|
搜索
搜 索
高等教育领域数字化综合服务平台
天然脂肪酸甲酯催化加氢技术
项目申请人所在研发团队多年来致力于绿色化学和工程研究，经过多年努力，已开发出一系列高活性的负载型金属催化剂及其衍生催化剂。 本项目针对天然脂肪酸甲酯研制具有很强的抗硫性能的新型高活性纳米金属镍和磷化镍催化剂，同时开发先进的固定床催化加氢反应技术来进行天然脂肪酸甲酯的加氢饱和研究，促进生产进步，减少污染，具有良好的工业化应用前景，不仅具有显著的经济效益，而且具有显著的社会和环保效益。与本
南京大学
2021-04-14
固体催化剂制备碳酸丙烯酯工艺
产品环状碳酸酯的应用 碳酸丙烯酯高能电池电解液．高效溶剂仅用作高能电池及电容器的优良介质，世界市场所需碳酸丙烯酯200-300万吨。酯交换法生产碳酸二甲酯的所需配套原料碳酸丙烯酯达数十万吨。而目前国内生产量在1000-2000吨，供不应求，市场前景十分广阔。随着社会对绿色环保的重视，许多工艺会被清洁、环境友好工艺所代替，必然进一步加大碳酸丙烯酯的市场需求。因其下游产品如碳酸二甲酯、聚碳酸酯、聚氨酯的不断推广应用，其市场需求量还要不断增加。本产品碳酸丙
南开大学
2021-04-14
合成低级羧酸酯的绿色催化技术（技术）
成果简介：本发明专利是一 种 用 于 生 产 低 级 羧 酸 酯 的 新 型 催 化 剂 ，该 类新型催化剂用于由低级醇和低级羧酸反应生产低级羧酸酯。原 料 包 括 脂 肪 族 羧 酸
北京理工大学
2021-04-14
新型药物中间体催化合成技术
1. 痛点问题
在传统精细化工生产中，特别是生物-化学级联法生产手性药物中间体过程中，存在酶与金属组合催化剂效率低从而导致手性药物中间体制造成本高、纯度低的痛点问题。目前，工业上应用于生物-化学级联反应的催化剂主要是固定化酶和固定化金属催化剂的简单组合，由于酶催化与金属催化反应条件不匹配，易造成催化剂失活。原有解决方案为将酶催化与金属催化分多步进行，存在能耗物耗大、流程复杂、环境不友好、制造过程不绿色等弊端。在“碳中和”目标下，开发绿色高效的新型药物中间体催化剂，将为解决行业现有的痛点问题提供有效途径。
2. 解决方案
针对药物中间体、农药中间体生产领域存在的问题，开发了一种新型药物中间体催化技术，构建在常温条件下同时具有高效酶催化和金属催化活性的高分子-酶-金属亚纳米团簇复合催化剂，实现了重要手性药物和农药中间体的绿色高效合成，解决了化工生产中生物-化学级联反应效率低的痛点问题，使多步的级联反应在一锅中高效进行，简化流程、提高时空产率，并减少了生产的能耗与三废的产生。
清华大学
2021-09-14
氯化氢废气催化氧化制氯技术
我国氯碱工业规模占世界的四分之一，氯作为重要的化工合成材料和化工中间体，用于合成PVC、环氧树脂、聚氨酯、多晶硅、氯化苯、氯乙酸等。然而，氯的利用率仅有0-50%。
南京工业大学
2021-01-12
磁助光催化污水处理装置
项目简介 本发明公开了一种磁助光催化污水处理装置，包括电动机、反应器、磁线圈、旋转 装置、高梯度磁分离器和磁絮凝剂回流泵，在反应器内部设置有旋转装置和紫外灯组， 旋转装置上设置有磁铁条组和刮泥板。污水从反应器进水管进入，磁性光催化剂在紫外 光照射下，通过磁铁条的搅拌和磁场作用与污水反应，达到处理污水的效果。 性能指标 (1)净化效果好，本发明使污水中的污染物通过磁场、光催化、絮凝等作用得到有 效地去除，对污水中氮磷去除效果好，去除率 90％以上；(2)成本低，能耗约是同等处理 规模的传统设备能耗的
江苏大学
2021-04-14
电池高性能低铂电催化剂
电池高性能低铂电催化剂研究首先合成含有高指数面的Pt3Fe 多级纳米线，再通过煅烧得到含有两个原子层厚的 Pt-skin结构，并评估了该材料在酸性介质中的氧还原和醇氧化催化性能，最后基于 DFT 理论计算结果证明含有高指数面的 Pt-skin表面对反应中间体的吸附能优化，有利于电催化反应的进行。该工作首次将 Pt-skin和高指数面结合，在催化剂活性和稳定性方面有了很大提升，为高性能电催化材料的设计和开发指出了新方向。
北京大学
2021-01-12
电池高性能低铂电催化剂
电池高性能低铂电催化剂研究首先合成含有高指数面的Pt3Fe 多级纳米线，再通过煅烧得到含有两个原子层厚的 Pt-skin结构，并评估了该材料在酸性介质中的氧还原和醇氧化催化性能，最后基于 DFT 理论计算结果证明含有高指数面的 Pt-skin表面对反应中间体的吸附能优化，有利于电催化反应的进行。该工作首次将 Pt-skin和高指数面结合，在催化剂活性和稳定性方面有了很大提升，为高性能电催化材料的设计和开发指出了新方向。
北京大学
2021-04-13
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10