本发明属于环境保护中土壤重金属污染的治理和农产品安全领域，涉及一种减少玉米植株在镉污染环境中损伤的制剂及其使用方法。一种减少玉米植株在镉污染环境中损伤的制剂，该制剂如下浓度的组分：甜菜碱：200‑600μmol/L。对于镉污染环境，当Cd浓度为50μM时，500μM的甜菜碱是较佳浓度，其中200‑600μmol/L均为有效浓度。因为甜菜碱的喷施为一种人为外源物质的使用，植物会产生应激反应，浓度过高也会使植株叶片发黄等现象发生。故可视环境中镉污染程度选择相应浓度的制剂。

本实用新型涉及电动汽车无线充电技术，具体涉及一种公路及露天环境铺设的光储式电动汽车无线 供电系统，包括公路或露天环境的地面，以及电动汽车；还包括至少一个充电系统发射单元和电动车辆 装置接收单元，充电系统发射单元包括依次连接的电源模块、高频逆变模块、压力感应装置、RFID 阅 读器、功率控制电路、功率振荡模块和电磁发射线圈；电动车辆装置接收单元包括依次连接的电磁接收 线圈、RFID 电子标签、整流模块、稳压降压模块和车载电池；高频逆变模块将低压直

本发明提供一种基于环境孔压静力触探探头的重金属污染物浓度的测试方法，通过X射线能谱分析装置和电阻率测试装置完成重金属污染成分及浓度的测定。X射线能谱分析装置包括X射线发射器，X射线探测器以及高性能滤波片。通过X射线探测分析，检测土壤中重金属污染成分。电阻率测试装置由外周的四个环形电极组成，环形电极之间通过绝缘层隔离，中间两个环形电极为测试电极，上下两个环形电极为发射电极，发射电极用于向土体发射电流，测试电极用于测量电位差，再结合根据欧姆定律可以计算电极周围土体的电阻率大小，通过特定重金属元素的浓度电

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。

通过在BCG表面表达FimH蛋白，赋予了BCG靶向肿瘤细胞糖基化的能力，达到了增强BCG对膀胱肿瘤细胞的选择性黏附和增强免疫反应的一箭双雕的效果，在膀胱癌原位模型中展现出了出色的抗肿瘤效果和良好的安全性，为临床BCG菌株的减毒增效提供了新的策略，具有极大的临床转化潜力。

主要技术要点（创新点） ： 采用空间 3-UPU 柔顺并联机构作为结构类型，与传统微力传感器的敏感元件相比，具有高精度、高强度、无累积误差等优点； 3 个支链相互垂直放置，并且每 1 条支链能感受某一方向的力，同时不会影响其他支链的悬臂梁的应变，具有 3 维解耦力传感特点； 采用 3-UPU 柔顺并联结构具有高固有频率，具有频宽范围大的特点； 采用 2 对对称的悬臂梁的应变形成全桥式电路作为输出，具有温度不敏感的特点。项目背景：随着精密工程技术、微机电系统(MEMS)技术及微/纳米技术等的研究，微传感器技术得到极大发展，特别是微力传感器，在各种微操作过程中执行对微接触力的检测，实现力-位移或力-视觉等混合控制，对提高微操作系统的精度起到了重要作用。该成果来源于胡俊峰副教授主持的国家自然科学基金项目《基于柔顺机构的智能微操作机器人动力学与控制研究》。