerdaguer S, Serna C J. J. Magn. Magn. Mater., 2005, 290: 28～3410 ZHANG Xin(张 鑫), LI XinGang(李鑫钢), JIANG Bin(姜 斌). Chinese Chem. Industry. Eng.(化学工业与工程), 2006, 23(1): 45～4811 Wu J H, Ko S P, Liu H L, Jung M H, Lee J H, Ju J S, Kim Y K. Colloids Surf. A, 2008, 313／314: 268～27212 CHENG HaiBin(程海斌), LIU GuiZhen(刘桂珍), LI LiChun(李立春), GUAN JianGuo(官建国), Yuan RunZhang（袁润章）. J. Wuhan University of Technology(武汉理工大学学报), 2003, 25(5): 4～613 QIU XingPing(邱星屏). J. Xiamen University: Natural Science(厦门大学学报：自然科学版), 1999, 38(5): 711～71514 Mao B D, Kang Z H, Wang E B, Lian S Y, Gao L, Tian C G, Wang C L. Mater. Res. Bull., 2006, 41(12): 2226～223115 Fan R, Chen X H, Gui Z, Liu L, Chen Z Y. Mater. Res. Bull., 2001, 36(3～4): 497～50216 Wang H W, Lin H C, Yeh Y C, Kuo C H. J. Magn. Magn. Mater., 2007, 310(2): 2425～242717 Harris L A, Goff J D, Carmichael A Y, Riffle J S, Harburn J J, St Pierre T G, Saunders M. Chem. Mater., 2003, 15(6):1367～137718 SONG LiXian(宋丽贤), LU ZhongYuan(卢忠远), LIAO QiLong(廖其龙). J. Funct. Mater.(功能材料), 2005, 36(11): 1762～176819 Itoh H, Sugimoto T. J. Colloid. Interface. Sci., 2003, 265(2): 283～29520 Xu J, Yang H B, Fu W Y, Du K, Sui Y M, Chen J J, Zeng Y, Li M H, Zou G. J. Magn. Magn. Mater., 2007, 309(2): 307～31121 Li Z, Wei L, Gao M Y, Lei H. Adv. Mater., 2005, 17(8): 11301～11305 22 Sun S H, Zeng H. J. Am. Chem. Soc., 2002, 124(28): 8204～820523 Bang J H, Suslick K S. J. Am. Chem. Soc. 2007, 129(8): 224224 Vijayakumar R, Koltypin Y, Felner I, Gedanken A. Mater. Sci. Eng. A, 2000, 286(1): 101～10525 Pinkas J, Reichlova V, Zboril R, Moravec Z, Bezdicka P, Matejkova J. Ultrason. Sonochem．, 2008, 15(3): 257～26426 Khollam Y B, Dhage S R, Potdar H S, Deshpande S B, Bakare P P, Kulkarni S D, Date S K. Mater. Lett., 2002, 56(4): 571～57727 HAI YanBing(海岩冰), YUAN HongYan(袁红雁), XIAO Dan(肖 丹)． Chinese Chem. Res. Appl.(化学研究与应用), 2006, 18(6): 744～74628 Jun Y W, Huh Y. M, Choi J S, Lee J H, Song H T, Kim S, Yoon, S, Kim K S, Shin J S, Suh J S, Cheon J. J. Am. Chem. Soc., 2005, 127(16), 5732～573329 Bharde A A, Parikh R Y, Baidakova M, Jouen S, Hannoyer B, Enoki T, Prasad B L V, Shouche Y S, Ogale S, Sastry M. Langmuir, 2008, 24(11): 5787～579430 Kuhara M, Takeyama H, Tanaka T, Matsunaga T. Anal. Chem., 2004, 76(21): 6207～621331 Y, G. Biofuctionalization of Nanamaterials. WileyVCH: Weinheim 200532 Safarik I M S. Biomagn. Res. Technol., 2004, 2(1): 7
粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数 进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。尽管算法中的概率分布只是真实分布的一种近似，但由于非参数化的特点，它摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约，能表达比高斯模型更广泛的分布，也对变量参数的非线性特性有更强的建模能力。因此，粒子滤波能够比较精确地表达基于观测量和控制量的后验概率分布，可以用于解决SLAM问题。粒子滤波的应用粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。粒子滤波的缺点虽然粒子滤波算法可以作为解决SLAM问题的有效手段，但是该算法仍然存在着一些问题。其中最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。机器人面临的环境越复杂，描述后验概率分布所需要的样本数量就越多，算法的复杂度就越高。因此，能够有效地减少样本数量的自适应采样策略是该算法的重点。另外，重采样阶段会造成样本有效性和多样性的损失，导致样本贫化现象。如何保持粒子的有效性和多样性，克服样本贫化，也是该算法研究重点。粒子滤波的发展改进策略马尔可夫链蒙特卡洛(MCMC)方法通过构造Markov链，产生来自目标分布的样本，并且具有很好的收敛性。在SIS的每次迭代中，结合MCMC使粒子能够移动到不同地方，从而可以避免退化现象，而且Markov链能将粒子推向更接近状态概率密度函数(probability density function,(PDF))的地方，使样本分布更合理。基于MCMC改进策略的方法有许多，常用的有Gibbs采样器和MetropolisHasting方法。粒子滤波器(UPF)Unscented Kalman滤波器(UKF)是Julier等人提出的。EKF(Extended Kalman Filter)使用一阶Taylor展开式逼近非线性项，用高斯分布近似状态分布。UKF类似于EKF，用高斯分布逼近状态分布，但不需要线性化只使用少数几个称为Sigma点的样本。这些点通过非线性模型后，所得均值和方差能够精确到非线性项Taylor展开式的二阶项，从而对非线性滤波精度更高。Merwe等人提出使用UKF产生PF的重要性分布，称为Unscented粒子滤波器(UPF)，由UKF产生的重要性分布与真实状态PDF的支集重叠部分更大，估计精度更高。－Blackwellised粒子滤波器(RBPF)在高维状态空间中采样时,PF的效率很低。对某些状态空间模型，状态向量的一部分在其余部分的条件下的后验分布可以用解析方法求得，例如某些状态是条件线性高斯模型，可用Kalman滤波器得到条件后验分布，对另外部分状态用PF，从而得到一种混合滤波器，降低了PF采样空间的维数，RBPF样本的重要性权的方差远远低于SIR方法的权的方差，为使用粒子滤波器解决 SLAM问题提供了理论基础。而Montemerlo等人在2002年首次将Rao-Blackwellised粒子滤波器应用到机器人SLAM中，并取名为FastSLAM算法。该算法将SLAM问题分解成机器人定位问题和基于位姿估计的环境特征位置估计问题，用粒子滤波算法做整个路径的位姿估计，用EKF估计环境特征的位置，每一个EKF对应一个环境特征。该方法融合EKF和概率方法的优点，既降低了计算的复杂度，又具有较好的鲁棒性。最近几年，粒子方法又出现了一些新的发展，一些领域用传统的分析方法解决不了的问题，现在可以借助基于粒子仿真的方法来解决。在动态系统的模型选择、故障检测、诊断方面，出现了基于粒子的假设检验、粒子多模型、粒子似然度比检测等方法。在参数估计方面，通常把静止的参数作为扩展的状态向量的一部分，但是由于参数是静态的，粒子会很快退化成一个样本，为避免退化，常用的方法有给静态参数人为增加动态噪声以及Kernel平滑方法，而Doucet等提出的点估计方法避免对参数直接采样，在粒子框架下使用最大似然估计(ML)以及期望值最大(EM)算法直接估计未知参数。
种子的萌发过程 一、 做实验 1.材料工具 (1)常见的种子（如：绿豆 黄豆）40粒。 (2)有盖的罐头4个，小勺1个，餐巾纸8张，4张分别标有1、2、3、4的标签，胶水，清水。 2．方法步骤 (1)在第一个罐头里，放入两张餐巾纸，然后用小勺放入10粒绿豆，拧紧瓶盖。置于室温环境。 (2)在第二个罐头里，放入两张餐巾纸，然后用小勺放入10粒绿豆，洒上少量水，使餐巾纸湿润，拧紧瓶盖。置于室温环境。 (3)在第三个罐头里，放入两张餐巾纸，用小勺放入10粒绿豆，倒入较多的清水，使种子淹没在水中，然后拧紧瓶盖。置于室温环境。 (4)在第四个罐头里，放入两张餐巾纸，用小勺放入10粒绿豆，洒入少量清水，使餐巾纸润湿，拧紧瓶盖。置于低温环境里。 通过观察，我发现1、3、4号罐中种子未发芽，而2号罐中种子发芽了。 二、研究 1．为什么同样优质，同样品种的种子有的发芽，有的没有呢？ 当一粒种子萌发时，首先要吸收水分。子叶或胚乳中的营养物质转运给胚根、胚芽、胚轴。随后，胚根发育，突破种皮，形成根。胚轴伸长，胚芽发育成茎和叶。 然而，种子的萌发需要适宜的温度，充足的空气和水分。 1号种子未发芽是因为它虽有充足的空气和适宜的温度，但无水分，所以它不可能发芽。 2号种子既拥有适宜的温度和充足的水分，还有水分，所以它发芽了。 3号种子未发芽是因为它被完全浸泡在水中，而水中没有氧气，所以它也不可能发芽。 4号种子也因缺适宜的温度未发芽。 三、讨论结果 通过此次实验，我发现了种子的萌芽需要充足的空气、水分和适宜的温度。仔细地观察，我还看到发芽后的植物上有一些细细的，白白的根毛，其实他们能提高吸水率。 实验给我带来了许多乐趣，也让我从中学到了许多知识。生物学实在是太奇妙了
提问的人貌似是红小灰啊
盘古开天辟地，人类呱呱诞生，从那一刻起，摆脱饥饿，奋力生存便成了人类历史的不朽主题，滚滚历史长河中的历朝历代，各君各王，虽处在不同国度，不同疆域，却拥有着同一个亘古不变的梦想，解决粮食问题。 民以食为天，人类从未停止过对饥饿的抗争，从未停歇过对粮食的渴望。当历史的刻度停留在21世纪，世界人口已经达到60亿的眼下，却依然有8亿人处于饥饿状态，平均每天有24000人死于饥饿。在粮食问题日益凸现的今日，世界将目光投向了中国，这片广袤无垠的国度，耕地面积只占世界7%，人口却占世界22%的第一人口大国。面对冷峻现实，世界陷入了粮食恐慌，人们不仅连连发问：谁来养活中国，谁来养活世界？ 时事造英雄，20世纪70年代，在中国这片古老的土地上爆发了一场"绿色革命"，通过对杂交水稻的成功研究，最终将水稻亩产从300公斤提高到了800公斤，并推广亿多亩，增产200多亿公斤，增产的粮食可以多养活7500万人。英雄用一粒种子改变了世界，英雄满怀信心地向世界宣称，中国人不仅可以自己养活自己，更能为解决世界粮食问题作出巨大贡献。英雄的名字从此响彻天际，被百姓们爱称为"当代神农氏"，他就是杂交水稻之父袁隆平。 回眸奇迹的诞生，竟源自儿时的一次郊游。6岁在武汉园艺场时，当他看到满园里郁郁葱葱，到处是芬芳的花草和一串串鲜艳的果实，立即被这派美景所吸引。心想长大以后也去学农。谁也不知道，那时命运已经开始悄悄安排奇迹的发生。袁隆平沿着儿时单纯的梦想一步步走着，1953年，从西南农学院农学系毕业的袁隆平，为了追求心中的梦，毅然从四川重庆来到了偏僻的湘西雪峰山旁的安江农校任教，一教便是19个春秋。学生们都很尊敬他，视他为良师益友，更被他对稻田的专注精神所感动。这个从小长在大城市里的知识分子，从来不怕臭，不怕脏，随时都能弯腰赤脚下田地，观察稻田的生长情况。刮风下雨也不能阻挡他的热情，农民都打趣的称他为"袁癫子"。正是这种外人难以理解的痴迷之情，在无形的支持着他，正是这种对梦想的执着信念在背后推动着他，精心进行着每一份耕耘，正是这种踏实严谨的治学态度，最终赢来了盆满钵满的丰收硕果。 岁月不居，天道酬勤，穿越过十年风雨的艰辛，杂交水稻的研究才有了今天的成就。袁隆平为了一个"人类没有饥饿的未来"付出了自己所有的青春年华，付出了自己所有的精力汗水。一次次人为的恶意破坏，让精心培养的秧苗毁于一旦；一次次的天灾所难，让科研进程举步维艰。但是十年间的艰难险阻最终都在梦想的力量下低了头，都在与梦想的较量中败下了阵，这个刚毅的汉子，在一次次跌倒后依然不屈前行，在苦难面前他甚至安慰妻子说："山谷越深，山峰越高。我们眼前所经受的苦难，其实是对我们未来的祝福。有价值、有意义的人生，无不是从患难中走来。应该说，苦难是上帝赐予我们的最好的礼品。"朴实无华的话语中透露着圣哲的光芒，平和的心态中预示着成功的讯息。 袁隆平和他的学生们像候鸟一样频繁迁徙，春长沙，秋南宁，冬海南，南北辗转，一年三地，不辞辛劳的奔波全都是为了给种子提供适当的环境。他们还在南开北往的火车，轮船，飞机上浸种，甚至把珍贵的种子绑在腰上，利用体温催芽。从1946年到1970年，袁隆平和他的助手们经过了整整六年的时间，2190个日日夜夜，先后用了1000多个水稻品种，做了3000多个实验，但最终都没有取得实质性进展。心情沮丧的袁隆平并没有继续低迷，在得到党和政府一如既往的支持下，他迅速调整了研究方案，再次积极的投入到了又一次试验当中。宝剑锋从磨砺出，梅花香自苦寒来，1973年，已逾不惑之年的袁隆平在世界上首次育成三系杂交水稻，成功将水稻产量从每亩300公斤提高到了每亩500公斤以上。 袁隆平的杂交水稻实实在在的解决了中华民族的吃饭问题，农民亲切的称他为"米菩萨"。这位大名鼎鼎的科学家，平日不拘小节，看上去就是一介农夫，面对笑他土气的人，他只是淡淡一笑，说："我现在是干的农业活，穿得太讲究会让农民觉得生分，他们就不会同我交朋友了，再说，下地干活也就不方便了。"这种平易近人的性格，让他与乡亲们之间建立了一种血浓于水的真切情意。有一次，郴州一个农民见到袁隆平说："袁老师啊，我们要感谢你，又要埋怨你，你把产量弄得那么高，现在粮食都不值钱了哦。"袁隆平若有所思的对乡亲说："如今种粮食确实不赚钱，但是又少不得。你可以拿一部分田出来种高产水稻，腾出一些地方来种赚钱的作物，那不是又有饭吃又有钱赚了吗？"过了两年，又见到这个农民，他激动的对袁隆平说，袁老师，按照你的方法成功了，粮食丰收了，西瓜，蔬菜也卖了好价钱，现在我们是百分之百感谢你了。运用辩证的眼光，袁隆平为乡亲们解决了"谷贱伤农"的问题。 如今，袁隆平已经不再是中国的袁隆平，他更属于世界，属于整个人类。袁隆平十几次赴印度、越南、缅甸、菲律宾、孟加拉国等国指导推广杂交水稻，为20多个国家培训了300多名技术骨干。1999年经国际小天体命名委员会批准，还将一颗小行星命名为"袁隆平星"，这颗小行星在浩瀚的宇宙中闪烁翱翔。 儿时的梦想已经实现，这个不知疲惫的追梦人又有了新的梦想，他希望有一天到了秋收时节，水稻能长得像高粱那么高，穗子像扫把那么长，谷粒像花生米那么大，几个朋友能坐在稻穗下乘凉。这便是人们津津乐道的"禾下乘凉梦"。 一粒种子改变世界，因为这粒种子承载着人类的梦想，因为梦想的力量使这粒种子在悄无声息的生根发芽，它以惊人的生命力，奋力破土而出。这粒种子改变了中国，改变了世界，改变了人类。小小的种子迸射出了前所未有的能量。知识+汗水+灵感+机遇，给了它无限的养料，沐浴在新时代的阳光中，这粒改变世界的种子还在欣欣的生长着， 那些禾下的梦想，那些远离饥饿的愿望，也将随着种子的茁壮生长而付诸现实。
生物小论文 (关于种子) 一、种子的发芽率 种子发芽率一般是指在适宜的条件下，经浸种吸足水分的种子,在l0天内发芽的种子数占供试种子总数的百分率。它是决定种子质量和实用价值，确定播种量和用种量的主要依据。不同的种子，其发芽力往往有很大差别，相同的种子，其发芽力也会有变化。种子的发芽力受栽培条件、成熟程度、收获时的气候、入库时的种子含水率以及贮藏条件好坏、贮藏时间长短等多因素的复杂影响。如果不进行发芽测定，盲目地进行浸种、催芽或者直接播种，就有可能出现出苗不齐、苗数不足、甚至完全不出苗等现象，其结果不仅浪费粮食，又耽误了季节，造成生产被动。认真做好种子的发芽力测定，周密计算用种量，有计划地进行生产，不但可以避免出现上述情况，还可以提高产量。水稻种子发芽率常用的测定计算方法是：先从供试品种的种子容器中，分上、中、下、边缘、中央不同部位分别随机取出少量种子，去除杂质后，在水温20—30℃条件下浸24小时，然后将吸足水分的种子以100粒为一组，分成四组，分别均匀排列在铺有滤纸或草纸的4个培养皿内，并分别以等量适量的水，放在气温30—35℃环境条件—下，逐日记载发芽数，从试验开始记载10天，最后分组计算其发芽率，四组的平均数即为该种子的发芽率，其计算公式为：发芽率（%）=发芽的种子数*100/供试种子总数 二、种子发芽需要的条件 种子发芽必需的条件是水分、温度、氧气及阳光。 水分是种子发芽的首要条件。种子必须吸收足够的水分才能加速种子内部的生理作用，促进酶的活动，有利于贮藏养料的溶解和胚的增长，从而促进种子的萌发。 温度也是种子发芽必要条件之一。种子在吸收足够水分和氧气后，还需要一定的温度才能萌发，温度是种子萌发的能量来源。温度作用在于促进酶的活性，种子萌发的最适温度也就是酶的最适宜温度。此外，温度也直接影响到种子吸水快慢和呼吸强弱。在一定温度范围内，温度越高，种子吸水越快，呼吸也越强，发芽越快。 种子发芽试验需要大量的氧气。种子发芽时呼吸作用增强，如种子缺氧呼吸，造成种子不宜发芽。 不同作物种子，发芽时对光的反应不同。大部分农作物种子（如玉米、禾谷类等种子）对光照要求不严格。这些种子发芽试验时用光照或黑暗均可。有一些好光性的种子如烟草种子，芹菜种子等，只有在光照条件下才能发芽或促进发芽。还有一些嫌光性的种子，如黑草种有光照时会抑制发芽。这些种子发芽试验时应给黑暗处理。 三、种子萌发的过程 当一粒种子萌发时。首先要吸收水分。子叶或胚乳中的营养物质转运给胚根、胚芽、胚轴。随后，胚根发育，突破种皮，形成根。胚轴伸长，胚芽发育成茎和叶。 我也曾经做过两次种子萌发的实验，是用绿豆做的，第一次实验的时候，因为总是忘了给种子加水，结果种子全都干死了，终于第一次实验以失败而告终。接着马上就迎来了第二次实验，这次记得了上次的教训，我的种子终于发芽了。 我的论文主题是关于种子的，介绍了怎么样测种子的发芽率、种子萌发的条件与种子萌发的过程。这就是我的生物小论文。
蔡自兴教授已在国内外发表论文和科技报告等860多篇。2010年： Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26- 28, Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26-28, . Chen Baifan,Zi-Xing Cai, Zhi-Rong Zou. A Hybrid Data Association Approach for Mobile Robot SLAM. International Conference on Control, Automation and Systems, October 27-30, 2010, KINTEX, Gyeonggi-do, KOREA (Accepted).4. Guo Fan,Cai Zixing, Xie Bin, Tang Jin. Automatic Image Haze Removal Based on Luminance Component. The International conference on Signal and Image Processing (SIP 2010).May 2010 (Accepted).5. Linai. Kuang,Zixing. System based Redeployment Scheme for Wireless Sensor Networks[C].In proceeding of 1st IET International Conference on Wireless Sensor Network. Beijing, China, November,. Lingli YU,Zixing CAI, A Study of Multi-Robot Stochastic Increment Exploration Mission Planning [J]. Frontiers of Electrical and Electronic Engineering in China, (Received).7. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Applied Soft Computing, 2010,10(2): 629–. LIU Xian-ru,CAI Zi-xing. Advanced obstacles detection and tracking by using fusing radar and image sensor data. International Conference on Control, Automation and Systems，2010/10/27,. Liu Xianru,Cai zixing. Advanced obstacles detection and tracking by using fusing Radar and Image Sensor Data[C]. International Conference on Control, Automation and Systems. (October 27-30,2010, KINTEX, Gyeonggi-do, KOREA).10. Ren Xiaoping,Zixing Cai. Kinematics Model of Unmanned Driving Vehicle. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: . Suqin Tang,Zixing Cai: Tourism Domain Ontology Construction from the Unstructured Text Documents. The 9th IEEE International Conference on Cognitive Informatics, Beijing, . Suqin Tang,Zixing Cai: Using the Format Concept Analysis to Construct the Tourism Information Ontology. The 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'10)，Yantian, , . Tan Ping,Zixing Cai. An Adaptive Particle Filter Based on Posterior Distribution. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: . Wang Yong,Cai Zixing, Zhang Qingfu. Differential evolution with composite trial vector generation strategies and control parameters. IEEE Transactions on Evolutionary Computation, Accept, regular . Wang Yong,Cai Zixing. Constrained evolutionary optimization by means of (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, in . Wang Yong, Combining multiobjective optimization with differential evolution to solve constrained optimization problems. IEEE Transactions on Evolutionary Computation, (regular paper, Accepted).17. Xianru Liu,Zixing Obstacles Detection and tracking by Fusing Millimeter Wave Radar and Image Sensor Data,International IEEE Intl Coference on Control,Automation and Systems , Korea, 2010, 22:. Xie Bin, Fan Guo,Zixing Cai. Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. 2010 International Conference on Intelligent System Design and Engineering Application, Changsha, China, 2010. (Accepted) .19. YU Ling-li,CAI Zi-xing, GAO Ping-an, LIU Xiao-ying. A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multi-robot exploration mission planning. Journal of control theory and applications (Received) .20.蔡自兴，陈白帆，刘丽珏. 智能科学基础系列课程国家级教学团队的改革与建设. 计算机教育，2010，（127）：40-44 .21.蔡自兴，任孝平，李昭.一种基于GPS/INS组合导航系统的车辆状态估计方法. , .蔡自兴。智能科学技术课程教学纵横谈. 计算机教育，2010，（127）：.蔡自兴，蒋冬冬，谭平，安基程。中快速运动估计算法的一种改进方案;计算机应用研究2010,27(4):.蔡自兴; 任孝平; 邹磊; 匡林爱. 一种簇结构下的多移动机器人通信方法.小型微型计算机系统,2010,31(3):. 陈爱斌，蔡自兴.一种基于目标和背景加权的目标跟踪方法,控制与决策，2010,25(8):. 陈爱斌;蔡自兴; 文志强; 董德毅. 一种基于预测模型的均值偏移加速算法. 信息与控制 2010,39(2): . 陈爱斌; 董德毅;杨勇;蔡自兴. 基于目标中心定位和NMI特征的跟踪算法.计算机应用与软件,2010,27(4):. 陈白帆，蔡自兴，刘丽珏. 人工智能课程的创新性教学探索——人工智能精品课程建设与改革. 计算机教育，2010，（127）：. 官东，蔡自兴，孔志周. 一种基于推荐证据理论的网格信任模型.系统仿真学报，2010，22（8）：.郭璠,蔡自兴,谢斌, 唐琎. 图像去雾技术研究综述与展望. 计算机应用, 2010, 30(9):. 郭璠,蔡自兴, 谢斌, 唐琎. 一种基于亮度分量的自动图像去雾方法. 中国图象图形学报. 2010年3月(录用).32. 江中央,蔡自兴,王勇. 一种新的基于正交实验设计的约束优化进化算法. 计算机学报, 2010，33（5）：. 江中央,蔡自兴,王勇.求解全局优化问题的混合自适应正交遗传算法.软件学报, 2010,21(6):. 匡林爱,蔡自兴. 基于遗传算法的无线传感器网络重新部署方法. 控制与决策，2010,25(9):. 匡林爱,蔡自兴.一种簇机构下的多移动机器人通讯方法.小型微型计算机系统.，2010，31（3）：. 匡林爱,蔡自兴.一种带宽约束的无线传感器网络节点调度算法.高技术通讯，2010,20(3):. 刘丽珏，蔡自兴，唐琎. 人工智能双语教学建设. 计算机教育，2010，（127）：. 刘献如，蔡自兴. 基于SAD与UKF-Mean shift的主动目标跟踪. 模式识别与人工智能，2010,23(5)：. 刘献如，蔡自兴. 结构化道路车道线的鲁棒检测与跟踪. 光电子.激光，2010，21(12):. 刘献如,蔡自兴.UKF 与Mean shift 相结合的实时目标跟踪.中南大学学报，2009年录用.41. 刘晓莹;蔡自兴; 余伶俐; 高平安. 一种正交混沌蚁群算法在群机器人任务规划中的应用研究. 小型微型计算机系统, 2010,31(1):. 蒙祖强，蔡自兴，黄柏雄. 课程交叉教学在应用型人才培养中的实践探索. 计算机教育，2010，（127）：. 潘薇;蔡自兴; 陈白帆. 复杂环境下多机器人协作构建地图的方法;四川大学学报(工程科学版) . 任孝平,蔡自兴,邹磊,匡林爱.“中南移动二号”多移动机器人通信系统.中南大学学报（自然科学版）,2010,41(4):. 任孝平,蔡自兴.四种虚拟力模型在传感器网络覆盖中的性能分析.信息与控制,2010，39（4）：. 任孝平;蔡自兴; 陈爱斌. 多移动机器人通信系统研究进展. 控制与决策 2010,(3): .唐素勤，蔡自兴，王驹，蒋运承: 基于gfp语义的描述逻辑系统FLE的有穷基,计算机研究与发展，2010,47(9):. 唐素勤，蔡自兴，王驹，蒋运承: 描述逻辑非标准推理, 模式识别与人工智能，2010,23(4)：. 肖赤心，蔡自兴，王勇. 字典序进化算法用于组合优化问题. 控制理论与应用，2010，27（4）：. 谢斌，蔡自兴. 基于MATLAB Robotics Toolbox的机器人学仿真实验教学. 计算机教育，2010，（127）：. 余伶俐,蔡自兴,谭平,段琢华.基于多模态Rao-Blackwellized进化粒子滤波器的移动机器人航迹推算系统的故障诊断. 控制与决策，2010，25（12）：. 余伶俐,蔡自兴,谭平,进化粒子滤波器对比研究及其在移动机器人故障诊断的应用. 信息与控制，2010，39（5）：. 余伶俐，蔡自兴，肖晓明. 智能控制精品课程建设与教学改革研究. 计算机教育，2010，（127）：. 余伶俐,焦继乐,蔡自兴. 一种多机器人任务规划算法及其系统实现. 计算机科学，2010，37（6）：.周涛;蔡自兴。 信息审计中短消息中心实验环境的仿真[J].科学技术与工程 2010,10(6): . 邹磊,蔡自兴,任孝平.一种基于虚拟力的自组织覆盖算法.计算机工程,2010,36(14):93-95 .2009年：57. Gao Ping-an,Cai Zi-xing. Evolutionary Computation Approach to Decentralized Multi-robot Task Allocation. Proc. of the 5th International Conference on Natural Computation, IEEE Computer Society, 2009,. Wang Yong,Cai Zixing, Zhou Yuren. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization, International Journal for Numerical Methods in Engineering, 2009, 77(11):. Wang Yong,Cai Zixing, Zhou Yuren, Fan Zhun. Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique, Structural and Multidisciplinary Optimization, 2009, 37(1): . Wang Yong,Cai Zixing. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems, Frontiers of Computer Science in China, 2009,3(1):. Wang Yong,Cai Zixing. Constrained evolutionary optimization by applying (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, . Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering Soft Computing, 2010,10(2):629–. Liu Limei,Cai Zixing. An Improvement of Hough Transform for Building Feature . Limei Liu, Zixing Cai, Method Based on Uncertain Information of Sonar Sensor[C]. The 9th International Conference for Young Computer Scientists,2009,. YU Ling-li,CAI Zi-xing. Robot Detection Mission Planning Based on Heterogeneous Interactive Cultural Hybrid Algorithm. Proc. of the 5th International Conference on Natural . Ren Xiaoping,Cai Distributed Actor Deployment Algorithm for Maximum Connected Coverage in WSAN. Proc. of the 2009 Fifth International Conference on Natural Computation, 2009,. 王勇,蔡自兴,周育人,肖赤心.约束优化进化算法.软件学报, 2009,20(1): . 陈白帆,蔡自兴, 潘薇. 基于声纳和摄像头的动态环境地图创建方法.高技术通讯, 2009, 19(4): . 陈白帆,蔡自兴, 袁成. 基于粒子群优化的移动机器人SLAM方法研究.机器人, 2009, 31(6)：. 高平安,蔡自兴. 多移动机器人任务负载均衡分组规划方法.高技术通讯,2009, 19(5):. 高平安,蔡自兴. 一种基于多子群的动态优化算法.中南大学学报(自然科学版) 2009, 40(3): . 刘献如,;蔡自兴. 一种基于Integral Imaging和与模拟退火相结合的深度测量方法研究. 系统仿真学报. 2009，21(8)：2303~. 刘利枚，蔡自兴，潘薇.一种基于声纳信息的地图创建方法.计算机工程，2009，35（7）：. 余伶俐，蔡自兴. 基于异质交互式文化混合算法的机器人探测任务规划.机器人.2009, 31(2):. 余伶俐，蔡自兴，刘晓莹，高平安. 均分点蚁群算法在群集机器人任务规划中的应用研究[J].高技术通讯. 2009,19(10),. 余伶俐，蔡自兴. 改进混合离散粒子群的多种优化策略算法.中南大学学报,2009, 40(4): . 余伶俐，蔡自兴，高平安，刘晓莹. 当代学习自适应混合离散粒子群算法研究. 小型微型计算机系统. 2009, 30(9):. 余伶俐，蔡自兴. 基于当代学习离散粒子群的多机器人高效任务分配算法研究. 计算机应用研究. 2009, 26(5):.蔡自兴; 谢斌; 魏世勇; 陈白帆. 《机器人学》教材建设的体会. 2009年全国人工智能大会(CAAI-13)，北京：北京邮电大学出版社，252-255，2009年9月.80.蔡自兴，郭璠. 密码学虚拟实验平台的设计与实现.中国人工智能进展（2009），中国人工智能大会(CAAI-13)论文集，北京：北京邮电大学出版社，432-438，2009年9月.81.蔡自兴,任孝平,邹磊.分布式多机器人通信仿真系统.智能系统学报,2009,4(4): . 任孝平,蔡自兴.基于阿克曼原理的车式移动机器人运动学建模.智能系统学报, 2009,4(6);.蔡自兴; 任孝平; 邹磊. 分布式多机器人通信仿真系统.智能系统学报, 2009,4(4);. 文志强;蔡自兴. 一种目标跟踪中的模糊核直方图. 高技术通讯, 2009,19(2):.刘星宝;蔡自兴. 种子检测器刺激-应答变异算法研究. 高技术通讯, 2009,19(3):. 刘星宝;蔡自兴. 负选择算法中的检测器快速生成策略. 小型微型计算机系统, . 刘星宝;蔡自兴. 异常检测系统的漏洞分析.中南大学学报(自然科学版), . 潘薇;蔡自兴; 陈白帆. 一种非结构环境下多机器人构建地图的方法. 高技术通讯, . 孔志周;蔡自兴; 官东. 两种模糊密度确定方法的实验比较. 小型微型计算机系统, . 江中央;蔡自兴; 王勇. 用于全局优化的混合正交遗传算法. 计算机工程, . 肖赤心;蔡自兴; 王勇; 周经野. 一种基于佳点集原理的约束优化进化算法. 控制与决策, 2009-02-15 .92. 官东;蔡自兴; 孔志周. 一种基于网格技术的HLA分布仿真实现方法. 系统仿真学报, 2009,21(5):.刘慧;蔡自兴; 王勇. 基于佳点集的约束优化进化算法. 系统仿真学报, 2009-03-20 .94. 潘薇;蔡自兴; 陈白帆. 基于遗传算法的多机器人协作建图方法. 计算机应用研究, . 任孝平;蔡自兴; 卢薇薇. 一种基于扫描相关度的LSB算法. 计算机应用, .胡强;蔡自兴. 一种基于改造时钟系统的Linux实时化方案. 计算机工程, . 袁成;蔡自兴; 陈白帆. 粒子群优化的同时定位与建图方法. 计算机工程, . 王勇;蔡自兴. “智能优化算法及其应用”课程教学的实践与探索. 计算机教育, . 任孝平;蔡自兴; 卢薇薇. 网络可重构的多机器人仿真系统. 计算机应用研究, . 袁湘鹏;蔡自兴; 刘利枚. 基于声纳的移动机器人环境建图的设计与实现. 计算机应用研究, . 官东;蔡自兴; 孔志周.网格服务本体匹配算法研究. 小型微型计算机系统, 2009，30(8):. 邹磊;蔡自兴; 任孝平. 基于簇的多移动机器人通信系统. 计算机应用研究, .蔡自兴. 从严施教,精心育才,培养高素质人才. 计算机教育, . 肖晓明; 旷东林;蔡自兴. 单亲遗传算法种群初始化方法分析. 电脑与信息技术, . 刘丽珏; 陈白帆; 王勇; 余伶俐;蔡自兴. 精益求精建设人工智能精品课程. 计算机教育, . 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法.中南大学学报(自然科学版), . 唐素勤;蔡自兴; 江中央; 肖赤心. 用于求解约束优化问题的自适应佳点集进化算法. 小型微型计算机系统,2009,第9期，.胡扬;桂卫华;蔡自兴. 多元智能算法控制结构综述. 计算机科学, .蔡自兴. 《混沌系统的模糊神经网络控制理论与方法》评介. 计算技术与自动化, . 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法. 2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）], . 于金霞;蔡自兴; 段琢华. 复杂地形下移动机器人运动学建模研究. 2009中国控制与决策会议论文集（1）, . 刘献如，蔡自兴，杨欣荣. Integral Imaging与模拟退火相结合的深度测量方法研究. 系统仿真学报，2009,21（8）：2303－2307.
我这里有一个粒子群的完整范例：<群鸟觅食的优化问题>function main()clc;clear all;close all;tic; %程序运行计时E0=; %允许误差MaxNum=100; %粒子最大迭代次数narvs=1; %目标函数的自变量个数particlesize=30; %粒子群规模c1=2; %每个粒子的个体学习因子，也称为加速常数c2=2; %每个粒子的社会学习因子，也称为加速常数w=; %惯性因子vmax=; %粒子的最大飞翔速度x=-5+10*rand(particlesize,narvs); %粒子所在的位置v=2*rand(particlesize,narvs); %粒子的飞翔速度%用inline定义适应度函数以便将子函数文件与主程序文件放在一起，%目标函数是：y=1+(*(1-x+2*x.^2).*exp(-x.^2/2))%inline命令定义适应度函数如下：fitness=inline('1/(1+(*(1-x+2*x.^2).*exp(-x.^2/2)))','x');%inline定义的适应度函数会使程序运行速度大大降低for i=1:particlesize for j=1:narvs f(i)=fitness(x(i,j)); endendpersonalbest_x=x;personalbest_faval=f;[globalbest_faval i]=min(personalbest_faval);globalbest_x=personalbest_x(i,:);k=1;while k<=MaxNum for i=1:particlesize for j=1:narvs f(i)=fitness(x(i,j)); end if f(i) 目标函数是什么 还有约束条件 近日，《物理评论快报》在线刊发了他们的研究论文。山西大学为论文唯一单位，博士研究生李耀和杨勇刚教授为论文共同第一作者，通讯作者为秦成兵教授和肖连团教授，贾锁堂教授和张国峰教授等共同参与了研究工作。 金纳米粒子因其特有的非线性效应、表面等离子体共振效应、光热效应等，一直是物理、化学、材料等学科的研究热点，在光学传感、能量俘获、高分辨成像和光热治疗等方面具有重要的应用。由于金纳米粒子量子产率低(10-6)，而多光子荧光强度和高阶非线性效应严重依赖于激发光的功率，大功率激光的使用一方面会因光热效应破坏金纳米粒子本身的结构，另一方面也会对纳米系统或有机体 (如细胞、组织) 造成不可修复的损伤，从而极大地限制了金纳米粒子在功能器件、生物成像、癌症治疗等方面的实际应用。 图1金纳米粒子在不同时间尺度下的超快动力学行为。(a) 线性坐标；(b) 对数坐标。(c) 两束等功率飞秒脉冲激发下的对称干涉条纹；(d) 不等功率激发下的非对称干涉条纹。传统多光子激发模拟结果：(e) n=2，(f) n=。 肖连团教授研究团队针对金纳米粒子应用发展存在的瓶颈问题，提出基于中间态物理参数可调的三能级理论模型，提升超快双脉冲激发金纳米粒子的非线性干涉效应。实验发展了相位和振幅精确可调的双脉冲超快光场技术，用于精准地调控飞秒激光与金纳米粒子相互作用，在将激发功率降低2个量级的情况下，实现了金纳米粒子双光子荧光的非线性干涉，相干相长时荧光强度比通常的双光子光致发光方法提高100倍以上，相干相长与相干相消之比达到104。 研究工作同时表明，通过精确调控两束飞秒激光的延迟，可以精准地调控飞秒激光与金纳米粒子相互作用的非线性系数。使用单束飞秒脉冲激发金纳米粒子时，其荧光表现出明显的双光子吸收过程，非线性系数为2；在采用双脉冲激发时，当仅改变其中一束飞秒激光功率时，金纳米粒子的荧光随两束脉冲延迟的增加呈现出从线性过程向双光子过程渐变的奇异行为。在金纳米粒子的实际应用中，线性过程适用于精密测量与传感，而高阶非线性过程对超分辨成像更为有利。 图2 (a) 不同延迟下金纳米粒子荧光强度随激发功率的变化；(b) 金纳米粒子多光子荧光的非线性系数随两束脉冲相对延迟的变化行为。 文中图片由山西大学提供 美国杜克大学材料科学家们提出了一种新的“油醋”方法，来设计由球形纳米颗粒制成特殊结构的自组装材料。所得结构可用于光学、等离子体学、电子学和多级化学催化等领域，这项新技术研究发表在《ACS Nano》上。根据发展趋势，一个悬浮的球形纳米颗粒系统被设计成聚集在一起，通过尽可能紧密地包裹自己，将它们的接触点最大化。这导致了随机团簇或三维晶体结构的形成。但是材料科学家们经常想要建立更开放的低维度结构，比如弦或片，以利用在不同类型粒子之间的空间中可能发生的某些现象。博科园：研究人员总是在寻找聪明的方法来精确控制这些空间和粒子的大小和位置。在这项新研究中，杜克大学机械工程和材料科学副教授高拉夫·艾利亚(Gaurav Arya)提出了一种方法，利用液体形成的分层结构，就像一瓶油醋酱放在架子上太久，无法混合在一起。当球形纳米颗粒被放入这样一个系统时，往往会在相对液体的界面上形成单层。但他们不必呆在那里。通过将“油”或“醋”分子附着在粒子表面，研究人员可以让它们更多地漂浮在分界线的一边。这些粒子想要最大限度地增加接触，形成块状结构。‘但与此同时，不同液体的界面正试图迫使它们分成两层。所以有一个力量的竞争，可以用它来形成不同种类独特和有趣的结构。研究人员的想法是精确控制每个球形纳米颗粒被一种液体或另一种液体排斥量。根据计算，通过改变这种性质以及其他性质，比如纳米颗粒的组成和大小，材料科学家可以做出各种有趣的形状，从细长的分子状结构到只有两个纳米颗粒同时接触的z形结构。人们甚至可以想象几个不同的层一起工作来排列一个纳米颗粒系统。在概念验证论文中，纳米颗粒可以由任何物质制成。金或半导体可用于等离子体和电子器件，而其他金属元素可催化各种化学反应。与此同时，形成界面的相对基板是仿照各种类型的聚合物制成，这些聚合物也可用于此类应用。到目前为止，在这篇论文中，研究人员只介绍了组装方法，并展示了它创造这些你通常不会得到奇特安排的潜力。接下来还有很多事情要做。首先，想要 探索 研究人员使用这个概念可能产生的所有结构和阶段，还与实验员密切合作，测试这种方法的全部能力。博科园-科学科普｜研究/来自: 杜克大学/Ken Kingery 参考期刊文献:《ACS Nano》 DOI: 博科园-传递宇宙科学之美 随着理论和实验的不断发展，物理学家逐步建立了粒子物理的“ 标准模型 ”。 在这个模型下，整个宇宙的基本粒子分为4类，分别是 夸克 、 轻子 、 矢量玻色子 和 标量希格斯粒子 。 其中，矢量玻色子是相互作用的 媒介子 ，通过规范作用传递着基本粒子之间的强相互作用、弱相互作用和电磁相互作用。 所有的基本粒子通过和希格斯子发生 相互作用 而获得质量。随着2012年希格斯粒子 在实验中发现 ，粒子物理标准模型完成最后一块“拼图”，证明了标准模型的巨大成功。 但是目前宇宙中仍然有许多标准模型解释不了的问题，表明 粒子物理标准模型并不是“终极”理论 ，而是电弱能标下的“有效”理论，仍然有超出标准模型的新物理亟待去发掘，这也是当前粒子物理学界的主要研究内容。 暗物质研究 暗物质超出了粒子物理标准模型，是当今物理学和天文学亟待解决的重大问题，在 实验中探测到暗物质并研究其物理属性 ，将是物理学的重大突破。 暗物质实验探测有3个主要方向—— 直接探测 、 间接探测 和 对撞机探测 。 国际新一代暗物质直接探测实验 PandaX-4T 4t级液氙实验 率先投入运行，取得大质量暗物质世界最强的限制。 间接探测包括暗物质粒子探测（ DAMPE ）和 AMS-02空间实验 积累了更多数据，给出更加精确的测量。 欧洲核子研究中心大型强子对撞机 LHC 上的暗物质寻找不断深入更加复杂的参数空间，并为即将开始的Run-3阶段取数做准备。 中国锦屏地下实验室（CJPL） 是世界上最深的实验室，有效屏蔽了来自宇宙线的干扰，提供了极其优越的实验环境，中国开展了 PandaX液氙实验 和 CDEX高纯锗实验 直接探测暗物质。 >>> 近20年来，位于意大利的 DAMA/LIBRA实验 一直宣称观测到暗物质在NaI(Tl)晶体中产生的 年调制信号 ，然而相应的暗物质信号参数被各种类型的直接探测实验所排除。 为了更加确切地检验这个疑似信号，国际上试图用同样的低本底NaI(Tl)晶体开展实验。 2021年5月，西班牙 Canfrac地下实验室 采用 kg的低本底NaI(Tl)晶体探测器的ANAIS实验公布了3年曝光量的探测结果，并 没有发现显著年调制现象 。预计到2022年底，该实验将有超过3倍标准偏差灵敏的曝光量，可以给出更加确切的结论。 另一个采用106 kg低本底NaI(Tl)晶体的 COSINE-100实验 ，在韩国Yangyang地下实验室 a曝光量的数据，也 没有发现显著的年调制现象 。 >>> 2020年，位于意大利Gran Sasso地下实验室的 XENON1T液氙实验 在 t·a曝光量的低能量电子反冲数据中，观测到了 大于3倍标准偏差的疑似信号 ，引起了暗物质理论和实验研究领域的广泛关注，亟需 同类型实验的进一步检验 。 中国 PandaX-II二期580 kg级液氙实验 积累了100 t·d的曝光量数据，直接从刻度数据中获取了 氙中主要的放射性杂质本底的特征谱 ，进而根据这些高可靠性的本底特征谱对电子反冲数据进行分析。 PandaX-II的结果显示，XENON1T观测的疑似信号 和当前数据并不矛盾 ，还需要提高数据统计量和探测灵敏度以给出确定性结论。 PandaX-II实验对轴子暗物质耦合常数（a）和中微子反常磁矩（b）的排除限，和XENON1T的疑似信号并不矛盾 国际上开展了多种类型暗物质探测的实验升级和研发，3个以液氙作为靶物质的实验，位于中国的PandaX-4T、欧洲的XENONnT和美国的LZ实验，将探测体量提升到了多吨级，预期能够 将探测灵敏度比之前提升1个数量级以上 。 其中， PandaX-4T液氙实验 在2020年底完成安装和调试，成为国际上首个投入运行的 多吨级液氙探测实验 ，在2021年上半年试运行的曝光量达到 t·a。 PandaX-4T探测器中应用了一系列新技术：研制了 新一代超大尺寸高透光的时间投影室探测器 ，大幅提高了探测器电场的均匀性和电子信号放大率，实现高分辨率的信号重建；采用了 无触发数据读出方式 ，有效降低了微弱信号的探测阈值；研制了 新型低温精馏氙系统 ，成功提纯6 t原料氙，将放射性杂质氪85的含量降低到PandaX-II时的1/20；有效利用液氙自屏蔽并结合多种放射性测量方法和表面清洗工艺，将单位探测靶中放射性本底降低到1/20，放射性杂质氡222的含量降低到1/6。 PandaX-4T首批数据的探测灵敏度较PandaX-II 提升了倍 ，给出了大质量暗物质和原子核自旋无关散射截面世界最强的限制。 PandaX-4T首批数据 对暗物质自旋无关散射截面的排除限 黄色区域为“中微子地板”，即探测灵敏度可以探测到太阳或大气中微子在探测器中的信号贡献 这批数据也显示，在暗物质质量10 GeV/ c 2附近区域，PandaX-4T实验开始触碰到所谓的“ 中微子地板 ”，即有可能探测到太阳中核聚变产生的硼8中微子同氙原子核的 相干散射信号 ，这种散射将是未来探测中微子的一个重要途径。 与此同时，国际上开始计划 几十吨级“终极”液氙探测实验 ，其中一个目标是将暗物质探测灵敏度推进到“中微子地板”。PandaX实验团队已经开展了相应的关键技术研发。 以液氩为靶物质 的探测器对大质量暗物质也有独特的探测灵敏度，几十吨级的低本底氩探测器的研发也在持续推进中。 >>> 中国CDEX实验利用 点电极高纯锗探测器 ，可实现 低能量阈值的探测 ，对轻质量暗物质具有高灵敏度。 2021年CDEX实验公布了利用 kg·d曝光量的数据寻找有效场暗物质信号的结果。 直接探测实验中，暗物质和靶物质相互作用转移动量小，可以 用有效场算符的形式系统地研究 ，从而实现较为全面的覆盖多种可能的暗物质理论模型。 在分析中，CDEX实验将探测阈值降低到160 eV，针对小质量暗物质，系统性地给出了 非相对论下 多种类型有效场模型的耦合常数上限。 同时，利用 手征有效场理论 ，获得了6 GeV/ c 2质量以下世界最强的WIMP与pion介子散射截面的排除限。 目前CDEX实验正在开展50 kg级高纯锗探测阵列实验的研发，预期将探测灵敏度 提高2个数量级以上 。 >>> 针对 小质量暗物质 ，直接探测实验也尝试不同探测方案来突破探测阈值的限制。 液氙探测实验 通过独立电离电子信号（S2-only）、Migdal或韧致辐射等次级效应来寻找小质量暗物质。 如 PandaX实验 在2021年初发表的S2-only数据分析结果，寻找暗物质和电子散射信号，在15~30 MeV/ c 2暗物质质量区间给出世界最强的 散射截面限制 。 SENSEI实验 采用了约2 g的高阻抗Skipper-CCD，在2020年底发表了24 d运行数据的结果，给出 MeV/ c 2质量的暗物质和电子散射信号世界最强的限制，以及 eV/ c 2质量的暗光子世界最强的限制。 SENSEI实验正在组装测试100 g探测模块，将 大幅度提升该质量范围的暗物质探测灵敏度 。 >>> 在 暗物质间接探测 方面，中国暗物质探测卫星 DAMPE实验 和位于国际空间站的 AMS-02实验 继续积累数据。 2021年发表了AMS-02实验运行7 a以来的物理数据，给出 更加精确 的反电子、反质子等测量结果。 >>> 在 对撞机探测 方面， 大型强子对撞机LHC 上的 ATLAS 和 CMS 实验不断深入分析Run-2运行时期的全部数据，寻找 暗物质产生过程 以及 中间传播子信号 。 对撞机探测不受原子核自旋大小的压制，通过寻找夸克或者胶子湮灭产生暗物质的过程，以及通过双喷注共振峰直接寻找轴矢量中间传播子，在一定的耦合常数下，可以 有效补充直接探测实验的结果 。 对撞机实验同时在寻找一些 复杂过程的暗物质模型 ，其中， 暗希格斯子模型 认为暗物质的质量起源有可能也存在类似希格斯子的破缺机制——暗希格斯子，暗希格斯子可以有和希格斯子类似的衰变过程。 ATLAS实验在2021年发表了 首个暗希格斯子衰变到2个矢量玻色子最终态的寻找结果 ，对中间传播子和暗希格斯子质量给出了限制。 LHC第三期取数Run-3即将开始，将累计更多的数据量进一步扫描多种暗物质产生模型。 中微子和粒子天体物理研究 粒子天体物理和粒子物理研究紧密联系， 宇宙线 具有地球上人造加速器无法达到的高能量，为我们认识极端高能物理过程、寻找新物理提供了宝贵的物质样本。 >>> 2021年粒子天体物理领域最显著的成果来自中国国家重大 科技 基础设施—— 高海拔宇宙线观测站LHAASO 。 LHAASO于2021年完成建设并顺利通过工艺验收，正式进入科学运行阶段，以前所未有的灵敏度开展 伽马射线、宇宙线巡天观测 。 在建设期间，基于1/2阵列数据，LHAASO合作组发布了首批观测结果：发现 银河系中大量超高能宇宙加速器 ，为寻找河内宇宙线起源做出了重要推进；记录到 能量达 PeV的伽马射线光子 ，这是人类迄今为止观测到的最高能量光子，开创了超高能伽马射线这一崭新的天文窗口。 蟹状星云 是首批发现的12个超高能伽马射线源之一，一直作为伽马射线天文学的“标准烛光”，LHAASO的最新结果为此“标准烛光” 在超高能波段设定了亮度标准 。 LHAASO观测到来自蟹状星云方向的 PeV伽马射线光子 这些超高能伽马射线辐射产生PeV以上能段的电子，接近经典电动力学和理想磁流体力学理论所允许的加速极限， 对现有的粒子加速理论提出了严峻挑战 。 未来几年，LHAASO将持续对北天区开展巡天观测，扫描伽马射线源并精确测量“膝”区宇宙线能谱， 冲击宇宙线起源的世纪之谜 。 >>> 另一种来自宇宙深处的重要物质样本是 高能中微子 。 2021年，位于南极冰层中的冰立方中微子天文台公布了首个 格拉肖共振事件 ——格拉肖预言，反电子中微子可与电子相互作用生成W-玻色子。产生格拉肖共振的中微子峰值能量为 PeV，可 从极端天体环境中得到 。 冰立方在此次簇射事例中测得 PeV的能量，考虑到簇射中的不可见能量，中微子能量被修正为约 PeV；事例中测到次级缪子的信号预示着 W-玻色子的强子衰变过程 ，为格拉肖共振提供了进一步证据。 冰立方的格拉肖共振事件再次验证了粒子物理标准模型， 揭示了天体反电子中微子的存在 。 对格拉肖共振事件的观测有望对天体中微子的产生机制做出限制。 未来几年是中微子天文学发展的关键时刻，国内外多个实验组提出了冰层、海洋、湖泊中的多种 下一代中微子望远镜方案 ，结合伽马射线、宇宙线、引力波的观测数据开展多信使天文学研究。 >>> 在 超出标准三味中微子模型的新物理寻找 方面，位于美国费米国家加速实验室的MicroBooNE实验发布了新的测量结果，没有找到惰性中微子存在的迹象。 此前，LSND、MiniBooNE等 短基线实验 相继发现中微子的数量异常，引入第四种中微子—— 惰性中微子 。 MicroBooNE实验没有找到惰性中微子，表明其中的差异还需要进一步研究，中微子数量异常仍然是未解之谜。 >>> 2021年，国际 无中微子双贝塔衰变实验 方向发展势头迅猛。 大型实验 中，CUORE和Kam⁃LAND-ZEN实验分别继续取数，GERDA的继任实验LEGEND-200即将开始运行。 国内无中微子双贝塔衰变实验在最近几年蓬勃发展，多个实验组提出了多种不同的实验方案，再次彰显了 马约拉纳中微子 这一问题的重要性和显著度。 >>> 2021年， 中国江门中微子实验 的建设进展顺利，预期2023年开始取数，剑指中微子质量顺序、中微子混合参数的精确测量，有望率先获得具有国际竞争力的实验成果。 明天将介绍缪子反常磁矩研究、重味与强子物理研究、高能量前沿希格斯物理、电弱物理与新物理寻找这3个领域的进展，敬请关注！ 论文全文发表于《 科技 导报》2022年第1期，原标题为《2021年粒子物理学热点回眸》，本文有删减，欢迎订阅查看。 我觉得有两方面的原因 其实杨米尔斯理论是早于杨振宁和李政道的宇称不守恒提出来的。但是当时整个理论本质上是一个数学框架，而且当时杨振宁曾经有一次在台上给别人作报告，下面大多都是大神，比如：原子弹之父奥本海默，上帝之鞭泡利，费米等等。而当他讲完整个理论的时候，曾经好几次喷过爱因斯坦的泡利站了出来，指出了一个让杨振宁哑口无言的问题，那就是“粒子的质量”问题，当时杨振宁下不来台，是在奥本海默的帮助下，才没有被为难。 而这也是早期杨米尔斯理论没有被受到重视的原因。后来希格斯提出了希格斯机制，这个问题才被解决掉。而现代的粒子标准模型的出现，更加确立了杨米尔斯理论的价值。 杨振宁已经因为宇称不守恒拿到了奖，所以很难再拿奖。 其次，目前来说，诺贝尔奖给别人颁奖，一般是一个人在同一学科最多拿一次，居里夫人是1个化学奖，1/4的物理奖，其实是不违反规则的。而巴丁拿了两次1/3的物理奖，连1个都不到。 历史 上，只有桑格一个人拿到了1+1/3=4/3个，分别是1958年（1个），1980（1/3个）除此之外，没有了。要知道这100多年的 历史 上，也就这一个人多拿到了1/3。即使像爱因斯坦这样的科学家也不列外。所以，杨振宁要凭借这个拿奖太难了。给杨米尔斯理论补漏和发展的两个团队拿到了诺奖。 其实这里有很多方面的原因 其实，杨米尔斯理论有时候被过分夸大了许多许多。很多人都说杨振宁是爱因斯坦之后最伟大的科学之一。但是其实某种程度上来说，他还只是“ 爱因斯坦之后 ”的伟大科学家，这不代表他真的做了和爱因斯坦一样的事情。爱因斯坦是提出了一套理论体系，几乎以一人之力构建了相对论。 而杨振宁呢？他和米尔斯的理论其实只是一个骨架，更确切地说只是一个数学框架（模型）。在这个骨架里其实很有很多需要查缺补漏的地方，他并不能算是一个完整的理论。而且，其实当年杨振宁在给物理学家讲解他的杨米尔斯理论时，有个叫泡利的科学家尖锐地指出了一个问题“质量”，当时杨振宁在台上都说不出话来。是的，整个理论的问题就在于“粒子的质量”问题，杨米尔斯理论并没有解决这个问题，其实同一时期的泡利也做了同样的事情，只是他被“粒子质量”问题所困扰，所以并没有发表该论文。 后来，随着粒子物理学发展，希格斯等人提出了相应的理论，并填补了之前杨米尔斯理论的所不能解决的问题，也就是“粒子的质量问题”，杨米尔斯理论的价值才被显现出来，在这个框架下，现代粒子标准模型被提出，并且统一强相互作用，弱相互作用和电磁作用。 所以，说是杨振宁和米尔斯最先提出了基础框架，在某种程度上是有问题的，首先是框架本身有问题，其实当时代也有人做了一样的研究，只是觉得有问题而没有发表。 其次，我们都知道杨振宁拿过诺奖，是对称性破缺（宇称不守恒），这个论文一发表，他们知道吴健雄来做实验验证，并且当年就完成了验证，第二年他们就获了奖。 也就是说，杨振宁其实拿到了1/2的诺奖。而诺奖其实有规定一个人在一个领域最好不要超过1个奖，所以，如果要颁给杨振宁杨米尔斯理论的诺奖，那就是再给他1/2，其实也是符合要求的。可问题是，米尔斯已经去世了。所以，再颁奖，杨振宁是要拿到1个奖的。1+1/2=>1，所以超过了这个潜规则的要求。因此诺奖不大可能再给他颁奖。其实有很多科学家都有这个问题，比如：爱因斯坦。如果按照成就来看，他至少拿6个，可是他也只得到了1个而已。 最后，我要说，其实杨振宁的成就不需要诺奖来锦上添花了，他完全配得上爱因斯坦之后最伟大的科学家之一，而且也是目前世界上最伟大的科学家之一。 《宇宙物理体系》简介: 它全文9万字，历时6年完工。它对旧物理基础概念定义作了一次全面检查维修及重建。它以寻找物质基本性质即物性为突破口重建物理学。它增加了若干新的基础概念定义。它完成了对宇宙大自然最基本最重要最普遍物象进行逐一解释，且逻辑自洽。 杨振宁摘得诺贝尔奖是在1957年，是因为发现了弱相互作用下宇称不守恒而获奖的，宇称不守恒的论文发表在1956年。当时人们还没有认识到，杨振宁的最伟大成果不是弱相互作用下宇称不守恒，而是和他的助手米尔斯合作发表在1954年的杨-米尔斯理论。 杨-米尔斯理论刚发表时只是一个数学框架，并且还有明显的没有解决好的漏洞，用他的这套模型不能解决粒子质量的来源问题。在杨振宁发表论文之前，泡利也做出了和杨振宁几乎一模一样的工作，当时泡利认识到这套模型不能解决粒子的质量来源问题，故他放弃了发表。 后来，希格斯等人研究对对称性自发破缺时给出了希格斯机制，粒子质量的来源问题才算是得到了解决，杨-米尔斯理论的重要性也就逐步体现了出来。弱相互作用与电磁相互作用就是在此基础上得到了统一，弱电统一理论是上个世纪足以和相对论媲美的辉煌科学成就，后来强相互作用也纳入到这个框架中。在希格斯粒子被发现后，建立在杨-米尔斯理论框架上的标准模型取得了巨大的成功，在此之前强相互作用的渐近自由也摘得了诺贝尔奖。 这个问题暗设了博大精深的理论就一定获得诺贝尔奖。所以质疑没有获得诺奖的杨米尔斯理论的博大精深，或者质疑诺奖的公正性。 那么我们来看看另一个更加极端的案例，爱因斯坦的相对论--无论是狭义相对论，还是广义相对论--都没有获得诺贝尔奖。爱因斯坦获奖的成就是光电效应，为量子力学奠定了基础，而不是他最博大精深的相对论。 因此，博大精深的理论不一定获得诺奖，没什么奇怪的。诺奖缺失掉一些重大成果，迄今也是最有价值的科学奖项。 很多人都在评论杨振宁的理论内容如何如何 ，当然每个人都有质疑的权利，毕竟一个东西提出来，那就要让人去理解和发表不同看法，以及提出不同的意见，毕竟理论的提出来就是为了证明一些东西的，但是在证明出来之前，任何理论都有质疑的空间，只要你有那个质疑的能力和道理，需要真才实学去用不同的理论去看待，而不是说一些没有用的话。 任何东西的质疑和反驳都要有足够的证据和说服力才行，而网上出现一些人去评论和质疑一个世界其他有名物理学家都承认的理论，感觉让人非常的 搞笑 ，一个能作为未来物理学发展方向的框架理论，在网上的一些人眼中竟然不算什么，这是多么厉害的人才会这样的认为。 杨振宁在物理界上的地位业内人士没有人会质疑，而质疑他成就最多的就是我们国内网上的一些人，不知道这是什么原因导致的，一个伟大的物理学家在世界上其他地方获得尊重，但是在国内却被一些人瞧不起被质疑被喷，这个反常的现象表现出来了当前的特殊现象，关键是喷的这些人什么成就都没有，不知道哪里来的底气，要反驳应该拿出反驳的成就出来，而不是一顿瞎说。 杨振宁在1957年获得诺贝尔奖，但是他的最高成就并不是因为这个诺贝尔奖获得的理论和发现，世界上他的知名度都是建立在杨—米尔斯理论，但是获得诺贝尔奖的并不是他的这个理论，只是为什么呢，正常来说他的这个理重要性高于宇宙不守恒定律才对，毕竟这是物理界公认的。 为什么他的这个更重要的物理理论没有获得诺贝尔奖呢？其实是因为有规定一个人不能同时重复在一个领域获得两次诺贝尔奖，也就是说在一个领域获得过诺贝尔奖后，以后就算在同一个领域获得更高成就也不能再次获得诺贝尔奖，一个人可以获得多个诺贝尔奖，前提是你有那个能力，再者就是要在不同的领域。 再者诺贝尔奖获得条件是在某一个领域有巨大发现和做出巨大贡献，杨振宁的理论在他获得诺贝尔奖之前没有完成，也没有获得理论性的证明，直到获奖以后不久他这个定律才初步完善，这个时候已经错过了机会，至于这些理论对与错，有多厉害，这个我们是外行人，没办法去对这些专业的东西进行评论，只是从基础性的方面来说他这个理论框架基础远远比那些利用基础获得突破的强，毕竟万丈高楼平地起，基础打好才能建高楼，没有基础那只是空中楼阁，任何的高 科技 都是从最基础的数学物理理论上建立起来的，构建基础框架的难度远远高于其他，这也是为什么他获得世界物理界认可的地位的原因，也只有我们国内的一些网上的人认为是过度吹捧了，而世界上的科学家物理学家都认可他的地位，真是非常有意思的现象。 杨米尔斯规范场理论，更多的是数学上的成就，是一个群的规范。这个理论跟很NB，但是这个理论不是标准模型，记住了，杨米尔斯理论跟标准模型不是一回事。 导读：自然界有四大基本作用力：强力、弱力、电磁力，科学家知道它们的作用效果，但是如何从本质上去诠释它们呢？这就需要粒子物理标准模型了，简单的说这个模型就是从本质上去诠释这四种相互作用力（引力目前除外）。 This theoretical model, already ranked alongside the works of Newton, Maxwell, and Einstein, will surely have a comparable influence on future generations.（这个理论模型，已经达到了与牛顿、麦克斯韦、爱因斯坦的理论相提并论的高度，它将影响未来几代人的研究）。 以上这段话，是1994年美国著名的理论物理学奖项——“鲍尔奖”授予“杨——米尔斯理论”时的评语，对这个理论有非常高的评价。按照现代物理学的发展轨迹，大致来说，有四个里程碑式的阶段，第一阶段：以牛顿的“引力场论”为标志；第二阶段：以麦克斯韦的“电磁场论”为标志；第三阶段：以爱因斯坦的“相对场论”为标志；第四阶段，就是以杨——米尔斯理论为核心内容，而建立的“统一场论”（或者叫“规范场论”）为标志。所以说，杨振宁教授是一位能与牛顿、麦克斯韦、爱因斯坦等伟大的物理学家并肩的理论物理学大师。这么说，是一点都不为过的。至少，目前仍然健在的物理学大师之中，没有成就比他更高的人了。 按理说，这么伟大的理论，获得诺贝尔物理学奖，应该是不在话下的，但事实并非如此，这是因为诺贝尔物理学奖的属性问题，诺贝尔物理学奖主要是针对实验物理而设立的，只对那些能用具体的物理实验来验证科学理论的物理学家进行奖励，并不看重建立理论公式的物理基础理论。爱因斯坦建立了著名的“相对论”，可是这并没有让他获得诺贝尔物理学奖，但是，爱因斯坦的“光电效应定律”被实验证明后，却获得了诺贝尔奖。同理，杨——米尔斯理论虽然没有获得诺贝尔奖，但是，基于杨——米尔斯理论所做出了的很多实验结果，却获得了诺贝尔奖。 所以说，杨——米尔斯理论确实是一个博大精深的物理“标准模型”，它所奠定的理论基础孕育了一系列的诺贝尔物理学奖。 爱因斯坦也仅仅因为光电效应得诺奖，这是诺奖评奖的局限性，但大师们的地位不是靠诺奖奠定的。真正的大师都是理论架构师，牛顿、麦克斯韦、爱因斯坦、狄拉克、杨振宁是一级别，当然牛顿和爱因斯坦几乎靠一己之力，其他几位则是理论奠基人，越复杂的理论越难以理解，需要的智力贡献越多，能参与的人也越少，比如基于杨米尔斯场论的标准粒子模型。 据New Atlas报道， 经过长达10年的分析，物理学家们的合作项目对一个关键粒子的质量进行了最精确的测量。 新的测量结果与基于标准模型的预测大不相同，暗示了新的物理学。 自从20世纪70年代开发以来，粒子物理学的标准模型在解释粒子的相互作用和大多数基本力量方面一直非常成功。它并没有涵盖一切--主要的缺失部分包括暗物质甚至是引力--但是它所涵盖的内容非常好，始终经得起测试其预测的实验。 但是现在，一种经过充分研究的粒子可能会威胁到这种标准模型。粒子的质量可以通过它们与标准模型中其他粒子的关系来计算，然后这种预测的质量可以与粒子对撞机中的实际测量结果进行比较，以测试标准模型的内部一致性。这个过程现在导致了一个重大的差异，这要归功于一个叫做W玻色子的不起眼的粒子。 W玻色子是携带弱力的基本粒子，调解像太阳中工作的那些核过程。根据标准模型，它们的质量与希格斯玻色子和一个叫做顶夸克的亚原子粒子的质量有关。在一项新研究中，美国能源部费米实验室对撞机探测器（CDF）合作的近400名科学家花了十年时间研究了从 Tevatron对撞机26年的数据中收集的420万个W玻色子候选者。从这个宝库中，该团队能够将W玻色子的质量计算到以内，使其比之前的最佳测量结果精确了一倍。 根据他们的计算，W玻色子的最新质量测量的中心值和不确定度为80433 9MeV/c2。这在以前的一些测量范围内，但远远超出了标准模型的预测范围，标准模型认为它的质量为80357 6MeV/c2。 进一步巩固了这一反常现象，研究人员最近还使用大型强子对撞机的数据测量了W玻色子的质量，并在1月份发表了一篇论文。一些没有参与这项研究的物理学家更愿意站在标准模型一边，这是可以理解的。 实验物理学家Martin Grünewald在《科学》杂志的一篇报道中说：“所有这些测量都声称测量的是同一个量。一定有人，我不会说是错的，但也许是犯了一个错误，或者把误差评估推得太厉害了。” 但是新的CDF分析的科学家们说，他们用来得出数字的程序经过了多年的适当审查。事实上，在这些质量检查完成之前，最终的测量值被隐藏在分析仪中。 CDF分析的主要作者Ashutosh Kotwal说：“我们的结果所涉及的改进和额外检查的数量是巨大的。我们考虑到了我们对粒子探测器的改进理解，以及对W玻色子与其他粒子相互作用的理论和实验理解方面的进展。当我们最终公布结果时，我们发现它与标准模型的预测不同。” 如果新的数字得到验证，它可能暗示着标准模型之外的未知粒子或新的物理学，它们正在干扰预期的相互作用。毕竟，研究人员已经知道这个框架是不完整的，而进一步的调查可能有助于揭开这个谜团。 “现在要靠理论物理学界和其他实验来跟进并揭开这个谜团，”CDF联合发言人David Toback说。“如果实验值和预期值之间的差异是由于某种新的粒子或亚原子相互作用造成的，这也是可能性之一，那么很有可能是在未来的实验中可以发现的东西。” 这项研究发表在《科学》杂志上。最新的粒子结构研究论文
粒子标准模型问题研究论文