针对钢铁工业 CO 2 排放量大的问题以及少（无）烟尘、深度脱磷、脱氮、控氧的绿色洁净炼钢的发展方向，2004 年研发团队提出将 CO 2 作为资源循环应用于炼钢过程，同时利用 CO 2 的高温特性解决现有冶金工艺存在的问题。 经过根据十余年的研究发现，CO 2 是弱氧化性气体，在炼钢温度下与碳、硅、锰等元素可发生氧化反应，并伴随吸热或微放热效应，具有以下冶金功能： （1）利用 CO 2 参与炼钢反应的吸热效应，可将 2700-3000℃的顶吹氧气射流高温火点区降低至铁的沸点（2750℃）以下，减少了铁的蒸发量； （2）转炉炼钢前期硅、锰等元素的氧化使熔池迅速升温，难以满足低温高效脱磷的热力学条件，可通过喷吹 CO 2 控制熔池升温速率，延长低温脱磷时间，解决了长期困扰炼钢的脱磷不稳定、深脱磷难等问题； （3）与纯氧喷吹相比，CO 2 与钢中各元素反应均生成 CO，能够强化熔池搅拌，改善渣钢反应动力学条件，减少终点钢液过氧化，生产低氮/低磷/低氧钢种； （4）利用炼钢底吹 CO 2 的冷却效应，发明了 CO 2 控制“蘑菇头”生长与消除的动态平衡方法，可有效延长炼钢底吹元件寿命。在充分掌握 CO 2 高温弱氧化、强搅拌及冷却效应等冶金反应特性的基础上，研发团队提出在炼钢生产中采用 CO 2 代替部分顶吹 O 2 、底吹 CO 2 代替全部 N 2 /Ar进行 CO 2 -O 2 混合喷吹炼钢的工艺流程（见附件 1 工艺路线图），发明了具有自主知识产权的炼钢喷吹 CO 2 降尘、高效脱磷、脱氮/控氧及长寿底吹等系列技术，并完成了工业示范应用。

穿心莲内酯是具有多重活性的天然产物，但其溶解度差等原因影响其有效的利用。本实验室前期研究中药物发现14-芳基醚穿心莲内酯具有核受体拮抗剂、血管新生抑制剂及抗菌等功效，在此基础上对穿心莲内酯结构及其引入基团的合适修饰可以达到增强某个/些活性的效果，目前本项目已经有两项专利授权（ZL 201310146923.3，ZL201510034151.3）。

该项研究中，课题组以商品化可得的苯乙烯、芳基硼酸以及制备简便的甲基硫代磺酸酯为原料成功制取了2,2-二芳基乙基砜类衍生物。采用甲基硫代磺酸酯作为砜基自由基的来源，除了具有原料制备简便，无需柱层析分离纯化，原子经济性较好等优势，还可以巧妙地抑制芳基磺酰基自由基与芳基硼酸之间的两组分副反应，顺利实现了2,2-二芳基乙基砜类化合物的高效制备。另外，该体系

本发明提供了花生维生素E合成相关基因AhPK及其在提高植物维生素E含量和耐盐性中的应用，将该AhPK基因在花生中超量表达后，得到生育酚含量和活性最高的α生育酚含量显著提高的转基因植株。实验证明，将本发明的AhPK基因超量表达可显著提高花生叶片的维生素E含量，且可明显增强转基因花生种子的耐盐性。本发明的蛋白及其编码基因对于植物维生素E合成机制的研究，以及提高植物的维生素E含量、活性和植株的抗逆性具有重要的理论及实际意义，应用前景广阔。

本发明属于污染物检测技术领域，涉及一种Fe‑MOF/Fe<subgt;3</subgt;S<subgt;4</subgt;复合材料及其作为纳米酶在检测马拉硫磷中的应用。将六水合三氯化铁溶液和富马酸溶液混合，得到混合液A，然后进行回流反应，得到Fe‑MOF前驱体；将硫源加入到Fe‑MOF前驱体的乙醇分散液中，超声处理后，密封并进行水热反应，制得Fe‑MOF/Fe<subgt;3</subgt;S<subgt;4</subgt;复合纳米材料。本发明所提供的制备方法流程简便、原材料价格低廉、资源丰富，合成成本低，且产品性能稳定，适合大批量合成。通过溶液颜色变化可实现对马拉硫磷的可视化检测，具有高灵敏度、低检测限、宽线性响应范围和较好的选择性及稳定性。

高校科技成果尽在科转云

通过研究三维狄拉克半金属材料ZrTe5中量子振荡随磁场倾角的演化，发现在特定角度电阻的量子振荡会突然消失，并伴随出现振荡相位的反转。分析表明这是所谓的spin zero现象，这也是第一次在拓扑材料中观察到该现象。更重要的是，这一现象带来的振荡相位反转，表明广泛使用的确定贝里相的实验方法，在某些条件下会得出错误结论。 拓扑材料在强磁场下由于轨道作用和自旋塞曼劈裂，可能演化出不同的拓扑态，从而为研究这些态之间的转化，即拓扑相变，提供了理想的平台。Spin zero现象是由于朗道能级发生塞曼劈裂，两套劈裂的朗道能级的量子振荡相互叠加干涉引起的，因此可以提取出自旋相关的信息。ZrTe5中spin zero现象的出现，暗示当磁场沿a轴或c轴附近时，ZrTe5的狄拉克能带磁场作用下变成线节点拓扑半金属，而非外尔半金属。所以，spin zero的出现，也可以用于帮助判定拓扑态的类别。图表1：ZrTe5中量子振荡的振幅和相位随磁场角度的变化。

本发明属于环境保护中土壤重金属污染的治理和农产品安全领域，涉及一种降低铬在烟草中积累的制剂及其使用方法。一种降低铬在烟草中积累的制剂，该制剂包含浓度为0.08-0.12?μM的油菜素内酯。进一步的，所述的油菜素内酯为2,4表油菜素内酯。本发明制剂具有配制简单、使用方便、无毒副作用和成本低等优点。使用时以叶面喷施的方式进行，与喷洒农药类似，简单易操作。本发明适用于烟草生产低铬产品，适合在中轻度铬污染地区推广应用。

徐虎课题组提出了关于在磁性Weyl半金属中实现偶数对Weyl点的新思路。Weyl半金属的电子低能激发可以用粒子物理中的两分量狄拉克（Dirac）方程即外尔（Weyl）方程来描述，因此这类材料体系被称为Weyl 半金属。Weyl半金属中能带交叉的点（Weyl点）可以看着动量空间中的磁单极。 由于Weyl点的两重简并特性，Weyl半金属通常需要破坏空间反演对称（非磁性）或者破坏时间反演对称（磁性）。非磁Weyl半金属已经在TaAs系列材料中得到实验确认。相对于非磁Weyl半金属，磁性Weyl半金属的研究更为重要。但是，由于磁基态的复杂性和磁空间群的多样性，磁性Weyl半金属研究进展相当缓慢。到目前为止，理论上还没有一种有效的方法可以对磁性Weyl半金属进行分类和设计。长期以来，人们普遍认为具有空间反演对称的磁性Weyl半金属中的Weyl点数目为奇数对，对偶数对Weyl点的系统鲜有报道。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。