1、快中子与热中子的特性快堆是今天唯一的技术路线有效为人类提供一种无污染，取之无尽的能源堆型。快堆的四个优点是：（一）佳化环保（二）核废料少（三）燃料闭式循环，充分利用天然铀中的U238（四）嬗变少类锕系核素（NP铮，Am镅，Cm锔）转化成为废料。快堆利用的中子是直接裂变出来的快中子（其平均能量约为2Mev）。因为其裂变截面（即裂变概率）在这个能域很小，（例如，在这平均能域，Pu239的σf≌1barn），故快堆需要的铀或钚的富集度E较大（13%图1：Pu239的裂变及俘获有效截面σf及σc随入射中子能量的变化λ(b)=f(E(ev))2、快堆的增殖作用快堆在燃料燃耗的过程中，可以将U238嬗变为Pu239（可裂变核素）,但是堆中必须具备足够的中子。其条件是，当Pu239吸收一个中子产生裂变放出的中子数目应大于2.3（即>2.3），其中一个中子维持链式反应，一个中子将U238嬗变为Pu239增殖作用，0.3个中子被结构吸收或外漏。这就能将贫铀U238（即浓缩铀工厂出来的天然铀中含有99.3%的U238）全部焚烧，理论上可以将天然铀烧至100%，而不限于0.7%。这是说，对快堆的每Kwh的电价根本是近于零。目前世界上累积的贫铀数量已够快堆发电千年。这是说，从压水堆过渡至快堆之后，可以实现一个无限期发电的世界。 3、快堆的概念设计及安全问题反应堆的功率比P是与裂变核（Pu或U235）的反应率 成正比如下：因为快堆的微观裂变截面比压水堆的小10至100倍，故快堆需要的燃料（Pu）的富集度较大（13%至26.5%）。压水堆的燃料（U235）的富集度（N5/N5+N8）仅4%左右。压水堆的中子平均能量E=400Ker，快堆的中子平均能量E=2Mev，堆的功率密度为300Mw/cm3，比压水堆的约大三至四倍。这么大的功率密度，正适用液态金属（钠）将热量排泄。钠的作用是实现一个高中子谱，传递高密度（W/cm3）的热量。    快堆有两种堆型：    （一）池型    （二）回路型    中国，俄罗斯，法，英，美，印度采用池型，日本采用回路型。        快堆由三个回路组成：    （一）回路为钠池，堆芯    （二）二回路，为中间钠回路    （三）三回路为水蒸汽发生器的水回路

项目简介 区域发展规划是江苏大学产业经济研究院科研团队长期重点跟踪研究的领域之一。 科研团队将承担的相关国家级或省部级等纵向课题研究所取得的理论成果与江苏区域发 展实践相结合，形成了一系列可供地方政府借鉴的区域发展规划思路与政策，得到了地 方政府规划部门的高度评价。科研团队服务江苏的主要科研成效包括以下三个方面。（1） 围绕科研团队已有的研究成果积极拓展应用领域，承担并完成了《镇江市高桥裘皮产业 集群发展诊断》、《江阴市工业经济发展“十三五”规划》和《江阴市战略性新兴产业 发展“十三

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

北京大学现代农业研究院是北京大学与山东省人民政府共建的省属公益二类事业单位，是北京大学在京外设立的首个高端农业类研究院。先后获批山东省新型研发机构、国家自然科学基金依托单位、博士后科研工作站，参与共建山东省农业生物技术国际联合实验室、小麦育种全国重点实验室、山东省作物精准分子设计育种重点实验室、国家盐碱地综合利用技术创新中心。聚力攻坚关键领域和核心技术，不断强化基础研究人才培养，加速成果转化。已组建42个独立课题组，人员规模约760人，形成院士领衔，杰青、长江为两翼，中青年骨干为主体的雁阵人才团队。目前已在多个主粮、油料及经济作物开展精准设计育种，取得了原创性理论及技术突破，也在智慧农业、农业经济政策、数字乡村建设等领域进行开创性研究，争取国家、省级科研项目72项，累计发表论文333篇，已授权国际专利6项、国内专利31项，申请24个植物新品种权，完成6项技术合同认定登记，8项科技成果实现转化。