Abstract Nitrogen‐rich quantum dots (N‐dots) were serendipitously synthesized in methanol or aqueous solution at a reaction temperature as low as 50 °C. These N‐dots have a small size (less than 10 nm) and contain a high percentage of the element nitrogen, and are thus a new member of quantum‐dot family. These N‐dots show unique and distinct photoluminescence properties with an increasing percentage of nitrogen compared to the neighboring carbon dots. The photoluminescence behavior was adjusted from blue to green simply through variation of the reaction temperature. Furthermore, the detailed mechanism of N‐dot formation was also proposed with the trapped intermediate. These N‐dots have also shown promising applications as fluorescent ink and biocompatible staining in C. elegans.

Abstract Honeybees ( Apis mellifera carnica ) communicate the rhumb line to a food source (its direction and distance from the hive) by means of a waggle dance. We ask whether bees recruited by the dance use it only as a flying instruction or also translate it into a location vector in a map-like memory, so that information about spatial relations of environmental cues informs their attempts to find the source. The flights of recruits captured on exiting the hive and released at distant sites were tracked by radar. The recruits performed first a straight flight in the direction of the rhumb line. However, the vector portions of their flights and the ensuing tortuous search portions were strongly and differentially affected by the release site. Searches were biased toward the true location of the food and away from the location specified by translating the rhumb line origin to the release site. We conclude that by following the dance a recruit gets two messages, a polar flying instruction (the rhumb line) and its conversion to Cartesian map coordinates.

For discovering uncharted chemical space of ionic liquids (ILs) for CO2 dissolution, a reliable generative framework combining re-balanced variational autoencoder (VAE), artificial neural network (ANN), and particle swarm optimization (PSO) is developed based on a comprehensive experimental solubility database from literature. The re-balanced VAE transforms the chemical space of ILs into continuous latent space, which is demonstrated by t-distributed stochastic neighbor embedding (t-SNE) visualization and sampled ions of the latent space. ANN is connected with the re-balanced VAE to predict the CO2 solubility and the resultant VAE-ANN model achieves a low mean absolute error (MAE) of 0.022 on the test set. Lastly, the PSO algorithm is employed to search the latent space for optimal IL structures with the highest predicted solubility. A total of 5120 ILs are generated and optimized through 10 parallel runs of PSO. Their CO2 solubilities are predicted and compared to those of the 3735 ILs combined with the already-known cations and anions in the CO2 solubility database under 298.15 K and 100 kPa. The results demonstrate a notably larger distribution of higher CO2 solubility in optimized ILs after PSO, which effectively points out the significance and directions for exploring the wide IL chemical space.