以煤为基础是我国的基本能源格局，目前传统的煤炭利用效率低、污染严重 (利用效率不到70%,二氧化硫和粉尘占大气污染80%以上)，发展洁净煤技术是必然的选择。水煤浆（Coal Water Mixture，简称CWM）是将具有一定粒径分布的煤粉分散于水介质中制成的高浓度煤/水分散体系（煤含量65～70%），是一种经济的、洁净的、可代替石油和天然气的液体燃料和化工原料。性能良好的水煤浆应具备：高浓度和高稳定性等要求，煤水的界面性能相差很大，必须用界面改性剂来改善煤水界面相容性，因此添加剂技术是水

全天候室外视觉导航:难题内容是恶劣气候，或环境变化较大时导航效果不是很好。

高分子新材料

高动态范围图像(High-Dynamic Range，简称HDR)，相比普通的图像，可以提供更多的动态范围和图像细节。具备HDR技术的LED屏幕可以显示更精细、更高对比度、更高色彩还原的画面。 色域也进一步的扩展 更好的还原了大自然真实的颜色 行业内唯一一家同时支持HLG/HDR10两种HDR格式 高动态范围宽色域技术极大化视觉综合体验，让LED显示屏显示效果无与伦比

节能作为时代发展的必然趋势，拥有优秀的节电性能的产品才能在长时间使用过程中不被时代淘汰,奥拓电子的LED产品具有多项节能的专利技术。 精准电压控制技术 无风扇设计，优良的散热结构 专利的智能亮度调节技术 驱动芯片智能开关技术

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。

新型单洞双线城市轨道交通类矩形盾构隧道修建成套关键技术产业化及应用。 一、项目分类 关键核心技术突破 二、成果简介 我国城市轨道交通建设正面临地下空间资源日渐稀缺的严峻挑战，面对集约型开发要求，常规的圆形盾构隧道法已不能适应， 类矩形截面不同于矩形截面和椭圆形截面，严格的矩形断面空间利用率最高，但其主要面临着机械开挖困难、矩形转角部位管片结构受力不合理等问题；椭圆形隧道可有效避免以上矩形隧道出现的问题，但其空间利用率相对较低。类矩形断面就是对以上两种断面类型的折中，以求综合其优点，规避其缺点。 本项目成果已实现产业化和规模化，形成从技术开发、装备制造、施工工法、配套施工工艺、后评价体系等在内的全套关键技术。目前已生产异形盾构12台套，分别在上海、杭州、南京、郑州、宁波、舟山等地开展了成功应用，累计完成掘进30km，为当地城市轨道交通工程建设提供了有效的技术支撑。