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。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

华中农业大学文法学院实验室计算机更新采购项目（二次）竞争性磋商

北京邮电大学网安院密码攻防教学实验平台采购项目竞争性磋商

基于三维数字化信息管理系统的健康管理和3D打印云平台 卫生行业信息化建设已经走过了二十多个年头，IT 技术的应用越来越成为卫生行业前进必不可少的助推器，IT 技术的应用正在走向如何利用信息化技术提高医疗质量减少医疗差错，如何利用信息化技术进行医疗服务的创新，如何将分散的医疗资源整合，为人民提供更安全更完整的医疗服务。基于远程影像会诊（

近日，园艺学院果树发育生物学团队在国际知名期刊《植物,细胞与环境》（Plant,Cell&Environment）上发表研究论文，以MdWOX11转基因苹果组培苗为试材，揭示了硝酸盐处理下MdWOX11调控不定根发生的机制。

2010年我国含氟聚合物产能约8万多吨，占世界总产能的三分之一，产量近6万吨，其中PTFE约占80%，已成为世界第二大生产国。根据国家氟化工十二五规划，到2015年我国含氟聚合物产能将达到13.4万吨，产量达到9.4万吨，其中PTFE约占70%。随着战略性新兴产业的兴起，PTFE应用范围已经从传统领域扩展到环保、生物医药、新能源、电子信息等新兴产业领域。如在环保领域，PTFE膜接触器应用于烟道气处理；在生物医药领域，PTFE中空纤维管用作血浆过滤器；在新能源领域，PTFE用作锂电池隔膜和太阳能电池背板；在电子信息领域，PTFE用作驻极体材料。而这些应用，无一不涉及到对PTFE的表面处理。传统的湿化学法已经不能适应，正如氟化工十二五规划中所述：产品结构不合理，中低端产品为主，高端产品仍然依赖进口；应用开发不力，加工技术和设备落后。 大气压低温等离子体材料表面改性是一种新型的表面改性方法，这种方法可以有效地改善材料表面性能，且凭借其独特的优点使其具有其它传统方法不可比拟的优势，是一项值得深入研究的有广阔应用前景的技术。本项目采用大气压低温等离子体改性PTFE材料，替代传统的湿法化学处理方法，从而提高其表面的粘接性、吸湿性、可染色性、及生物相容性等性能，开发出适合对PTFE表面处理的高放电均匀性、高放电电离效率和大面积的均匀等离子体在线清洁处理技术，从而达到对PTFE表面改性的有效调控，取代传统的化学表面处理方法，推动相关产业的技术进步和PTFE在新兴行业中的应用，对于提升PTFE产品档次，促进PTFE在新兴行业的应用具有现实意义。 本项目所采用的常压低温等离子体设备为大面积、均匀连续处理设备，如图所示，可以实现稳定均匀DBD模式运行，配合上收卷、送卷，臭氧抽气等装置，可实现在线连续运行。目前已在实验室实现电极长度为1.5米的的大面积放电，如图(a)所示，将进一步结合在线处理要求，深入研究等离子在线处理工艺，开发如图(b)所示的在线处理样机。处理宽度0.5m，处理速度1-5m/min可调；处理厚度0.05-0.5mm；处理后PTFE表面水接触角不大于50°；PTFE表面微观形貌：表面刻蚀程度均匀。 技术特点及创新性 针对目前PTFE表面处理中采用的湿法化学处理方法安全性、环保性、节能性差的缺点，采用大气压低温等离子表面处理技术，通过研究放电参数、处理结构及处理气体对PTFE表面改性影响的规律，获取最优改性处理条件，找到最适合取代化学处理方法的PTFE表面状态；通过研究在PTFE表面接枝不同的分子链，使其表面产生新的分子结构和新的功能，解决表面处理后老化效应等问题；开发新型的DBD等离子体处理样机，提高等离子体大面积处理均匀性；实现对PTFE表面处理的在线连续性、经济性、清洁性和安全性。同时为低温等离子体材料表面改性的大规模工业应用提供实践。研发出适应工业化生产的PTFE表面处理新技术和新设备，从而提高其表面的粘接性、吸湿性、可染色性、及生物相容性等性能，而且改性只涉及表面纳米级别范围内，基体性能不受影响，对于提升PTFE产品档次，促进PTFE在新兴行业的应用具有现实意义。 ●应用前景： 以聚四氟乙烯复合胶带为例，该产品是采用PTFE乳液浸渍玻璃纤维基布，生产出聚四氟乙烯漆布，再进行单面表面处理后，涂上一层有机硅胶粘剂。该产品表面光滑，有着良好的抗粘性，耐化学腐蚀和耐高温性以及优秀的绝缘性能，并具有反复粘贴功能，广泛应用于在造纸、食品、环保、印染、服装、化工、玻璃、医药、电子、绝缘、砂轮切片、机械等领域，还可应用于浆纱机的滚筒、热塑脱模等行业。该产品预计全国年用量达1000多万㎡。再以太阳能电池组件背板为例，其主流产品是TPT。该产品是由上下两层PVF（聚氟乙烯）和PET（聚对苯二甲酸二乙酯俗称涤纶）薄膜三层复合而成。该产品的生产就涉及到对PVF的表面处理。相对于PTFE来说，PVF的表面处理就比较容易。据统计1兆瓦组件需要8800-10000平方米的背膜,2007年我国组件量为1717兆瓦,消耗各种背膜1500-1700万平方米,全部依赖进口。据《2008年中国光伏太阳能行业研究与投资前景分析报告》预测，2008年世界组件量为将上升40%，约为5600兆瓦，我国组件量约为2400兆瓦，需要背膜约1900-2400万平方米，PVF表面处理量达3800-4800万平方米。 目前，国内外相关研究大多实验室阶段，国外一些知名的大公司，如道康宁、3M以及德国的一些公司，也正致力于该技术研究。从目前报道资料情况上看，国外仅道康宁公司有应用报道，国内尚无相关产品推出。因此技术属于自主創新技术，将填补国内空白，达到国际先进水平。本技术具有应用的普遍性，不但可用于PTFE的表面处理，更可用于其它氟树脂和难粘高分子材料的表面处理，具有广阔的市场前景。本技术还可以推广到其他高分子材料处理领域，以及保护性包装、生物材料处理、薄膜沉积、生物医学应用等领域，在提高材料表面性能，开创材料新的应用领域方面发挥着至关重要的作用。

中国药科大学科研论文一体化平台（一期）项目公开招标

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7