山西师范大学现代文理学院成立于 2002 年 6月，是山西省人民政府批准、教育部备案，以新机制、新模式举办的实施全日制本科学历教育的师范类独立学院。 学院位于有“华夏文明之源，炎黄子孙之根”之称的山西省临汾市尧都区。现有在校生8700余人，设有16个系、28个专业及方向。所设专业涵盖了文学、理学、工学、法学、历史学、教育学、管理学、经济学、艺术学等九大学科门类，形成了以文理学科为主体，教师教育学科为特色，应用学科为增长点，多学科相互渗透、互为支撑的学科专业体系。 学院现有专任教师654名，其中具有教授、副教授职称的教师246人，占专任教师比例37.6%;具有博士、硕士学位教师470人，占专任教师比例71.8%。高素质的师资队伍，为教育教学质量的提高提供了坚实的人才保障。 学院秉承山西师范大学的优良办学传统，高度重视教学工作，突出教学工作的中心地位，形成了“领导重视教学、制度规范教学、教师热爱教学、经费保障教学、督导促进教学、管理服务教学”的良好局面。自2016年以来，学院紧跟山西师范大学的改革步伐，实施以课堂教学改革为突破口的人才培养模式改革，着力改造现有的大学课堂，全面更新教育教学理念，努力创新教育教学方法，大力实施教学改革创新计划，全面深化实践教学改革，加强大学生创新创业教育，实施素质教育，积极探索精英人才培养模式。办学16年来向社会输送各类人才2万余人，成为支持地方经济建设和社会发展的人才培养基地、文化传播基地。学院的办学经验和教学成果多次被《中国教育报》、 《中国青年报》、 《山西日报》等主流媒体报道。办学质量得到社会各界的广泛认可，赢得了良好社会声誉。 学院实施开放办学，开展多层次、宽领域的教育交流与合作。先后与韩国国立木浦大学等国外多所大学建立了友好关系;并与国内兄弟院校的校际交流日益频繁，与社会各界的互动合作逐步深入。在历届全国大学生数学建模竞赛、互联网+全国大学生创新创业大赛、全国大学生英语竞赛等各类竞赛中获得了优异的成绩。2014年被临汾市授予环境友好型学院;2017年被评为山西省创建“平安校园”工作先进单位;2018年被授予山西省园林单位。 学院坚持以学生为主体，以质量为目标，大力推行素质教育。坚持实行早读、晚自习和期中考试制度，严格课堂纪律，完善听课、评课督导机制，学风建设取得显著成效。尊重学生个性发展，把创新能力的培养贯穿于教育教学全过程，核心课程实行过程性评价考核，最大程度地让学生认识和充实自我，让“每个学生都有成功的可能”。用科学的管理和“人性化”的制度引导学生，督促学生自觉学习、刻苦钻研，形成了“求实创新、积极进取”的良好风气。学生综合素质不断提高，毕业生考研率、就业率位于全省独立学院前列。 新的时代承载新的使命。学院将以提升内涵建设为目标，以深化教育教学改革为动力，加快推进学院转型发展内涵发展特色发展，全面提升教育教学质量。新的时代汇聚新的力量。学院将继续秉承“崇文明理 知行合一”的院训精神，以新时代奋斗者的进取姿态，在新一轮的新征程中，披荆斩棘，砥砺前行，创造学院新的辉煌。

本土管理学的发展不仅需要理论创新,也需要研究方法的创新."镜像组织研究法",拥有当前管理学主流实证方法中所不具备的刻画心理活动等特点,运用这一研究方法存在着科学合理性和可行性.

田雨团队和合作者的研究不但揭示了一种全新的黑洞“长毛”机制，给出了长毛的动力学过程，而且在该过程中发现了一类奇妙的“动力学临界现象”。该研究成果是国内研究团队在国际基础物理前沿理论研究方面取得的重大进展。

南京邮电大学理学院曾红丽副教授与合作者在新型冠状病毒SARS-CoV-2基因序列分析方面取得重要进展，预测了该病毒在自然选择过程中的适应性，指出并分析了该病毒在演化过程中存在的弱点，分析了相应综合医药开发应注意的关键基因位点。该成果以南京邮电大学为第一完成单位，于2020年11月17日在线发表于国际权威期刊美国国家科学院院刊（PNAS）上。 COVID-19疫情是由β-冠状病毒SARS-CoV-2引起的全球性公共卫生突发事件。各类数据库搜集了大量的且不断增加的高质量全基因组序列。本工作利用这些序列，研究其是否显示出病毒演化过程中上位性对适应性的影响。在具有高重组率的种群演化中，本工作创新性地发展和应用了统计物理学中的反Potts模型，来检测自然选择过程中的上位性影响。该工作为利用大量基因组序列来获取具有高重组率的病原体在演化过程中的弱点开辟了广阔前景。 该研究工作最终将新型冠状病毒的大约3万个基因位点浓缩为存在显著相互影响的8对基因位点（ORF3a和nsp2，nsp12和nsp6，ORF8和nsp4，以及基因nsp2，nsp13和nsp14），为寻找病毒病原体结合和重组过程中存在的弱点带来了希望，对开发临床治疗的综合靶向药物、研究病毒进入宿主后的发病机制有着很强的生物医学指导意义。 和其他许多疾病一样，针对COVID-19的潜在药物靶标的组合数量非常多。本研究工作不仅提供了哪些基因位点之间存在相互影响，并可以对其进行排名，从而进行更进一步详细研究。结合随机性检验，该研究工作最终预测了存在显著上位性的8对基因位点中，有3对涉及到与新冠肺炎的重症密切相关的病毒基因ORF3a。遗憾的是，目前关于针对ORF3a基因的临床靶向药物的报道还较为罕见，值得医药学研究人员在该方面加强研究。另外，本研究工作中预测的8对基因位点可作为实验生物学的原假设，以供生物学研究人员在此基础上设置相关微生物实验，研究新冠病毒进入人体后引起发病的机理。 此项研究工作由南京邮电大学与意大利的里雅斯特大学、古巴哈瓦那大学、瑞典哥德堡大学及瑞典皇家理工大学合作完成。曾红丽副教授的研究工作受到国家自然科学基金委（基金号11705097）、江苏省科学技术厅（基金号BK20170895）以及江苏省政府留学奖学金的大力支持。

原子核由中子和质子（统称核子）组成，核子内部结构的相关研究一直是基础物理领域的前沿和热点，近日，南京大学物理学院Craig D. Roberts教授作为通讯作者的综述文章，详细解释了过去十年里人们对核子结构科学理解的发展和变化。从上个世纪流行的夸克模型至今，人们已经迈出了一大步：现在，核子波函数被视为描述准粒子-夸克自由度之间的强两体（diquark）关联，而它们本身都是由粒子物理标准模型中的强相互作用形成的，宇宙中超过98%的可见质量与之有关。这需要由量子色动力学中规范玻色子区域的高度非线性、非微扰的动力学给出解释，而不是夸克和希格斯（Higgs）玻色子之间的耦合。这一新的图景给出的预言，有望在北京正负电子对撞机等世界顶尖加速器设备上得到检验。

近日，物理学院王金兰教授团队受邀在国际顶级期刊《Chem》(Cell姊妹刊)上发表题为“HowComputationsAccelerateElectrocatalystDiscovery”的综述论文。物理学院的凌崇益副教授和王金兰教授分别为文章的第一作者和通讯作者。

水凝胶仿生软骨材料显示出各向异性的微观结构，并表现出优异的力学性能，拉伸强度为10.65 MPa，韧性为52.2 MJ/m3，压缩强度为4.86 MPa，高于其他的各向同性水凝胶以及大多数报道的水凝胶材料。

国科大吴佳俊课题组与其合作者将温伯格所假定的常数形状因子推广为一般的形状因子，并利用色散方法推广了温伯格的复合度关系。

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。