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。

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。

碳纳米管海绵材料具有轻质、柔性、抗腐蚀、耐高温等特点。微观上具有三维多孔结构，能够承受大应变的反复压缩而不坍塌，同时，碳纳米管互相搭接形成高导电的三维网络。这种综合的优良力学和电学性能使得碳纳米管海绵在功能复合材料、吸附过滤等领域具有广阔的应用前景。近年来，随着社会对清洁、可再生能源的日趋重视，各种能量转换和存储器件的研究如火如荼。

氢能源是高效的绿色能源，如何低廉高效的大规模生产是制约其应用的一个关键因素。近年来，电解水制氢受到学术界广泛关注，寻找廉价高效的非铂电催化剂成为时下研究热点。本项目分别采用辐射法及水热法制备了钼硫化物/碳纳米复合材料,其催化析氢性能优于商用Pt/C（20%Pt）催化剂，而且具有良好的催化稳定性,适合大规模制备。

厂拌热再生技术强调原路面 RAP 的不均匀性进行改善和控制，通过对原路面材料特性的聚类分析，从源头上降低 RAP 不均匀性，并据此动态调整铣刨、筛分和材料组成设计的策略，可将提高 RAP 掺量提高至 50%，节省材料成本 30%以上。此外，通过控制 RAP 预热温度、拌合工艺、再生剂用量等参数，提高 RAP 颗粒中旧矿料的迁移程度、促进新旧沥青融合进程，减少再生混合料体系中的复杂、薄弱界面，从而使得再生路面的使用寿命较当前水平提高 30%以上。 

现阶段所设计的存算一体器件单元结构如图 1 所示： 器件的基本结构由波导和功能层（由下到上分为加热层、电极层、保护层、相变材料（硫系化合物）层）所构成。拟通过在当前流行的绝缘层上硅(SOI)光子平台上集成四氮化三硅光波导的方式实现器件的光学读取功能，即在非常厚的硅衬底层上生长一层绝缘层二氧化硅和波导层，然后在基片上通过光刻、显影、刻蚀等工艺制备四氮化三硅波导。功能层主要用于实现器件的电学写入功能。加热器层的主要用途是与相变材料层形成电接触，通过较小的接触面积使接触处的热量集中，从而可以在较小的电压或电流下使相变材料发生相变。因此需要加热器层具备较好的导热和导电性能，同时在近 C 波段具有较低的光损耗，可采用石墨烯。电极层可用于提供相变材料器件单元所需要的编程电脉冲。当前拟采用硒掺杂的相变材料合金（如 GSST）作为器件的核心功能层的相变材料。该材料在通信/非通信波段显示了极低的光损耗和更高的品质因数，且相变前后在通信 C 波段具有足够大的光学常数反差，可在更恶劣的高温环境下进行操作，适用于硅基光子器件应用。 采用的主要技术手段包括： ① 依托于相变材料的电致和光致相变特性，通过电学编程、光学读取的方法实现器件的存储、算术运算和逻辑运算功能：  存储功能的实现：拟利用相变材料晶态低透过率和非晶态高透过率分别代表二进制中的‘1’和‘0’，实现数据存储（编程）功能。例如在电极两端施加合适的电脉冲，所产生电流流经加热层时，生成的热量主要集中在加热层和相变材料层接触处，使得接触处的相变材料发生相变，实现存储功能。在完成上述编程操作后，从器件波导输入端输入读取连续光。由于相变材料功能层对光强的吸收能力在编程和非编程区域间存在着显著的差异，因此当输入光经过波导后，其能量会因为相变材料编程区域的吸收而发生改变，进而显著改变输出光强能量。所以通过测量输入输出光强的能量之比（即透过率），可实现对先前编程区域的读取。  算术和逻辑功能的实现：通过调整编程电脉冲的幅度和宽度可以动态调控相变材料的相变程度，使得器件的中间透过率值可用于代表不同的数值，实现多级存储功能。所以拟采用输入脉冲数量对应加数的方法实现标量加法计算。同时由于所设计器件的读取连续光输出功率可视为读取连续光输入功率和器件透过率的乘积，因此可采用将输入功率和透过率作为被乘数和乘数的方法实现基本乘法运算。除此之外还可以将器件功能层的初始状态设置为非晶相，把晶化脉冲幅值和不足以产生晶化的脉冲幅值分别作为输入逻辑‘1’和‘0’；同时设定一个判定阈值并与编程后器件透过率的变化率进行对比，把高于和低于阈值的透过率变化率分别作为输出逻辑 ‘1’和‘0’；通过合理选择编程脉冲有望实现各种逻辑功能输出。 ② 基于器件透射率可调特性验证其实现神经突触的可行性。并依托所设计人工突触构建人工神经网络芯片，实现图像、语音和文本识别功能：  突触可塑性是大脑记忆和学习的神经生物学基础，也是人工类脑器件需要实现的首要功能。为实现突触可塑性，拟把相变材料和波导之间的耦合区域视为仿生神经突触，左右两端电极分别代表突触前和突触后，分别施加在两端电极上的电脉冲则作为突触前和突触后刺激。通过调节从左右两端电极输入耦合区域的电脉冲时间差对耦合区域的光透过率进行连续调控，进而依托于上述存算理论模型和实物器件仿真和实验实现仿生神经突触的脉冲时序依赖可塑性（Spike-Timing-Dependent-Plasticity, STDP)。  将不同波长的光脉冲序列输入所设计的突触单元, 经过相变材料的作用，脉冲强度发生变化，对应于乘法器。进而借助于微环结构，将不同波长的脉冲导入进同一波导中，该功能类似加法器。相加后的脉冲光强较小时，读取光与微环发生共振，在输出端口没有光强输出。当光强达到一定的阈值后，读取信号不再和微环发生共振，而是传播到输出端口。这一过程类似神经元脉冲信号的激发，实现了非线性激活函数的功能。利用上述的单个神经元结构，验证其监督式机器学习和非监督式机器学习。对于监督式机器学习，权重的数值通过外部管理器设置；对于非监督式机器学习，不再需要外部管理器来设置权重值，而是通过输出光脉冲进行反馈控制，调整权重值。在单个神经元结构的基础上，更复杂的光学脉冲神经网络结构，证明该结构的可扩展性。拟设计的神经网络中的每一层结构包括三个功能单元，即收集器、分发器和神经突触结构。收集器将上一层不同波长的光脉冲信号收集到同一根波导中，分发器将光脉冲分发给多个神经元，神经突触结构则产生光脉冲信号，输入给下一层结构。基于上述结构实现图片、语音和文本的识别。 创新性分析：①首次研究了一款基于“电学编程、光学读取”模式的光电混合存算一体化器件。与传统电学存算一体化器件相比,拟研发的器件可以进行长距离的信息传输，具有传输带宽高、信号间延迟低、损耗低、抗干扰、集成密度高等优点。②采用硒(Se)掺杂的相变材料作为存算一体化器件的核心功能材料。与采用其他相变材料的存算一体器件相比，以硒参杂的相变材料作为功能材料的存算一体器件有望展现出极低的光损耗。③提出了一种基于“电学脉冲刺激、光学权重调节”的人工神经突触。该突触器件有望成为未来通用型人工神经突触，填补了光电混合型人工突触的技术空白。 先进性分析：①所提出的光电混合工作模式使得该存算一体化器件不但具有传统集成电路的高密度特性，且兼具光通信技术的宽频带、低延迟、抗干扰的优越性能。②所采用硒参杂的相变材料不但继承了传统材料具有的快速相变转化速度、低功耗和稳定性强等特性，且本身在通信波段非晶态透明的同时还保持了相变前后足够大的光学性能差异的特点。③所设计的突触继承了人工电子突触和全光突触的优点，具有高集成度、低功耗、超快响应时间、稳定性强等优点。 独占性分析：根据已取得成果正在撰写专利，以获得该关键技术的独有权。 

项目成果/简介:作为一种新的太阳能电池电池技术，有机太阳能电池具有低成本、柔性、半透明、可大面积溶液印刷等优点；在应用方面，可与当前基于硅等的无机太阳能电池形成优势互补。特别指出的是，与钙钛矿太阳能电池相比，有机太阳能电池还具有环境友好的优点，在使用过程中以及使用后处理方面不会产生重金属污染，其所使用的少量有机材料都是可降解的有机染料类化合物。效率、成本和稳定性是所以太阳能电池能否应用的关键要素。有机太阳能的效率目前和其它最好的太阳能电池之间的差距正在迅速缩小，目前我们实验室已经获得超过 1515%的效率，是有机太阳能电池领域世界最高效率；成本方面，OPV具有巨大优势，有机材料分子结构多样性，成本低廉；寿命方面，因成本低廉，产业界对有机太阳能电池寿命的要求不如无机太阳能电池，10 年左右的寿命可以完全满足商业化应用，已有研究表明，OPV 寿命达到 5-7 年没有问题，随着研究深入，提高的 10 年以上会很快实现。 本项目围绕有机太阳能电池的关键材料开展系统研究，1）提出了新的材料设计理念，发展了系列具有独立自主知识产权的活性层材料；2）发展了成熟的高效率有机太阳能电池制备工艺技术，制备了系列高效率有机太阳能电池光伏器件，不断刷新领域内最高太阳能电池光电转化效率；3）制备了低成本、可溶液印刷柔性的透明电极，应用于有机太阳能电池，获得了与目前常规透明电极，如 ITO，完全相当性能。应用范围:目前有机太阳能电池正处在从实验室走向实际应用的黎明阶段，因其优点和特点，在可穿戴设备、建筑一体化等领域将会产生巨大的需求市场。当前国内外多家实验室已开展完全面向实际应用的研究开发，随着研究的不断深入，有机太阳能电池的商品化生产应用将会很快实现。效益分析:1. 具有完全自主知识产权的高效有机太阳能电池活性层材料，且合成简单，成本低； 2. 具有成熟的高效有机太阳能电池制备工艺； 3. 具有自主知识产权的低成本、高性能柔性透明电极，不仅完全适用有机太阳能电池，亦可广泛应用了其它相关领域。