有机酸行业有大量的固废硫酸钙，难以处理。本技术通过一套新型的转晶的技术，并开发了一系列转晶剂和改性剂，可以有效的将普通的二水合物硫酸钙，转化为硫酸钙晶须（市场价4500元/吨），极大的提升了产品的附加值，所得晶须的堆积密度在0.18~0.21g/cm3，含水量小于0.5%，白度高，稳定性好，且呈现出良好的力学性能，可以广泛应用至造纸、橡胶、涂料、粘合剂等行业。 技术特点 1、生产成本低，硫酸钙无水晶须可以控制在1500~1700元/吨； 2、晶须质量好，白度高，稳定，力学性能高，在使用过程中不易转化。 推广应用 目前成果已经完成了1000吨规模的中试生产线，产品质量与实验室成果基本保持一致。产品可广泛应用于造纸、橡胶、涂料、粘合剂等行业。

本申请提出了具有分级多孔的DEGDA/羟基磷灰石复合材料的制备方法，步骤为：将HAP在壳聚糖酸性溶液中反应，获得壳聚糖包覆羟基磷灰石；将壳聚糖包覆羟基磷灰石投入到DMAC溶液中，滴加丙烯酰氯和三乙胺，制得改性壳聚糖包覆羟基磷灰石；将改性壳聚糖包覆羟基磷灰石、DEGDA、光引发剂与致孔剂混合均匀后，采用光固化打印成为模型；对模型进行清洗后和干燥后获得DEGDA/羟基磷灰石复合材料。本申请还公开了采用上述制备方法所获得的支架。本申请对包裹HAP的壳聚糖进行改性，减少HAP的团聚，提高HAP在DEGDA的分散均匀性，使孔洞间形成光滑连接，提高了孔道的均匀性，利用3D打印方式形成的大孔与致孔剂形成的小孔，最大限度地模拟天然骨组织中的孔洞。

本项目属于肿瘤靶向药物的体外药敏检测，是基于化学靶向药与其靶蛋白在细胞死亡时也可结合的特性，设计并合成特异性发光基团与靶向药连接，得到一系列候选探针，经细胞筛选、裸鼠荷瘤切片共定位、人源病理样本孵育验证，筛选获得靶向药探针。将探针与患者活检样本共孵育后，通过检测其荧光分布及强度即可直接得知患者对该靶向药的敏感程度，从而给予患者更加精准的给药建议。该技术检测耗时短、结果准确、方法便捷、易于推广，能够与基于大数据的基因检测技术形成很好的互补融合，帮助临床医生为患者制定出更加精准的诊疗方案。 技术创新点： 该探针能够实现将靶向药与患者活检样本的结合情况进行原位显色并相对定量，其荧光的分布及强度直接提示患者对该靶向药的敏感程度，目前国内尚无其他技术能够实现。该技术能够弥补基因检测只能从基因水平间接预测药物敏感度的不足，给出的结果更为准确和个性化。目前我们已合成并检测了包括 3 种肺癌靶向药探针在内的 6种探针，项目一期预计合成国内已上市的 6 种肺癌化学靶向药的全部探针。 市场应用前景： 近年来精准医疗行业的发展愈发蓬勃，2016 年其国内市场估值已达百亿。精准医疗大致分为精准诊断和精准治疗两大板块，目前精准诊断一般依靠间接法或直接法。间接法主要通过基因及表观遗传学检测和大数据分析，对同一亚型的患者给出相同的诊疗方案，其准确性强烈依赖于基因检测的准确性及大数据库的完善程度。一代 Sanger测序虽成本较低易于普及，但只能检测单基因突变，且灵敏度较低、检测耗时长、工作量大，无法满足庞大的测序需求；二代测序 NGS 具有通量高、敏感度强、能够获得未知突变信息等优势，但其仪器和试剂要求极高价格昂贵，且能够准确解读数据的科研人员十分稀缺。同时，基因检测不能检出基因表达过程中旁路对于待测基因表达的影响，将直接导致给药建议有误差。直接法主要是肿瘤药敏技术，如 MTT比色法、ATP 荧光检测法等，需要依托原代肿瘤细胞培养技术，该技术由于巨大的个体化差异，成功率很不稳定，使得该类技术普及困难。 基于以上情况，开发一种更加精准敏锐且操作便捷、易于推广的肿瘤精准给药筛查技术，是十分有必要的。该技术能够与现有的精准诊断技术形成强有力的互补，能够帮助临床医生更好地为患者制定治疗方案，为患者争取更大的生存机会，为国内精准医疗行业的发展提供一个全新的思路。 合作方式： 融资共同开发，优先与第三方检测机构进行合作。鉴于技术保密性，暂未申请专利。

本发明提供一种基于T形结构的纳米线热导率的测量装置及方法，将热线两端搭接在热沉上，将待测线搭接在热线和热沉之间，由于部分热量沿待测线方向导走，沿热线方向的温度分布将发生变化，即由抛物线形变为双拱形，热线平均温度将明显下降。通过测量热线的平均温升的变化，就可求解得到待测线引入的总热阻，从而求得待测线的热导率。该装置结构简单，成本低廉，测量精度高，可用于包括导电、非导电细丝材料热导率的测量，具有很大的通用性。

本发明公开了一种具有超高抗盐性能的有机复合材料的制备工艺。包括以下步骤：通过计算模拟得出膜微观形貌中凸点形态和凸点间距h。计算得出形成凸点颗粒的平均直径D。将分散型聚四氟乙烯颗粒进行热固化处理和解团聚处理，得处理颗粒a；根据凸点间的h，得出处理颗粒a和分散型PTFE颗粒的配置比例，按照比例混合搅拌后纤维化处理，得到处理颗粒b；将两种颗粒分层放置，通过拉伸工艺形成非对称性膜；将氟类单体、静电传导材料与醇类溶剂混合得到预制溶液；将预制溶液喷射在基材表面得到处理基材；将非对称性膜热压覆合在基材上形成有机复合材料。此种膜材料适用于不同行业烟气过滤体系，尤其适用于盐析程度高的中低温烟气体系的净化。

本项目涉及到功能聚合物的分子设计与制备，并将功能聚合物应用于外墙外保温浆料及其它预拌砂浆，如抗裂砂浆、自流平砂浆、装饰砂浆、柔性腻子和界面剂等化学建材中，以上统称为聚合物改性砂浆，属于高分子合成、化学建材和节能材料领域。聚合物改性砂浆是指具有特殊功能如抗裂、高粘结性能、防水抗渗和装饰性的砂浆。为达到这些特殊功能，应当在无机胶凝材料—水泥中添加某些功能聚合物。本项目以聚合物改性砂浆的应用要求入手，运用聚合物分子设计和高分子乳液合成新方法，系统研究制备了不同组分结构、不同分子量、不同玻璃化转变温度、不同粒径的功能聚合物乳液，并通过喷雾干燥设备的合理选型、参数控制和工艺过程的改进，成功地将聚合物乳液制得可再分散胶粉。可再分散胶粉可以很好还原聚合物乳液的主要性能。

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。