本新技术成果提供了一种表面具有纳米颗粒析出相的高温超导涂层导体Eu0.6Sr0.4BiO3缓冲层及其制备方法。采用以硝酸盐作为前驱物的化学溶液沉积法在空气中进行制备。目标物新的高温超导涂层导体缓冲层材料其名义组分为Eu0.6Sr0.4BiO3，其表面具有均匀弥撒分布的纳米析出相SrO2, 析出相尺寸在100nm左右，可作为缓冲层表面结构诱导的钉扎中心，即同时开发出了一种新的缓冲层表面结构诱导钉扎中心的方法，并且为其上超导层提供钉扎中心的性能得到了验证。

本发明涉及一种反渗透膜组件连续离线清洗装置，包括：用于浸泡和清洗反渗透膜组件的清洗槽，所述清洗槽有若干个且相互独立；还包括用于带动反渗透膜组件在相互独立的清洗槽内连续清洗的驱动传送装置。采用离线清洗方法，污染的膜组件浸泡在清洗液槽中，设备采用并联方式同时对多支膜组件单独清洗，清洗液入口端盖与膜组件的一头用卡箍固定于双链条上，组件另一头用卡箍固定于另一侧双链条上，组件安装方便，免去了组件复杂的拆装过程，省工省力。每个清洗液槽中安装相同数量的膜组件，链条的传动方式使该设备的自动化程度提高，不同的清洗液槽中的膜组件同时运行，整条流水线具有连续性，节约清洗时间，提高清洗效率。

本发明公开了一种适用于大尺寸薄壁高强度风电轮毂的铸铁材料及其制备方法和应用，属于材料及铸造工艺技术领域，本发明通过优化合金成分设计，结合微量稀有金属元素钡(Ba)、锑(Sb)、铋(Bi)和稀土元素(RE)的协同作用，以及通过添加三相SiC/SiO<subgt;2</subgt;/TiC纳米颗粒增强相，抑制珠光体形成并细化石墨球，使球化率≥95％、铁素体含量≥90％。通过添加纳米颗粒增强相，控制Ni≤0.8％等合金元素比例，进一步提高材料的耐蚀性。以及智能控温控冷铸造工艺，制备出具有高球化率、优异力学性能、耐低温冲击性和耐腐蚀性的球墨铸铁材料，满足18MW级海上风电轮毂轻量化、高强度、耐腐蚀和高可靠性的需求。

本发明提供了一种由以下通式I表示的化合物，或其药学上可接受的盐，以及解析的对映异构体与纯化的非对映体，其中：R1是H或C1-12烷基；R2是H，-C(O)R1a，-C(O)OR1a或-S(O)2R1b，其中R1a是H或C1-6烷基，R1b是选自H或C1-6烷基，卤代烷烃，苯基或芳基的基团；R3是可选被C1-4烷基取代的氨基，卤素，羟基，巯基，胍基，硝基或氰基；以及R4是-(CH2)nCO2H，-(CH2)nP(O)(OH)2，-(CH2)nCO2R1a，-(CH2)nP(O)(OR1a)2，其中R1a是H或C1-6烷基，n是0到4的整数，或以上基团的盐。本发明还提供了新的通式I表示的环己烯化合物的制备方法，以及它们作为流感病毒神经氨酸酶抑制剂在用于制备预防或治疗流感疾病的药物中的应用。

本发明属于有机化学合成领域，涉及一种可见光与铜协同催化实现烷基噻蒽鎓盐与末端炔烃交叉偶联的方法。将烷基噻蒽鎓盐类化合物1与苯乙炔类化合物2、配体、铜催化剂、碱、溶剂混合，得到混合液；将混合液泵入微流场反应装置的微流场反应器中进行光反应，即得末端炔烃烷基化产物3。本发明创新性地采用了廉价金属催化剂与绿色溶剂，降低了反应成本；反应过程通过可见光驱动并在室温环境下进行，产物的收率可达98％；本发明提供的方法巧妙地规避了传统合成方法中的多步复杂性、耗时性、高昂催化剂成本及低原子效率等弊端。

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。

一种能够连续作业的羊的药浴设备，包括药浴水槽和吊篮，吊篮与其顶端的卷扬机的吊索连接，所述的药浴水槽设在一车厢的底部中间位置，在车厢的下面设有车轮，在车厢内设有吊篮的循环通道；在该车厢的前后端下边铰接有用于羊只出入的斜坡通道；在该车厢上设有空压机系统。本实用新型的优点是：多个药浴吊篮形成循环回路，能够实现连续药浴，大大提高了工作效率；整个设备安装在一车厢上，可以自行或由机动车拖挂行走，提高了适用性。