本发明涉及抗病毒药物齐多夫定的离子色谱分离分析方法，特别涉及抗病毒药物齐多夫定的等度分离积分脉冲安培检测分析检测方法。包括以下步骤：实际样品处理、基线测绘、进样和离子交换、洗脱、电化学检测分析。本发明对抗病毒药物齐多夫定能进行良好的分离分析，保留时间、峰高、峰面积的相对标准偏差均小于2.0％，分析时，将试样直接注入离子色谱分离柱分离，从色谱分离柱输出的齐多夫定溶液通过电化学检测池经过电化学检测器就能获得灵敏度高的谱图，使工艺流程大为简化；本方法还可用于血液样品中的抗病毒药物齐多夫定含量的检测。

（专利号：ZL 201410182363.1） 简介：本发明公开了一种利用酸性离子液体在温和条件下预处理褐煤来提高其热解焦油产率并改善油品品质的方法，属于褐煤综合利用技术领域。本发明通过选择能高效破坏褐煤中弱键合结构的酸性离子液体，将褐煤粉与酸性离子液体加入反应釜中，在温和条件下预处理；然后利用水或有机溶剂将酸性离子液体洗出后将煤样干燥，有机溶剂和酸性离子液体回收后循环使用。预处理后的褐煤进行热解，相比于原煤酸性离子液体预处理后褐煤热解焦

本实用新型公开了一种离子风驱动的可同步处理多种污染物的空气净化器，包括物理过滤装置、低温等离子体产生装置和离子风动力装置，低温等离子体产生装置分为离子泵荷电加速区、电凝并区、电除尘氧化区和反电晕催化区；物理过滤装置采用导体网、粗效过滤网、高效过滤网和活性炭过滤网物理过滤，本实用新型采用离子泵荷电加速区、电凝并装置、电除尘氧化装置和反电晕催化区四处进行低温等离子体放电同时针对细颗粒物PM2.5、微生物气溶胶及VOCs、CO、NH3等毒害气态污染物进行一体化净化，能够高效捕集细颗粒物PM2.5，灭活微生物气溶胶，同时深度氧化处理VOCs、CO、NH3等毒害气态污染物，是一种集铺集氧化于一体的多污染物复合净化技术，提高室内空气净化效果。

【发 明 人】邵江娟；吴昊；王昱沣；陈建伟；赵雅秋 【摘要】 本发明公开一种利用离子液体从丹参水提液中萃取分离丹参总酚酸的方法，以咪唑类疏水性离子液体为萃取剂，通过萃取的方式从丹参水提液中提取丹参总酚酸，并与鞣质、多糖、蛋白等杂质分离；待萃取分层分离后，将萃取剂层通过高温或碱化剂进行反萃处理，得到高浓度的丹参总酚酸的水溶液或其盐溶液，作为进一步精制的原料，而离子液体经过反萃处理后可重新作为萃取剂循环使用。本发明采用不挥发、不易燃易爆的离子液体提取丹参总酚酸，通过反萃实现丹参总酚酸的富集浓缩与萃取剂的再生，具有提取过程简单、安全、易于规模化生产的优点，为解决丹参总酚酸提取过程中大量使用易燃易爆的强挥发性有机溶剂产生的生产难题提供了一种有效解决方案。

本发明提供了一种制备(氟磺酰)(多氟烷氧基磺酰)亚胺碱金属 盐，以及由该亚胺碱金属盐与铵盐、磷盐、锍盐等，进行复分解反应 制备相应的离子液体的方法。本发明提供了一种基于不对称(氟磺 酰)(多氟烷氧基磺酰)亚胺阴离子的离子液体作为二次锂电池或者碳基 超级电容器的电解质材料，该电解质材料与 LiCoO2、LiFePO4、Li、 石墨、Li4Ti5O12 以及活性炭等电极材料具有良好的相容性。

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。

成果简介：北京理工大学在高压共轨喷油技术方面注重创新，立足研制具有独立自主知识产权的产品，其中喷油器就有五项发明专利，高压油泵有1项发明专利，3项实用新型专利。与兰州信德液压气动公司联合开发成功了三种高压油泵，与北京嘉顺磨具公司联合开发成功了电液比例控制进油节流调压阀。已开发成功三种高压油泵其中一种的技术参数：最高工作压力：160MPa;理论排量：1.1mL/r;容积效率：87%>>78%的BOSCH的同类泵(CP3.3）；已经过1000小时的寿命考核试验；已在北京公交车上替代BOSC

成果简介：项目针对*上SAR处理体积、重量、功耗、辐照、强实时等严格约束条件，构建了模块化、可扩展、可重构、可容错的XZ并行实时处理系统体系结构；基于XZ并行实时处理系统体系结构，研制了基于DSP、ASIC和FPGA等多种处理器异构并行的硬件平台，解决了多种处理器之间处理、传输、存储效率平衡的关键技术；在硬件平台上开发了*上SAR成像处理、溢油检测、洪涝区域检测等实时处理高可靠软件；为研制了*上SAR成像处理专用ASIC芯片，完成XZSAR系统实时成像处理中运算密集型的运算，从而满足系统实时性要求