• 대한화학회지
• /
• 제48권3호
• /
• pp.331-334
• /
• 2004

• 대한화학회지
• /
• 제47권2호
• /
• pp.137-146
• /
• 2003

3-하이드록시 벤조피란[3,2-c]-[1]-벤조피란-6,7-다이온(3)과 3-메톡시카보닐쿠마린을 소듐 메톡사이드 존재하에 화합물 1과 레조시놀을 축합시켜 합성하였으며 화합물 3의 아세트산 무수물, 알킬 할라이드, 다이아조니움 클로라이드와의 반응성에 대해 기술하였다. 화합물 4,5오 6a,b의 EI 질량분석에서는 89, 280, 91, 120 들의 주된 봉우리들이 각각의 분열 결과로 얻어짐을 볼 수 있었다. 화합물 3, 6b, 7a의 분자이온 봉우리로써 280, 366, 488을 각각 관찰할 수 있었다. 화합물 7a에서는 383과 77의 두 개의 안정한 조각을 가지는 특징적인 분역형태를 얻었다.

• 전기화학회지
• /
• 제13권1호
• /
• pp.70-74
• /
• 2010

전기화학 반응을 이용한 실리콘 표면상으로의 단백질 고정을 연구하였다. 이를 위해 Nitrobenzendiazonium(NiBD) 양이온을 화학적 환원반응을 통해 수식하고 수식된 실리콘 표면을 전기화학적으로 다시 환원시켜 나이트로 기능기를 일차아민 기능기로 활성화하여 단백질 고정에 이용하였다. 활성화 된 표면에 금 나노입자를 고정하여 일차 아민 생성을 확인하였다. 또한 이 방법을 응용하여 실리콘 나노선 어레이 중 선택된 나노선 만을 활성화하고 단백질을 선택적으로 고정하는 연구를 수행하였다. 이 연구를 통하여 NiBD 양이온의 화학 및 전기화학 반응이 실리콘 나노선 표면으로 단백질의 선택적 고정화에 유용하게 사용될 수 있음을 보였다.

• 폴리머
• /
• 제24권5호
• /
• pp.610-620
• /
• 2000

아세트산비닐(VAc)을 아조비스디메틸발레로니트릴(ADMVN) 및 삼차부틸알코올 (TBA)을 각각 개시제 및 용매로 하여 30, 40 및 5$0^{\circ}C$에서 용액중합하였다. 합성된 폴리아세트산비닐 (PVAc)을 비누화함으로써 고분자량 혼성배열 폴리비닐알코올(PVA)을 제조하였다. 중합조건들이 전환률, 가지화도 및 PVAc와 PVA의 분자량에 미치는 영향을 고찰하였다. TBA에서의 VAc의 중합 속도는 ADMVN 농도의 0.49승에 비례하였고, 이는 이론치 0.5와 잘 일치하였다. 저온에서 개시가 가능한 ADMVN 및 낮은 사슬이동상수를 갖는 TBA를 사용함으로써 고분자량 및 고수율의 PVA가 얻어졌다. PVAc의 평균 중합도는 전환률 약 35%부터 70%의 범위에서 10000~13000이었고, 이를 비누화하여 얻은 PVA의 평균 중합도는 2400~6100이었다. 교대배열 다이애드기 함량은 중합온도를 낮춤에 따라 조금씩 증가하였고, 중합시 TBA의 입체장애 효과 때문에 TBA의 양을 증가시킴에 따라서도 증가하였다.

• 대한환경공학회지
• /
• 제28권9호
• /
• pp.917-925
• /
• 2006

[ $TiO_2/UV$ ] system에서 azo dye 중 반응성 염료의 광촉매 산화분해에 대한 연구를 수행하였다. 광촉매 산화공정은 다양한 인자에 의해 영향을 받으며 이런 인자들의 산화반응에서 효과 및 특성을 파악하고 예측식 모형을 추정하기란 매우 힘든 작업이다. 따라서 본 연구는 실험계획법 중 박스-벤켄법(Box-Behnken method)을 이용하여 2인자 3수준의 실험디자인으로 최적의 산화조건을 찾기 위한 실험을 수행한 결과는 다음과 같다. 본 실험에서 색도 제거율($Y_1$)의 반응모형에 가장 크게 영향을 끼치는 항은 주 효과(선형효과)와 교차항으로 나타났고 그 중 $x_2$(dye concentration)가 가장 민감하게 반응모형에 영향을 받는 것으로 확인되었다. $COD_{Cr}(Y_2)$의 반응모형의 경우 $Y_1$의 모형과 마찬가지로 주 효과(선형효과) 및 교차항이 모델의 생성에 가장 중요한 모수로 작용하였지만 $Y_1$와 달리 $x_1(TiO_2)$ 및 $x_2$(dye concentration) 모두 반응 모형에서 민감하게 서로 상호작용하며 영향을 주었다. 최적의 산화조건을 찾기 위해 정준분석 중 능선분석을 수행한 결과 $Y_1:(X_1,\;X_2)$=(1.11 g/L, 51.2 mg/L), $Y_2:(X_1,\;X_2)$=(1.42 g/L, 72.83 mg/L)의 결과를 얻을 수 있었고 모형의 검증결과 매우 높은 신뢰성을 보였다.