本实用新型公开了一种基于阴极电势调控的生物电化学耦合上流式厌氧生物反应装置。该装置中，上流式厌氧生物反应器污泥层中设置环形电极，生物电极系统为所述的上流式厌氧生物反应器筒体内阴极附近的微生物提供能量较高的电子用于污染物的降解。参比电极通过紧固螺栓固定于生物阴极附近，并通过导线与在线检测仪和计算机连接，用于实时监测耦合反应器生物阴极的阴极电势。可根据不同污染物降解所需的吉布斯自由能通过能斯特方程计算反应所需的电势差，并通过调节生物电化学系统的外加电压将阴极电势控制在略低于所需电势差的范围内，达到低能耗，高效率地降解氯代硝基苯等难降解有机污染物的目的。

组蛋白H3的N端翻译后修饰在调控基因转录活性和染色质结构方面发挥着非常重要的功能，其异常修饰可能会导致发育紊乱和癌症的发生。

本发明公开一种复合型重金属污染土壤的化学和微生物联合修复方法和应用，其通过添加污染土壤化学改良剂以固定污染土壤中的重金属离子，再通过高效重金属抑制微生物功能菌剂和土壤改良微生物功能菌剂持续强化受污染土壤的修复，克服了传统的化学改良剂针对单一或性质相近的重金属固定效果很好，而对复合型重金属污染土壤修复不能完全达标的缺陷；同时兼顾了经济和环境效益，可以大规模应用于复合型重金属污染土壤的修复。

本发明公开了一种耦合太阳能与化学链空分技术的低能耗富氧燃烧系统，该系统包括干蒸汽制取装置、化学链空分装置以及富氧燃烧装置，其中，干蒸汽制取装置包括太阳能集热器、蒸汽发生器和分流器，干蒸汽制取装置生成的干蒸汽经分流器分为两股：一股干蒸汽进入化学链空分装置用于吸氧反应器的流化气，另一股干蒸汽进入富氧燃烧装置，化学链空分装置生成的高纯度氧气进入富氧燃烧装置与干蒸汽和燃料进行混合燃烧，产物经简单冷凝分离后获得高纯度的二

本发明公开了一种复合多糖凝胶及其电化学 3D 打印制备方法和应用。将 pH 敏感性多糖与温度敏 感性多糖分别配制成溶液，将两种溶液混合均匀后室温放置，形成复合多糖凝胶;将电化学阴极和阳极 一同插入复合多糖凝胶中，阴极固定在 3D 打印机的喷头上;对 3D 打印机设置打印速度、模板规模、 填充密度以及沉积时间，通过外接电源控制输出电信号，阴极在移动过程中沉积出复合多糖凝胶;将复 合多糖凝胶置于热水中加热，未沉积的复合多糖凝

一种基于聚类强化学习的城市道路交叉口交通信号优化方法，该方法涉及智能优化技术领域，可以提高单位时间内通过道路交叉口的车辆数。道路交叉口是道路网的重要组成部分，也是路段交通流的瓶颈。研究显示，城市平面交叉口的通行能力只相当于路段上的40%-50%。平面交叉口所消耗的时间约占全程时间的31%，而车辆行驶延误时间中有80%-90%由平面交叉口延误造成。提高城市平面道路交叉口的通行能力，可以减少车辆延误，节约人们的出行时间，增强人们的出行安全，并能够减轻环境污染。  本发明能够根据交叉口的 交通状态自动选择合适的相位动作，以适应交叉口交通状况的变化，能够提高单位时间内通  过交叉口的车辆数，减少车辆延误。与其他聚类强化学习方法的不同之处在于，本发明在学 习过程中，能够根据回报值的标准差动态地增加或减少质心数，能在保证强化学习收敛的前  提下尽可能地减少质心数，从而尽可能减少Q值函数存储空间、提高收敛速度，使交通信号控制策略更快地适应当前交通流情况，从而尽可能减少交通延误。

本发明公开了一种阴、阳膜电极交替组装的电化学反应堆及其应用，属于电化学领域。该反应堆由夹具、双极板、隔板、复合膜电极和填料组成，具有阴极入口、阴极出口、阳极入口、阳极出口、反应堆入口和反应堆出口。其中复合膜电极为由多层材料复合组成，根据催化产生的离子类型分为阴、阳两种膜电极，在反应堆装配过程中交替装配。该反应堆可应用于氧还原反应以及“电‑热”耦合反应。

南方科技大学材料科学与工程系助理教授任富增课题组提出通过调控合金界面结构和化学成分实现超高耐磨性能的新策略。相关研究成果发表在金属材料领域顶级期刊Acta Materialia上。 该研究成果对服役于极端环境的新型高强耐磨合金设计提供了新思路，将有助于开拓多主元合金在耐磨损领域的应用，对设计用于严苛环境的高强度、耐磨损、热稳定合金具有一定意义，且为拓展界面相工程在多主元高熵合金领域的应用挖掘了潜在研究方向。本研究中开发出的TiMoNb合金除可用于高温耐磨材料之外，其高强度、良好的生物相容性、耐腐蚀性使其在牙科、骨科等医用植入材料领域亦有广泛的应用前景。

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。