生物法净化含硫化氢废气技术以含硫化氢酸性气体为研究对象，进行生物法净化含硫化氢废气技术研究，以及生物脱硫基础理论研究（生物脱硫微观反应机理、脱硫菌种动力学研究与反应器流体力学模拟）。 技术特点： 1．利用低能离子注入技术诱变筛选获得适合于工业化的高效脱硫菌种； 2．构建菌体生长的多阶段发酵调控技术，采用高密度培养技术探究影响高密度培养的因素，并通过小分子化合物扰动，强化菌株脱硫机制； 3．建立脱硫菌株高性能耦合固定化体系，实现细胞固定化，降低流动性，提高脱硫效率及稳定性，降低成本； 4．研发新型生物反应器，提高传质性能及生物氧化效果； 5．建立生物脱硫装置，优化工艺参数，达到对具附加值的单质硫回收的目的，并开发高效、经济、节能、环保和具有自主知识产权的生物脱硫净化工艺及工程技术。 技术指标： 1．建立1~2Nm³/h生物脱硫模试装置，液体循环量27L/h，pH值8.5~9.0，曝气量220~240L/h，脱硫菌种固定化浓度为2.7mg/g，净化气H2S浓度小于20mg/m³，硫磺回收率为95%，获取生物脱硫工艺参数优化数据； 2．分离筛选得到了硫化物代谢活性达73.1%、稳定遗传8代的高效脱硫菌株； 3．设计生物反应器及模拟装置，建立自动化控制的生物脱硫模式评价装置，为生物法净化含硫化氢气体的工艺评价提供装备基础。

甾体激素药物是仅次于抗生素的第二大类药物。全球甾体类药物总值近 500 亿美元，占世界医药销售额的 6%。中国是甾体药物原料及其制剂的主要生产国，年产值近 800 亿元人民币。 本项目组围绕重要甾体化合物中间体 AD、三羟基雄甾烯酮及其相关下游产 品，开展生物转化关键技术研究与产业应用研究，突破了生物催化去氢表雄酮双 羟化制备三羟基雄甾烯酮的技术体系，创新了屈螺酮合成新方法。项目改造优化 了微生物转化菌种的性能，开发了新型发酵和绿色提取工艺，建立了全流程的过程工程控制技术，大幅提高了产品的转化率，建成了百吨级规模的甾体化合物生产线。项目成果在 Green Chemistry、Journal of Steroid Biochemistry andMolecular Biology、Steroids 等期刊上共发表了相关文章 30 余篇，申请国家发明专利 28 项，其中授权 10 项。获中国石油和化工行业协会优秀专利奖 1 项，全国大学生“挑战杯”竞赛一等奖 1 项。 

本技术采用花生壳、小麦麸皮、大豆皮等农副产物为原料制备 纳米纤维素。首次采用生物酶结合超声波技术以农副产品为原材料制备纳米级 膳食纤维，克服了目前酸法制备纳米级膳食纤维污染重、周期长等缺点，建立 了一种高效、绿色、环保制备纳米级膳食纤维的新方法；首次开发出纳米级膳 食纤维及高纤维食品：包括面制品、淀粉制品、肉制品及功能性饮料制品等， 拓展了纳米级膳食纤维的应用范围。本项目所开发的纳米级膳食纤维功能性食 品，兼具优良口感与保健功效，具有良好的市场前景，对建设资源节约型和环 境友好型社会具有重要的促进作用。 生产条件及经济效益预测：纳米膳食纤维素的初步市场估价为 15 万元/吨。 项目投产后，年加工量 2000 吨的农副产物生产线，估算投资额为 8000 万，可 产生经济效益 2.55 亿元，实现利税 1.2 万元。年加工量 1000 吨的农副产物生 产线，估算投资额为 4000 万，可产生经济效益 1.275 亿元，实现利税 8400 万 元；年加工量 500 吨的农副产物生产线，估算投资额为 2000 万，可产生经济效 益 6375 万元，实现利税 3200 万元。

7月4日，著名期刊《SignalTransductionandTargetedTherapy》（IF:38.104）在线发表我校基础医学与临床药学学院疫苗中心林昂、唐昕莹团队在新冠疫苗领域的最新研究成果“UnravellingtheenhancedvaccineimmunitybyheterologousKCONVAC/Ad5-nCoVCOVID-19vaccination”。

西安交通大学宋江选教授团队开发了一种电化学稳定的具有自适能力的静电屏蔽层用于锂金属负极。

在肠道稳态和损伤修复过程中，肠道干细胞发挥着关键作用，而肠道干细胞命运及功能受到微环境等多种因素的调控。

为了消除传统图像描述深层模型中图像与文本间的虚假关联，该论文引入因果图外部知识，通过揭示视觉域与语言域混淆机理，在目标检测和描述生成中同时进行因果干预，阻断图像视觉特征与描述文本之间的后门路径。

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。