通常，金属材料内部的夹杂物可能会成为断裂疲劳源。为评估金属材料的疲劳强度，需要对引起断裂的内部夹杂物进行检查和鉴定。为了观察和测试内部的夹杂物，使用超声波疲劳断裂试验让内部的夹杂物暴露出来进行检测可谓是最佳方法1)。本次我们使用超声波疲劳试验机USF-2000A 对试样SNCM439 中的夹杂物进行检测，并使用电子探针显微分析仪EPMATM-8050G（以下简称EPMA）对引起疲劳断裂的夹杂物进行观察与元素的分析。

液相串联质谱联用技术在医学检验中的应用越来越广泛，质谱数据后处理的准确性直接影响到检测结果的质量，本文介绍了基于“AI”算法的Peakintelligence ™数据解析模块的特点及其在临床质谱数据后处理中的应用优势，包括血清中脂溶维生素检测、儿茶酚胺类化合物检测等易受内源性基质干扰影响的项目。通过加载人工智能和机器学习的数据处理算法可以有效避免异常积分曲线出现的概率，简化数据后处理流程，提高实验室分析效率并保证检测结果更准确。

本文建立了加速溶剂萃取（ASE）结合气相色谱质谱联用仪负化学电离源（GCMS-NCI）测定大气PM2.5中6种硝基多环芳烃（NPAHs）含量的分析方法。大气采样滤膜经加速溶剂萃取仪在线萃取、浓缩后，直接进GCMS分析。在1~100?g /L的浓度范围内，6种硝基多环芳烃的线性相关系数均在为0.998以上，对1.0?g /L的标准溶液连续6针进样，峰面积RSD%在9%以下。在1 ng的加标含量条件下，加标回收率在63~76%之间；6种NPAHs的最低检出限均在0.06?g /L以下，可满足大气中硝基多环芳烃的科研和监测分析要求，为建立大气PM2.5中的硝基多环芳烃测定建立了一套快速简便、准确的定