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。

中山大学黄立南教授课题组利用大规模宏基因组数据，探究酸性矿山废水（acid mine drainage, AMD）底泥环境中病毒物种和功能的生物地理分布及其对原核微生物群落、理化因子、气候条件以及地理距离的响应，促进了对于自然环境中病毒-宿主-环境三者间相互作用关系的理解。

针对高缺陷炭负极电化学储钾容量与稳定性难以兼顾的问题，报道一种原位缺陷选择性调变与导电骨架搭建策略，通过热力学与动力学双重调控，提高缺陷炭负极电化学储钾综合性能。

近日，东南大学物理学院王金兰教授与美国德克萨斯大学奥斯汀分校刘远越教授团队合作，基于第一性原理的多尺度模拟方法，结合真实电催化反应条件，在单原子稳定性方面取得了最新研究进展。

(东北师范大学物理学院无掩膜光刻机（进口）设备采购)的潜在供应商应在（长春市二道区东南湖大路3030号，中资国际工程咨询集团有限责任公司一楼）获取采购文件，并于2020年12月14日13点30分（北京时间）前提交响应文件。

国科大物理科学学院路红亮副教授和宋志朋博士后等人与物理所、高能所等单位科学家合作，利用分子束外延（MBE）方法构筑了单层TiSe2/CuSe/Cu(111)异质结以调控TiSe2的CDW相。

强关联体系中的巨大电子库伦相互作用能够诱导产生丰富奇异的量子多体物态，包括非常规超导、莫特绝缘体、维格纳晶体态、非费米液体、量子自旋液体等。

近日，北京大学物理学院量子材料科学中心、电子显微镜实验室高鹏课题组，与凝聚态物理与材料物理研究所刘开辉课题组、中国科学院大学和中国科学院物理研究所张余洋课题组等合作，利用透射电子显微镜的电子能量损失谱测量并结合第一性原理计算，揭示了h-BN/石墨烯异质结构中的转角关联耦合效应。研究发现，角度依赖的层间摩尔势改变了石墨烯的能带结构，导致石墨烯M点层内带间跃迁能量红移，并且晶格相对扭转诱发的h-BN的布里渊区相对于石墨烯M点的旋转也贡献了新的带间跃迁途径。结果表明，在堆垛的二维材料器件中需要仔细考虑扭转耦合效应带来的影响避免意外干扰；同时，转角连续可调的带间跃迁也可以为新型光电器件设计提供新的自由度。该研究成果以《转角h-BN/石墨烯中的可调带间跃迁》（“Tunable Interband Transitions in Twisted h-BN/Graphene Heterostructures”）为题，于7月5日发表在《物理评论快报》（Physical Review Letters 2023, 131, 016201）。

固体氧化物电解池（SOEC）是固体氧化物燃料电池（SOFC）的逆过程，图一所示，SOEC通过电解H2O产生氢气，通过电解CO2减少CO2排放，并对H2O/CO2进行共电解以产生用于化工生产的H2/CO合成气。其产品可应用于炼钢、化工、农业、航空航天和医疗等众多领域。