青蒿素是目前为止最热门的抗疟疾特效药，由于它速效和低毒的用药特点，现已作为世界卫生组织推荐的药品。青蒿素从植物的花蕾和叶子中分离提取，但近来因为青蒿素的大肆提取，生态平衡遭到破坏，资源枯竭，所以不宜长久提取；此外，由于患者大多为贫苦地区的人民，购买力低下，承受不起青蒿素高昂的价格。对此，科学家们开始研究新的药物，希望能降低治疗的成本，也可以减少青蒿素的用量，保护生态环境。 在研发新药物的过程中，研究工作者发现一类含 trioxolane 单元的分子药物对于疟疾的抗击有着很好的效果。通过对药物进行改造研究，研究人员得到了药物性能优异的类似物 OZ439。通过口服，OZ439能完全消灭人体当中的寄生虫，现如今 OZ439 的合成已在瑞士进行了中试生产。 本项目是通过廉价的反应材料，经过催化转化制备合成 OZ439的所需重要中间体 HPCH。目前实验室已完成了催化剂的筛选和合成工作，所制备的催化剂在温和的反应条件下可以获得较高收率的 HPCH，其生产成本低于国外药企的要求。 开发计划：催化剂的放大制备及反应工艺的放大研究及优化，催化剂的循环利用和产品的分离及纯化。本项目初期一直与国外药企进行沟通合作，工艺优化后即可进入产业化阶段。 所需条件支持：希望能获得 100 万经费支持与 100m2 实验室支持，用于购置反应评价及催化剂放大制备设备。 

本发明提供了一种制备花状铜纳米簇?石墨烯?泡沫镍复合材料的方法，主要包括以下工艺步骤：1.用化学气相沉积法(CVD)在泡沫镍基体上生长一层石墨烯，制备出石墨烯?泡沫镍基体，2.将上述石墨烯?泡沫镍基体材料直接浸入硫酸铜和L?精氨酸的混合溶液中，让其反应3?6h即得到花状铜纳米簇?石墨烯?泡沫镍复合材料。所制备的花状铜纳米簇由于其具有特殊的花形结构，大大增加了铜粒子的比表面积，使其在一些特殊领域，如气体传感，有广阔的应用前景。

本发明公开了一种具有超高抗盐性能的有机复合材料的制备工艺。包括以下步骤：通过计算模拟得出膜微观形貌中凸点形态和凸点间距h。计算得出形成凸点颗粒的平均直径D。将分散型聚四氟乙烯颗粒进行热固化处理和解团聚处理，得处理颗粒a；根据凸点间的h，得出处理颗粒a和分散型PTFE颗粒的配置比例，按照比例混合搅拌后纤维化处理，得到处理颗粒b；将两种颗粒分层放置，通过拉伸工艺形成非对称性膜；将氟类单体、静电传导材料与醇类溶剂混合得到预制溶液；将预制溶液喷射在基材表面得到处理基材；将非对称性膜热压覆合在基材上形成有机复合材料。此种膜材料适用于不同行业烟气过滤体系，尤其适用于盐析程度高的中低温烟气体系的净化。

高速电气化铁路电力牵引用接触线是通过与电力机车受电弓滑板滑动摩擦直接向电力机车输送电流的导线，随着电气铁路运行向高速发展，要求接触线材料在具有良好导电性的同时，还应具有高的机械强度和高的抗软化温度。我国目前所使用的高速电气化铁路电力牵引用接触线材料多为进口材料。 课题组在国家“863”项目的支持下于2002年开始研制和开发具有自主知识产权的高性能接触线材料。经过三年的攻关，已经研制出满足高速列车要求的析出强化型的高强度、高耐磨、高导电铜合金导线，并提供相应的适合工业化生产的制造和生产方法和工艺路线。所开发出的材料性能指标已达到抗拉强度σb＞580Mpa，延伸率＞5%，导电率＞78%IACS。同时具有良好的高耐磨性能，抗疲劳性能，抗高温软化性能，设计寿命为15年。目前已经申请国家发明专利四项。

通过滚压振动磨制备纳米锌粉颗粒、氮化硼纳米片，以碳膜为骨架制成锌空电池的柔性薄膜电极;制备出四氧化三钴纳米花颗粒作为催化剂，设计开发了一维纳米花颗粒/二维氮化硼纳米片/碳纳米管三维网状结构复合的多维复合多孔空气电极结构。

开发使用绿色的纤维素基材料和一些可降解的合成高分子，可以缓解“白色污染”与“能源危机”，这符合我国提出的节能减排、低碳经济的可持续发展战略，拥有良好的发展前景。江南大学绿色功能复合材料实验室白绘宇副教授利用聚乙烯醇/纤维素体系环保廉价的优点，并对该体系进行简单快捷的光敏改性，制备出了具有阻水性能的聚乙烯醇/微纤化纤维素包装膜材料，和具有吸附性能，敏感性能以及胶粘性能的聚乙烯醇/纳米晶纤维素水凝胶材料。这些发明赋予聚乙烯醇以及纤维素等材料新的功能性，拓宽了聚乙烯醇以及纤维素的运用领域。 

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。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

成果描述：本发明公开了一种提高喷膜主液稳定性的喷膜防水材料，按重量份包括以下组分：由主液和丙烯酸盐组成,其重量组分为:主液+丙烯酸钙液体+丙烯酸锌固体,各组分的配比为:100份主液+5-20份30%丙烯酸钙液体+0.8-2.0份丙烯酸锌水溶液。本发明能够有效解决喷膜主液自聚及团聚，以提高喷膜主液稳定性，确保喷膜施工的顺利进行，稳定喷膜防水材料力学性能。市场前景分析：轨道交通基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。