悬赏金额：10万元 发榜企业：德旭新材料（广州）股份有限公司 产业集群：先进材料产业集群 需求领域：特种功能材料;精细化工;电子材料;半导体材料;表面改性材料 技术关键词：抗磨;超滑;切割;抛光

本发明公开了一种水稻孕穗期耐冷性相关蛋白CTB4a及编码基因与应用。本发明提供了一种蛋白，是如下1)或2)： 1)序列表中序列2所示的蛋白质； 2)将序列表中序列2所示的氨基酸序列经过一个或几个氨基酸残基的取代和/或缺失和/或添加且具有相同功能由序列2衍生的蛋白质。 本发明的实验证明，本发明克隆了一个新的正向调控水稻孕穗期耐冷基因CTB4a，将其转入野生型水稻中，表现出孕穗期耐冷，为水稻的耐冷品种选育提供基因资源。

本发明公开了一种具有抗氧化和抗炎功效的重组海洋蛋白及其制备方法与应用。该发明通过合成生物学技术，成功构建了由多重海洋生物蛋白组成的重组海洋蛋白，其包含众多活性功能氨基酸，具有显著的抗氧化和抗炎功效。所述重组海洋蛋白的制备方法为，使用同源重组法将所述重组海洋蛋白的编码基因与载体连接，构建重组表达载体，导入枯草芽孢杆菌中，构建重组枯草芽孢杆菌，将其接种至发酵培养基中发酵，即得。本发明的重组海洋蛋白具有显著优异的抗炎和抗氧化效果，还为抗氧化和抗炎领域提供了新的解决方案，具有广阔的应用前景。

依托国家自然科学基金、国家高技术研究发展 863 计划、国防科工委重点课题以及 上海市地方政府重大工程等项目，研究了以全球定位系统（GPS）、遥感遥测技术（RS） 和地理信息系统（GIS）为核心的地球空间信息获取、处理、建模与服务的系统集成理 论、关键技术与应用，在现代测量数据处理、GPS 精密定轨与定位、高精度遥感影像匹 配与制导、空间数据不确定性与质量控制等取得了一系列创新成果。 

本发明公开了一种自适应带速与水果重量的易损水果分级执行装置与方法。包括易损水果输送模块、水果称重模块、输送带速度监测模块、PLC控制模块，输送模块用于传送待分级水果，水果称重模块获得待分级水果的重量，输送带速度实时监测模块在线监测输送带的速度，PLC控制模块根据监测到的水果重量与输送带速度得到分级执行机构最优的转动角度，并控制伺服电机按一定的转速带动水果分级执行机构转动对应的角度，准确的完成易损水果的分级。本发明利用实时监测到的带速和水果重量信息自动调整分级执行机构转动的角度，适用于不同带速和不同质量条件下易损水果的准确分级。

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。

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。

非常规水资源利用，特别是苦咸水淡化利用，对缓解全世界水资源危机具有重要意义。发展基于新材料的苦咸水利用新技术是当前水资源利用技术利用的前沿研究课题。2019年，水文院青年教师徐兴涛博士指导我院本科生在金属有机框架材料的苦咸水利用技术研究方面取得重要突破，相关研究成果以封底文章的形式发表于Royal Society of Chemistry出版社材料科学旗舰期刊《Materials Horizons》（2019年影响因子：14.356；引用次数：51次），在非常规水资源利用人才培养与科学研究方面，迈出重要步伐。 近日相关团队在金属有机框架衍生材料的苦咸水利用技术方面再次取得重要突破。团队首次提出利用金属有机框架衍生铁氮共掺杂纳米碳管结构作为电极材料，在实际含氧水环境下大幅提升苦咸水利用效率的同时实现了电极运行寿命的大幅延长。该成果以姊妹篇形式近期再次发表于《Materials Horizons》上，并受到业界广泛关注，目前引用次数为23次。 非常规水资源利用新材料技术的发展，对推动的非常规水资源的高效利用、解决实际生产中的用水问题具有重要意义。