(R)-2-羟基-4-苯基丁酸乙酯（(R)-HPBE）是合成 ACE 抑制剂类药物的重要手性中间体，可用于合成苯那普利(Benazepril)、依那普利(Enalapril)和雷米普利(Ramipril)等重要普利类药物。 本项目采用羰基还原酶和葡萄糖脱氢酶的双酶共表达重组大肠杆菌的整体细胞作为催化剂，在水/有机溶剂两相体系中，对底物 2-羰基-4-苯基丁酸乙酯（OPBE）进行不对称还原，底物浓度>300 g/L，转化 12 h，转化率和产物的光学纯度分别达到 100%和 99.5%ee。 

他汀类药物(statins)是一类羟甲基戊二酰辅酶 A (HMG-CoA)还原酶选择性抑制剂，能够降低血浆胆固醇和脂蛋白水平，是防治冠心病、脑中风、高血脂、动脉粥样硬化的首选用药。目前，工业化生产他汀类药物侧链关键中间体主要途径为化学合成法，此法反应步聚复杂，条件不易控制，所需手性试剂价格昂贵，污染严重，收率低。而酶法催化生产他汀类药物侧链关键中间体具有工艺简单、周期短、耗能低、专一性强、收率高、提取方便等优点，因而受到越来越多的关注。采用酶法合成瑞舒伐他汀钙侧链关键中间体，体现降耗环保的时代需求；采用非水相体系进行酶催化反应，解决了底物难溶的瓶颈问题。 

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。

微生物燃料电池（MFCs）是利用微生物的新陈代谢氧化化学物质并释放电子，把化学能转化为电能的一种电化学装置。MFCs由于具有去污和产电双重功能，是一种“绿色”能源。其最具潜能的应用是污水处理，即利用微生物分解污水中的有机物，并将转化为可用的电能。且整处理过程不用曝气，可节省大量的耗能。目前，微生物燃料电池的发展和应用中最大的障碍是材料的成本和性能。 本研究利用低成本的天然木质纤维素为原料，采用直接碳化的方法来制备三维大孔碳材料作为微生物燃料电池的阳极材料，并取得突破性进展，。 相关系列研究结果2012年分别发表在Journal Material Chemistry, ChemSusChem 以及Energy & Environmental Science等国际权威杂志上。特别地，基于天然纤维制备的波纹层状三维碳阳极，阳极电流密度提高了10倍，达到了200 A m-2，该结果2012年已发表在能源环境领域顶级杂志Energy & Environmental Science上，影响因子9.61. 该研究成果制备的材料成本低，性能优异。该研究成果结合我们的阴极氧气还原催化剂的研究成果，以及后续的隔膜研究成果，将可微生物燃料电池的在污水处理中的规模化应用。

镍钛合金结构房间隔缺损封堵器存在固有缺陷，可能引发严重并发症。经过前期工作证明了聚-4羟基 丁酸酯良好的生物相容性和体内降解特性，并申请一种全新结构的心脏缺损封堵器专利。拟对聚-4羟基丁 酸酯改性后制作3D打印墨水，利用光固化成型技术生产房间隔缺损封堵器，测试其生物相容性及力学性 能。同时构建房间隔缺损动物模型，根据缺损的三维形态打印个体化封堵器并进行封堵治疗，检测封堵器 的治疗效果，评价其临床使用的可行性。

本发明公开了一种由生物油提取单酚化合物和热解木质素的方法，室温下将过滤后的生物油加入到去离子水中，超声震荡下分离得到水相和有机相；将得到的有机相溶于强碱溶液中，保证pH＞12，并利用有机溶剂A萃取分离得到混合溶液中的中性组分；利用稀酸溶液将经过萃取后得到的碱溶液Ⅰ酸化至pH为5～7，过滤得到重均分子量大于1526的高分子热解木质素，滤液经有机溶剂B萃取分离得到单酚化合物，将再次萃取后得到的碱溶液Ⅱ酸化至pH为1～2，过滤得到重均分子量为319～1068的低分子热解木质素。本方法解决了生物油水不溶相的进一步利用问题，实现提取生物油高附加值化学品与制取燃料的有机统一，提高生物油的总体利用率。

本发明解决的问题是克服杯芳烃类化合物下缘修饰结构单一的缺点，将希夫碱和偶氮基团结合于杯芳烃下缘的同一支链中，合成了一种下缘同时含有偶氮和希夫碱基团作为下垂螯合臂的新型杯[4]芳烃衍生物。利用希夫碱基团易与金属离子络合的功能，并结合杯芳烃特有的空穴可以增加识别的选择性，同时利用偶氮基团在反应中的色变将这种识别转换到视觉，达到选择性变色识别金属离子的目的。