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

本发明公开了一种交联型聚电解质-表面活性剂复合物的制备方法及用途。采用自由基聚合的方式制备了聚（甲基丙烯酰氧乙基氯化铵-丙烯酸羟烷酯）共聚物。采用溶液滴定络合的方式制备了聚电解质-表面活性剂复合物。将聚电解质-表面活性剂复合物和交联剂共同溶解在有机溶剂中，采用原位交联的方式制备了交联型聚电解质-表面活性剂复合物膜。交联型聚电解质-表面活性剂复合物分子内部的离子交联结构能够有效保持复合物结构的稳定性，分子链间通过交联剂的交联作用可有效抑制该复合物膜在醇/水料液中的过度溶胀。通过调控共聚物的共聚比例和交联剂的种类可有效调控膜结构。该类优先透醇膜制膜方法简单易行、成本低廉，具有良好的工业应用前景。

本发明公开了一种基于电压信号复合前馈的构网型VSG输出功率解耦方法，涉及电力电子控制技术领域，对构网型VSG功率同步控制的变流器输出电压信号复合前馈实现构网型变流器并网系统及实现变流器输出功率解耦的方法。包括构网型VSG功率控制模块、电网参数检测单元、线路阻抗观测器、虚拟阻抗压降前馈环路以及电压信号二次前馈环路。本发明的复合前馈控制策略结合虚拟阻抗和电压幅值与功角补偿，显著减弱了有功与无功功率的耦合作用，实现了高效解耦，适用于复杂电网环境。

b0,+AT-rBAT是人体内的一种氨基酸转运蛋白复合物，属于异源多聚体氨基酸转运蛋白（HAT）家族。异源多聚体氨基酸转运蛋白，由轻链蛋白和重链蛋白构成。b0,+AT是其中的轻链蛋白，负责转运底物。而rBAT是其中的重链蛋白，具有负责轻链蛋白细胞膜定位（即将轻链蛋白“护送”到细胞膜上）和维持轻链蛋白的稳定性的作用。 b0,+AT主要分布于小肠和肾脏中。b0,+AT或者rBAT的突变，会诱发胱氨酸尿症，一种先天性遗传疾病。患者尿路中常有胱氨酸结石形成，造成肾绞痛，可引起尿路感染和肾功能衰竭。该病作为一种隐性遗传疾病在人群中的发病率约为1/7000，属于罕见病的一种。研究b0,+AT-rBAT的最新研究成果，揭开了胱氨酸尿症发病的分子机理。复合物的结构和功能，将能帮助我们认识胱氨酸尿症，为可能的治疗方案提供线索。 本项研究工作在全世界首次解析了b0,+AT-rBAT的高分辨率电镜结构。结构显示，b0,+AT蛋白与rBAT蛋白首先形成异源二聚体分子，然后两个异源二聚体分子通过rBAT蛋白的相互作用再进一步形成一个二聚体。体外转运实验表明rBAT蛋白对b0,+AT蛋白的转运活性是必需的；也就是说，b0,+AT要正常发挥转运功能，需要有rBAT蛋白的存在。这与周强实验室2019年解析的LAT1-4F2hc复合物相似。LAT1-4F2hc复合物同属HAT家族，其中的4F2hc蛋白是LAT1蛋白发挥转运活性所必需的。 同时，该研究也首次解析了b0,+AT-rBAT和它的天然底物精氨酸的复合物的冷冻电镜结构，解释了它的底物识别机制。如果把b0,+AT-rBAT复合物比做生物膜上的一艘船，那么被转运的精氨酸，可以被理解为“货物”。研究人员通过解析b0,+AT-rBAT与底物的复合物的结构，可以了解该“货物”如何加载到船上的——这个过程，即为“识别机制”。 在底物结合点附近，科研团队还鉴定出了底物结合位点附近的一个转运调控区域。通过点突变和同位素转运实验，他们证明了该转运调控区域对于b0,+AT-rBAT的转运功能至关重要。西湖大学黄晶实验室采用了分子模拟的方式，亦验证了该区域的重要性。 对于b0,+AT-rBAT复合物突变而导致的胱氨酸尿症，基于上述研究，研究团队进一步揭开了该疾病发生的机理。通过分析已解析出的b0,+AT-rBAT的高分辨率结构，研究人员对突变的位点进行了准确定位，并对这些位点进行了体外生化实验的验证。结果显示，b0,+AT-rBAT的关键位点的突变影响了氨基酸转运的活性，造成了胱氨酸尿症。

本申请涉及全固态电池领域，具体涉及一种复合结构体相到表面含聚阴离子的富锂锰基正极材料。本申请将含聚阴离子的锂盐与层状富锂锰基正极材料通过热处理和高能球磨反应，形成含聚阴离子的层状/岩盐富锂锰基正极材料。本申请所述正极材料一方面可以利用聚阴离子基团以及岩盐相的同时存在提升结构稳定性，提高阴离子反应可逆性；另外一方面，残余的聚阴离子锂盐改善电极与固态电解质界面间的离子传输，实现了电化学性能的提高，最终提升全固态电池的比容量和循环性能。本发明公开方法易于规模化生产，容易与现有制造设备的基础上进行匹配，为未来全固态电池实现高能量密度创造了可能性。

本发明公开了一种具有圆偏振室温磷光特性的金属有机骨架复合材料及其制备方法，所述复合材料由金属有机骨架材料和手性分子通过配位键组装形成，所述金属有机骨架材料为ZIF‑8，所述手性分子为1，1′‑联‑2‑萘酚。包括以下步骤：在常温下将金属盐、有机配体和轴手性分子混合，然后进行球磨，经洗涤、离心、干燥得到具有圆偏振室温磷光特性的金属有机骨架复合材料。S型和R型金属有机骨架复合材料在激发下均呈现了黄色磷光发射，S型手性复合材料的寿命为392.2ms，R型手性复合材料395.2ms。复合材料表现出优异的圆偏振室温磷光性能，发光不对称因子g<subgt;lum</subgt;最大为1.2×10<supgt;‑3</supgt;。该制备方法反应条件温和，反应迅速，产率高，不需要大量的有机溶剂，且反应过程简单，所需要的设备简易，适用于批量生产。本发明制备的复合材料在信息安全、商品标签、防伪等方面具有良好的应用前景。

近日，机电学院王绍金教授团队在学校G2期刊《InternationalJournalofFoodMicrobiology》上发表题为“Combinedeffectsofintermittentradiofrequencyheatingwithcinnamonoilvaporonmicrobialcontrolandqualitychangesofalfalfaseeds”的论文。博士研究生徐渊美为论文第一作者，王绍金教授为论文通讯作者。

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。