索非布韦（又译为索氟布韦，英文名 Sofosbuvir，CAS：1190307- 88-0）是全球首个丙型肝炎病毒(HCV)NS5B 聚合酶核苷酸类似物抑 制剂，用于治疗慢性丙型肝炎，目前国外已有产品在销售，且利润可 观。国内还没有此类药物，本项目具有重大的发展前景。 采用本课题组开发的新型氟取代反应，设计和开发了一条经济、 绿色和环保的具有巨大临床价值和市场价值抗丙肝药物索非布韦及 其关键含氟医药中间体的制备工艺。本项目的目的是对本课题组开发 的新颖制备工艺进行中试放大研究，进而实现商业化规模制备，从而 产生良好的社会效益和经济效益。 依托南开大学化学院良好的科研平台，以及本课题组多年积累的 有机氟化学及合成有机化学的基础研究成果，我们对具有巨大临床价 值和市场价值的抗丙肝新药索非布韦及其关键含氟中间体的制备工 艺进行优化。小试规模研究结果表明，本制备工艺能以良好的经济性、 兼顾环保、安全等考量获得预期质量要求的目标产品。后期通过小试 放大研究、中试研究和商业化生产确认等产业化开发程序。 

在华为全联接大会2022曼谷站期间，华为在“释放数字生产力，加速教育信息化之旅”全球智慧教育论坛上，重磅发布《教育数字化转型的发展机遇》白皮书，首次探索智慧教育成熟度评估模型，并提出以全场景教育解决方案、创新教学模式、普惠教育资源、提升科研能力、升级管理水平，加速教育行业数字化升级。

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。

东南大学医学院实验室纯水/超纯水一体化系统采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年06月14日09点30分（北京时间）前递交投标文件。

 本课题针对太空服务机器人感知系统开展研究工作，重点研究基于脑电、肌电生物电信号及语音信号的多模式、微型化、智能化的人机交互接口系统，以快速、可靠地提取并识别脑电、肌电、语音信号，将之转换为太空服务机器人的作业任务和动作指令，并通过已开发的服务机器人验证模拟航天特因环境下该系统的可行性，探索多模式人机交互接口技术的实用化方法，为我国出舱活动机器人未来可在载人航天工程中应用提供可行性技术依据。 课题组在系统的研发和测试过程中，同中国人民解放军航天员科研训练中心进行卓有成效的合作，项目所开发的多模式微型化人机交互平台在航天员科研训练中心航天特因模拟环境下进行各项测试。测试结果表明，项目开发的样机已经具备航天特因模拟环境所要求的技术特征。该系统的研发成功，将推动多模式脑机接口技术在航空航天领域的应用。