本发明公开了一株对灰霉病菌有抑制作用的嗜麦芽假单胞菌菌株QBA-5及其应用，本发明通过筛选获得的菌株QBA-5其分类命名为嗜麦芽假单胞菌Pseudomonas?maltophilia，保藏于中国典型培养物保藏中心，其保藏编号为CCTCC?M?2015403。本发明具体经过对灰霉病菌孢子、芽管伸长和离体叶片的实验，证明本发明获得的菌株QBA-5具有对灰霉病菌的强抑制作用，可以将其制备成防治灰霉病菌的生防制剂，具有良好的市场应用前景。

本发明公开了一类新的2，5，6位取代嘧啶酮衍生物，其具有良好的抗乙肝病毒（HBV）活性。目前临床用于治疗乙肝病毒的药物皆为核苷类化合物。而抗HBV非核苷类化合物还处于研发阶段。探究其作用机制，对于发展新型非核苷类抗HBV药物，特别是对抗临床常用药物耐药的问题，具有特别重要的意义。

本发明公开了一种适用于大尺寸薄壁高强度风电轮毂的铸铁材料及其制备方法和应用，属于材料及铸造工艺技术领域，本发明通过优化合金成分设计，结合微量稀有金属元素钡(Ba)、锑(Sb)、铋(Bi)和稀土元素(RE)的协同作用，以及通过添加三相SiC/SiO<subgt;2</subgt;/TiC纳米颗粒增强相，抑制珠光体形成并细化石墨球，使球化率≥95％、铁素体含量≥90％。通过添加纳米颗粒增强相，控制Ni≤0.8％等合金元素比例，进一步提高材料的耐蚀性。以及智能控温控冷铸造工艺，制备出具有高球化率、优异力学性能、耐低温冲击性和耐腐蚀性的球墨铸铁材料，满足18MW级海上风电轮毂轻量化、高强度、耐腐蚀和高可靠性的需求。

本发明提供了一种由以下通式I表示的化合物，或其药学上可接受的盐，以及解析的对映异构体与纯化的非对映体，其中：R1是H或C1-12烷基；R2是H，-C(O)R1a，-C(O)OR1a或-S(O)2R1b，其中R1a是H或C1-6烷基，R1b是选自H或C1-6烷基，卤代烷烃，苯基或芳基的基团；R3是可选被C1-4烷基取代的氨基，卤素，羟基，巯基，胍基，硝基或氰基；以及R4是-(CH2)nCO2H，-(CH2)nP(O)(OH)2，-(CH2)nCO2R1a，-(CH2)nP(O)(OR1a)2，其中R1a是H或C1-6烷基，n是0到4的整数，或以上基团的盐。本发明还提供了新的通式I表示的环己烯化合物的制备方法，以及它们作为流感病毒神经氨酸酶抑制剂在用于制备预防或治疗流感疾病的药物中的应用。

本发明涉及一种羟基化木质素/二氧化硅复合改性丁苯橡胶母料及制备方法及应用，属于生物质能源化工技术领域。该羟基化木质素/二氧化硅复合改性丁苯橡胶母料的制备方法为将工业木质素用酸性水洗涤得到滤渣，将滤渣与氢氧化钠溶液混合，加热回流反应得到木质素黑液；将聚乙二醇升温融化，加入催化剂、环氧卤代烷反应得到卤代醇；将木质素黑液、卤代醇混合，搅拌反应得到羟基化木质素；将硅酸盐溶液、二氧化硅助分散剂、羟基化木质素、丁苯胶乳混合经酸沉，陈化、水洗浸泡、干燥即得。本发明采用工业木质素、硅酸盐、丁苯胶乳为原料，制备了力学性能优异的羟基化木质素/二氧化硅复合改性丁苯橡胶母料，开发利用了废弃生物资源，工艺简单。

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。

高端智能化、高效节能、低耗能的机械设备主要为：履带式的移动破、圆锥破

项目成果/简介:1991 年发现的碳纳米管（CNT）以及 2004 年发现的石墨烯（graphene），分别是一维和二维纳米材料的典型代表，被认为是 21世纪的战略性材料。 本项目发明了一类新的催化剂和大量制备 SWNTs 的方法，实现了高质量单壁碳纳米管的宏量制备（图 1），纯度达 70%以上，并达到了产业化规模（达 200 公斤/年以上）。采用机械共混及"原位"聚合 等方法，使SWNTs 有效地分散于高分子基质中，获得了以环氧树脂、ABS 及聚氨酯等为基质材料，电导率达 0.2 S/cm、导电临界含量仅为0.06%、电磁屏蔽效果高达 49dB 的复合材料。 本项目首先发展了一种可大量制备的可溶性功能化石墨烯（SPFGraphene）的方法，实现了石墨烯的百克级制备（图 2）。通过透射电子显微镜（图 3）及原子力显微镜（图 4）确定了石墨烯的二维平面结构。 获得了可溶性石墨烯材料及柔性透明导电薄膜（图 5）；制备了基于石墨烯的高稳定性有机光伏电池及复合材料。 图 5、基于石墨烯的透明电极材料 所研制的单壁碳纳米管及石墨烯已用于数十家科研机构的研究和相关产品/样机的研制，包括应用于国家 863 重大汽车电池项目（中科院物理所）和军工卫星电池项目（中国电子科技集团公司第十八研究所）等。已研制出晶体管、锂离子电池、超级电容器（图 6）以及高性能复合材料等多种产品，具有广阔的应用前景。应用范围:南开大学在碳纳米材料的制备及应用研究方面取得了一批开创性成果，该项目技术的推广，将促进我国新材料、微电子、储能、资源保护等领域的技术进步和发展，为我国在这一新型纳米材料领域占据有利地位，提高国际竞争力，做出重要贡献。