本发明公开了一种光电化学太阳能电池光电极微纳结构制造工艺，包括步骤：1)在洁净硅片上热生长一层 SiO₂薄膜、2)在有 SiO₂层的硅片表面光刻出圆孔阵列图形、3)刻蚀暴露的 SiO₂，将光刻的图形转移到 SiO₂层、4)镀Cu 膜、5)去除表面的光刻胶及光刻胶表面的 Cu、6)生长 Si 微米线阵列、7)在 Si 微

本发明公开了应用混合型喷嘴喷印制造有机场效应晶体管的方 法，包括以下步骤：1)喷印 Gate 极；2)喷印介电层；3)成形导电单元： 混合型喷嘴喷出的液体在接收基板上沉积形成导电单元及覆在导电单 元上的油层；4)转印；5)制造连接电极层；6)组合封装。本发明工艺简 单，在混合型喷嘴制备完成的情况下，静电纺丝工艺实现简单，对环 境要求也较低；成本低，设备成本低，同时制造过程中均只需要一定 浓度的溶液，损耗少；精度、分辨率高，不需重复定位，而且静电纺 丝所得纤维器件均在微纳尺度，集成度完全满足电路要求；

本发明公开了一种光电化学太阳能电池光电极微纳结构制造工 艺，包括步骤：1)在洁净硅片上热生长一层 SiO2 薄膜、2)在有 SiO2 层的硅片表面光刻出圆孔阵列图形、3)刻蚀暴露的 SiO2，将光刻的图 形转移到 SiO2 层、4)镀 Cu 膜、5)去除表面的光刻胶及光刻胶表面的 Cu、6)生长 Si 微米线阵列、7)在 Si 微米线表面镀一层 ZnO 膜、8)在 Si 微米线表面生长 ZnO 纳米线、9)在 ZnO 纳米线表面制备一层 CdS 薄 膜 、 10) 在 ZnO/CdS 结 构 表 面

1、主要技术内容、获奖情况 通过本项目的实施，掌握了百万等级超长叶片小余量数值模拟锻造及工艺优化技术、大型疏水槽空心叶片自动化焊接及变形控制技术、末级动叶片多阶静频测量及调频控制技术、末级动叶片进汽边防水蚀控制技术（硬化层深度可控的激光硬化技术和激光熔覆技术）、大型末级动叶精密机械加工控制技术、叶片产业化数字制造技术等关键技术，开发了满足重大工程需求的百万千瓦等级汽轮机系列长叶片，打破了国外大公司在该领域长期技术垄断，掌握了核心技术，提升高端长叶片品质，降低了百万等级机组制造成本，优化了产品工艺，加快实现百万千瓦等级机组的自主化和国际化进程，为推动我国电站装备制造行业及电力能源产业结构调整奠定了坚实的基础。 获奖情况：2015 年中国机械工业科技技术奖一等奖 2、成果的技术指标、创新性与先进性 （1）在国内采用超长叶片小余量数值模拟锻造及工艺优化技术，首次实现了世界最长的百万等级核电汽轮机 75 英寸（1905mm）叶片和百万超超临界汽轮机 60 英寸（1524mm）钛合金叶片研制。 （2）在国内采用激光硬化和激光熔覆技术，分别首次实现了国内最长的百万千瓦超超临界汽轮机 45 英寸（1146mm）末级动叶片和百万千瓦超超临界汽轮机 48 英寸（1220mm）末级动叶片进汽边防水蚀处理。 （3）在国内采用多阶静频测量及调频控制技术，使静频一次合格率提高到了 90%，首次实现了百万千瓦超超临界汽轮机 45 英寸（1146mm）叶片 1～6 阶静频测量及调频（柔性自由叶片）。 （4）在国内首次对 1 米以上超大空心叶片采用自动化焊接技术，研制成功了国内最长的百万千瓦超超临界汽轮机 41 英寸（1050mm）末级空心静叶片和百万千瓦核电汽轮机 51 英寸（1292mm）末级空心静叶片。 （5）通过采用信息化与工艺技术的集成，加快了在产业化中产品开发效率和质量，首次实现了产品开发过程中的锻造工艺的自动化设计、叶片型面数据的自动化测量分析、产品质量数据的自动化收集与分析。 3、技术成熟度 百万千瓦等级汽轮机长叶片关键制造技术已成熟应用于百万等级核电汽轮机 57 英寸（1448mm）末级动叶片、CAP1000 核电汽轮机 67 英寸（1710mm）末级动叶片、CAP1400 核电 71（1800mm）、72（1828mm）、75（1905mm）英寸末级动叶片、百万超超临界汽轮机 60 英寸（1524mm）钛合金叶片、百万千瓦超超临界汽轮机 48 英寸（1220mm）末级动叶片、百万超超临界汽轮机 45 英寸（1146mm）柔性自由末级动叶片和 41 英寸（1050mm）末级空心静叶、CPR1000 核电汽轮机 51英寸（1292mm）空心静叶片等一系列具有国际先进水平的长叶片研制中，并实现了产业化。 4、应用情况 江南大学和无锡透平叶片有限公司联合研制生产的百万千瓦等级汽轮机长叶片已批量经交付给东方汽轮机厂、上海汽轮机厂、哈尔滨汽轮机厂、日本三菱日立、德国西门子等公司，百万等级核电叶片已通过用户和中广核的共同鉴定，无锡透平叶片有限公司因此列入中广核国内唯一的核电叶片供货商名单。目前产品已经分别成功运用在国内岭澳核电站二期、红沿河一期、北仓港电厂、华能玉环电厂等，经用户使用后反映良好。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近日，化学学院徐浩教授课题组在催化不对称合成领域取得了新进展。

本发明属于结构优化设计相关技术领域，其公开了一种适用于 增材制造的自支撑网状结构拓扑优化设计方法，其包括以下步骤：(1) 利用 SIMP 材料密度-刚度插值模型，获取[0，1]之间不同层次实体材 料的密度分布，同时得到宏观材料布局形式及宏观位移场；(2)构建基 于参数化水平集方法的优化模型，在宏观材料布局优化的基础上，针 对不同的中间密度单元进行微结构构型拓扑优化，并输出最优细观微 结构构型。上述方法将支撑结构与所设计结构自身相结合，融合了宏 观材料布局优化及细观微结构拓扑优化，避免了在增材制造成型