Founded in 1998 in Shandong province of China, Ruifeng Petrotech is a dedicated manufacturer and service provider of oil & gas well completion tools. The company has been providing completion solutions for major operators in China for nearly 20yrs, and has grown to one of the top companies in industry.

德方元教学设备是一家专业为科学教育提供创新设备的企业。注册资金1500万元。为教学地理园、生物园、生态馆、地理室、历史室、实验室、设计、销售、安装制作最优秀的产品，提供最合适的价格和最完善的服务奉献给广大客户。把中华文化栩栩如生的展现出来。我们可根据客户的需要来图定做各种各样的产品。德方元教学设备是一家守合同重信用的企业。创新就是我们的力量，质量就是企业的生命，高标准、精细化推进科学教育事业发展为目标，我们以大胆创新，勇于突破的精神为学校提供最先进的设备仪器，让学校走在科技教育的前列。 1、中小学地理教具：大型立体地球仪、平面地球仪、（世界、中国、广东省、珠三角洲）立体地形图、中国政区图、世界政区图、广东省政区图、16种地貌模型、综合型流水地貌、综合型喀斯特地貌、九月星空亭、地动仪、地球内部构造、气象仪器、等。 2、中小学生物教具：动、植物进化图、8种动物进化模型、仿真动物模型、等。 3、历史教具：名人头像（雕塑）、古代器物（仿真）、大型浮雕、仿长城模型、石膏教具、文化广场雕塑、浮雕等。

环戊烷结构广泛存在于天然产物及药物分子中，是小分子药物研发过程中出镜率很高的核心骨架之一。因此，如何方便、高效地合成多取代环戊烷分子一直是药物化学和有机合成领域的热点研究方向。

近日，我校生命科学学院分子表观遗传学教育部重点实验室宫磊教授课题组在多倍体植（作）物核质协同进化领域取得突破性进展，研究成果“AtemporalgradientofcytonuclearcoordinationofchaperoninsandchaperonesduringRuBisCobiogenesisinallopolyploidplants”（“异源多倍体植物RuBisCo生物合成过程中的伴侣蛋白在时间梯度层面的核质协同进化”）发表在国际著名综合性学术期刊《PNAS,美国科学院院报》上。

近日，西安交通大学电气学院先进电磁调控与能量转换技术研究中心（CAEMEC）马西奎教授团队董天宇副教授和邹建龙副教授等通过开展互感耦合多线圈系统和非线性电路的理论研究，发现并提出一种新的理论方案——在三线圈互感耦合谐振电路系统中，利用非线性放大器的自适应增益特性，实现在变化互感耦合参数下的定频高效无线电能传输。

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。