项目成果/简介:近年来，大气污染问题日益严重，尤其是雾霾、光化学烟雾、臭氧等问题已经引起国内外广泛关注。挥发性有机气体（VOCs）是造成雾霾及臭氧（O3）的重要污染物。吸附法是去除VOCs高效简便的方法之一，但在实际应用中，水蒸气的存在与VOCs产生竞争吸附，因此设计具有高VOCs吸附性能的疏水性吸附剂具有重要意义。近日，天津大学环境学院“大气环境与生物能源团队”（http://catalysis.tju.edu.cn/）针对分子筛表面亲水性及其在含湿条件下VOCs吸附应用存在的问题，利用多孔有机聚合物疏水性等特征，设计合成了一系列分子筛与多孔有机聚合物核壳结构的新型吸附材料，所开发的吸附剂有效提高了分子筛表面疏水性，并且大大提升了其在干燥和潮湿条件下的甲苯吸附性能。相关研究成果《Core-shell structured Y zeolite/hydrophobic organic polymer with improved toluene adsorption capacity under dry and wet conditions》已发表在环境类国际高水平期刊Chemical Engineering Journal（IF: 10.652）上。该系列吸附剂的研发为制备一系列疏水性吸附剂提供了新的思路。

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。

本发明公开了一种富二氧化碳吸收剂溶液中空纤维膜接触器减压再生系统及方法。它是将富二氧化碳吸收剂溶液经加热器加热,并通过增压泵、液相流量计使增压的富二氧化碳吸收剂溶液进入中空纤维膜接触器的管程进行再生,再生后得到的吸收剂贫液从中空纤维膜接触器的管程下端输出;在真空泵的作用下,由吹扫蒸汽发生器产生的低温吹扫蒸汽,由中空纤维膜接触器的壳程下端进入进行协助再生,再生后的CO2在低温蒸汽的吹扫和真空泵的抽吸作用下,经冷凝器除水后得到高浓度的CO2气体。本发明通过在膜接触器内降压操作代替传统加热再生的方法,降低吸收剂富CO2溶液的再生能耗,可以解决化学吸收法分离燃煤烟气中CO2的高能耗问题。

本发明涉及含有双齿配位基团的氨基酸手性配体、手性催化剂及其对应的制备方法和应用。本发明的手性配体由廉价易得的氨基酸制备，该类手性配体的发展可以提高手性配体的多样性。该类手性配体只需要一步反应即可简单高效地制备手性Ir(III)催化剂。本发明的手性Ir(III)催化剂是在氨基酸骨架中引入双齿导向基团改变氨基酸与Ir的原有配位模式，增强氨基酸对Ir(III)催化剂手性控制能力。首次设计合成出了该类手性Ir(Ⅲ)催化剂，并将该催化剂成功地应用于手性γ‑环内酰胺的高效不对称合成中，选择性高达99％ee，说明该催化剂具有优越的立体控制能力。

氨是一种无碳的氢能载体，具有高能量密度（4.32 kWh L -1

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。

环境污染和能源短缺已成为当今世界面临的最主要危机，人们不断探究治理环境和开发可再生能源的新方法。于1972年，Fujishima和Honda报道采用TiO2光电极和铂电极组成光电化学体系使水分解为氢气和氧气，从而开辟了半导体催化这一新的研究领域。近些年，将有机污染物降解已经成为能源环境科学领域的研究热点。该研究对于治理水污染，保护水环境具有重要的科学意义。 主要通过化学方法可控的调控可见光催化材料纳米晶体的尺寸和形貌，合成具有规则形貌和特定裸露晶面的可见光催化材料（例如纳米棒、纳米带、纳米片、纳米八面体和纳米六面体等），并在此基础上进一步优化能级能带结构,同时探究催化剂不同晶面上光生载流子的分离行为、氧化还原能力以及催化活性的选择性等独特性质，深入结合理论模拟计算，研究不同形貌的催化剂的裸露晶面上光生载流子的行为和表面/界面微观反应机制。为了深入研究太阳能-化学能转化过程中的关键科学问题，构筑一种新型的具有特定结构和功能的MnxV2O5+x（x=1、2或3）基可见光催化材料，在不添加任何贵金属元素的情况下，Mn3V2O8修饰的V2O5/g-C3N4异质结构在可见光照射下表现出明显的光催化活性，比V2O5/g-C3N4异质结构高出近3倍。由于V2O5和g-C3N4之间的Z-方案路径促进了载流子的分离，因此具有优异的可见光催化活性。

（专利号：ZL 201510680435.X） 简介：本发明公开了一种负载型Au‑Pd/mpg‑C3N4纳米催化剂催化甲酸脱氢的方法，属于化学化工技术领域。本发明将制备好的负载型Au‑Pd/mpg‑C3N4纳米催化剂置于反应器中，将反应器置于油浴中升至一定温度，接着将甲酸和甲酸钠混合液加入反应器中进行反应，生成的氢气采用排水法收集。所述Au‑Pd/mpg‑C3N4纳米催化剂是采用Au、Pd和去离子水按照一定摩尔比配置，将载体mpg‑C3N4加入上述溶液中，向混合液中添加还原剂，经过滤、干燥后制得。与传统的负载型催化剂不同的是：根据本发明，调节催化剂中金属金、钯的含量及mpg‑C3N4含量就可以制得用于甲酸脱氢制氢气的高活性、高选择性负载型Au‑Pd/mpg‑C3N4纳米催化剂。

本发明公开了一种CuS修饰的固定化TiO2纳米带光催化剂的制备及使用方法，其特征在于，具体包括如下步骤：(1)钛片的预处理；(2)对钛片进行电化学阳极氧化处理，制备固定化TiO2纳米带；(3)采用连续离子层吸附反应方法制备CuS修饰的固定化TiO2纳米带。本发明方法制备的光催化剂不但能够吸收可见光，而且促进了光生电子?空穴的分离，进而提高光催化效率，能够有效的去除环境中的有机污染物，并避免造成纳米污染。