本发明涉及一种苯甲醛类化合物的制备方法及其用催化剂，催化剂由金属粒子0.01wt％～90wt％和介孔碳载体10wt％～99.99wt％组成，金属粒子为选自Pd、Au、Ag、Pt、Ru、Rh、Ni、Cu、Fe、Co、Cr、W、Mo、Ti以及Ta中的任意二种，且二种金属的重量比为1∶0.01～100，金属粒子的平均粒径为1～100nm；介孔碳载体由杂原子掺杂的介孔碳材料制成。该介孔碳材料中杂原子的含量为0.01wt％～80wt％。本发明催化剂对水、空气及热稳定，且具有优异的催化活性，特别是用于催化醇氧化反应制备醛或酮时具有高选择性。本发明苯甲醛类化合物的制备方法，其原料转化率高，目标产品选择性好。

本发明公开了一种聚（(甲基)丙烯酸-b-苯乙烯-b-丁二烯-b-苯乙烯）嵌段共聚物胶乳及其制备方法，本发明采用的双亲性大分子可逆加成断裂链转移试剂既作为链转移试剂又作为反应型乳化剂，通过乳液聚合反应直接得到稳定的聚（（甲基）丙烯酸-b-苯乙烯-b-丁二烯-b-苯乙烯）嵌段共聚物胶乳；本发明流程简单，过程环保节能，产物聚（（甲基）丙烯酸-b-苯乙烯-b-丁二烯-b-苯乙烯）嵌段共聚物胶乳在改性沥青、胶粘剂、聚合物增韧改性等许多领域有良好的应用前景。

本发明公开了以靶标蛋白甾醇14α‑脱甲基酶三维结构筛选的小分子化合物及其在制备杀菌剂中的应用，所述小分子化合物为((1R,5S)‑3‑((3‑苯基‑1,2,4‑噁二唑‑5‑基)甲基)‑3,4,5,6‑四氢‑1H‑1,5‑甲撑吡啶并[1,2‑a][1,5]二氮环辛‑8(2H)‑酮盐酸盐。本发明通过室内药剂敏感性测定，证明了所述小分子化合物对引起小麦赤霉病害的主要植物病原真菌禾谷镰刀菌具有良好的抑制活

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

本发明涉及铈氮氟共掺杂二氧化钛光催化剂及其在可见光降解有机污染物中的应用。采用的技术方案是：铈氮氟共掺杂二氧化钛光催化剂，其制备方法如下：将钛酸丁酯在搅拌下缓慢滴入乙醇和冰乙酸混合溶液中，搅拌均匀后，逐滴加入氢氟酸溶液，搅拌形成透明混合溶液A；将氨水与乙醇混合，加入硝酸铈，调节pH至2，配成溶液B；将溶液B缓慢滴入溶液A中，得到均匀透明溶胶；在空气中放置陈化，得到固体凝胶；干燥后研磨成粉末，置于马弗炉中400～500℃，焙烧40 min～1.5 h，得到铈氮氟共掺杂二氧化钛光催化剂。合成方法简单的，稳定的，形成催化效率高的非金属和金属三掺杂二氧化钛光催化剂。多元素共掺杂催化剂得到的产物在粒径、形貌上与对比单掺杂或双掺杂有较大的不同，多元素共掺杂能大幅度提高催化剂的催化活性，给催化剂的物理性质带来很多优点，如粒径变小，表面积增大，表面具有特殊结构。本发明的目的是为了扩大TiO2的可见光响应范围，减小电子和空穴的复合，从而提高TiO2对太阳能的利用率，提高其可见光催化活性，因此本发明对TiO2表面进行修饰，提供一种在可见光作用下，光催化效果好的铈氮氟共掺杂二氧化钛光催化剂及其制备方法。采用铈氮氟共掺杂二氧化钛光催化照射的方法处理双酚A废水，使其降解率达到99%以上，不完全降解率低于0.5%。

课题组既往的研究以及本课题前期的实验结果提示肿瘤相关巨噬细胞大量分泌CC L 1 8，并鉴定了P ITPNM3是CCL18的功能性受体，其与乳腺肿瘤的恶性程度正相关，因此，CCL18及其受体P ITPNM3是导致乳腺癌转移的关键基因，也是进一步开展临床转化研究的关键靶点。研发能够靶向CCL18及其受体 PITPNM3的小分子化合物和单克隆抗体对于将来研发乳腺癌治疗的前体药物，改善乳腺癌的转归有重大意义。

对CF3自由基引发非活性烯烃和远程的胺β-C-H键的官能化的研究进展。该研究在国际上首次实现了有机膦催化的CF3自由基串联反应：烯烃的官能化和酰胺类衍生物的β-Csp3-H键官能化，分别得到双三氟甲基化的烯酰胺和三取代的5-(三氟甲基)噁唑。该反应具有较高区域选择性、化学选择性和立体选择性；利用该方法可以一锅法制备三取代的5-(三氟甲基)噁唑，具有方法简单、步骤少等优点。此法不仅弥补了传统方法中使用金属催化剂催化时导向基团必不可少的不足，而且为自由基有机反应提供了一种新的思路。