本发明公开了一种基于白光干涉原子力探针扫描显微镜探针系 统的成像自动调整装置自动及其控制方法，该装置主要包括计算机， 夹持机构及铰链机构，原子力探针及其探针组件，白光干涉显微系统， 面 CCD 光路连接筒。在白光干涉原子力探针显微镜连接完成的情况 下，根据面 CCD 上探针的成像与面 CCD 坐标系的水平夹角，通过计算机来控制舵机偏转一定的角度，使得原子力探针在面 CCD 中的成像 与面 CCD 坐标系中的夹角在误差范围内，从而得到测量的结果有较小 的测量误差。本发明可以实现探针在面 CCD 中的成

本实用新型公开了一种基于多个工作电极的饮用水重金属自动检测装置，包括水路模块、微处理器、多传感器模块、电化学检测模块和信号采集模块；多传感器模块包括多个工作电极、一个参比电极和一个对电极；电化学检测模块包括恒电位模块、有源屏蔽电路、电极自检模块和局部自检模块；信号采集模块包括多量程I/V变换电路、滤波调零及电压放大电路、16位A/D变换电路、16位D/A变换电路和16位电平转换电路；水路模块包括测试腔和电磁阀控制模块；该检测装置实现了饮用水多种重金属的长时间稳定检测，方便饮用水安全的长期监测，应用前景巨大。

本发明公开了一种含催化剂分离再生的生物质挤压催化热解装置与方法，包括生物质与催化剂料斗、螺旋进料器、螺旋式挤压反应器、产物室、过滤冷凝装置、两级分离网与两级振动装置等。生物质与热催化剂在螺旋式挤压反应器内互相挤压、充分接触混合并进行生物质催化热解反应；热解气相产物经过过滤和冷凝得到芳香烃等液态化学品和富含烯烃的不冷凝气体；热解固体产物通过两级分离网分离成粗炭和催化剂，催化剂在流化床再生反应器中燃烧再生后进入催化剂料斗循环使用，燃烧再生产生的热烟气用于干燥生物质原料。本发明热解过程实现催化剂与生物质紧

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。

项目简介： 现代工业高速发展的同时也对环境造成了污染，重金属对水体的 污染极大程度地损害了农、林、牧、渔等产业的发展，同时也对人民 的健康和生命造成威胁。因此有必要对被重金属污染的水体进行综合 性治理。 本项目提出联合使用聚合物絮凝剂和螯合树脂（包括螯合纤维） 对水中重金属的去除提出治理方案。1．使用天然壳聚糖作絮凝剂对重金属污水进行预处理 2．使用氨基膦酸螯合树脂对预处理后等重金属超标废水精制可 达到国家排放标准 3．使用辐照接枝制备功能化离子交换纤维实现对重金属废水的 处理 综合使用壳聚糖、氨基磷酸树脂、接枝纤维可以使重金属污水的 处理技术提升一个新的台阶。在实现重金属废水治理的同时建立环保 产业链。一方面利用甲壳素原料方面的优势，建立生产壳聚糖的工厂。 另一方面扩大氨基磷酸树脂的产量和使用范围。此外还可以解决辐照 站资源浪费问题。达到一举多得的目的。