美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

合成了一个具有光敏性的三苯胺桥联的三脚架型铂配合物Pt-tripod，在体外和体内都表现出高潜力的DNA靶向光动力治疗抗肿瘤效果。机制研究表明，通过光照，Pt-tripod可以诱导细胞产生ROS并快速损伤DNA，也包括G-四链体DNA（Chem. Eur. J, 2017, 23: 16442–16446.）。在前期研究的基础之上，毛宗万教授研究团队在铂配合物Pt-tripod与G-四链体的NMR结构解析上取得了突破性进展。实验研究发现，Pt-tripod能特异性靶向混合I型人体端粒G-四链体DNA，并能显著抑制端粒酶的活性。利用NMR方法深入探索了Pt-tripod与人体端粒G-四链体DNA序列Tel26的动态结合。NMR实验表明，Pt-tripod可以逐渐诱导人体端粒G-四链体Tel26形成多个“Pt-tripod-Tel26”复合物，包括单体、二聚和多聚G-四链体与Pt-tripod的复合物。研究团队确定了其中两个复合物的NMR结构，分别是1:1和4:2 Pt-tripod-Tel26复合物结构。铂配合物与G-四链体复合物的结构信息为设计合成特异性靶向混合型人体端粒G-四链体的铂合物提供了结构基础，同时对研究G-四链体DNA与小分子的动态结合以及小分子诱导多聚体G-四链体高级结构的形成具有指导性意义。

一种多级结构工程的策略来实现协同优化水分解催化剂的催化性能。通过两步化学合成途径，研究人员制备出了铁(Fe)掺杂的磷化钴(CoP)纳米片与碳纳米管的复合物 (图1a, b)。研究发现，这类复合物催化剂具有与标杆的金属铂（Pt）催化剂接近的氢气析出反应催化活性。并且首次发现Fe掺杂量对这类无机-纳米碳复合物催化剂在不同pH电解质中的催化氢气析出性能有明显的影响。另一方面，通过原位的电化学氧化/水解，这类复合物催化剂可以转换为Fe掺杂的羟基氧化钴/碳纳米管的复合物并展现出非常优异的氧气析出催化性能。进一步，研究人员利用这类复合材料作为正负电极的催化剂构筑了一个简易的碱性水分解电解池，并证明了这种电解池可以在1.5 V的电压下以10 mA cm -2 的电流密度持续稳定的进行水分解，该性能是目前水分解电催化剂的最好性能之一。该电解池也可以由单节AA干电池来驱动分解水产生氢气和氧气 

近年来，滥用抗生素产生的耐药性问题日益严重，对人类疾病造成了巨大的威胁。寻找新的可替代抗生素的新药迫在眉睫。抗菌肽（Antimicrobial peptides），是生物体经诱导产生的一类具有抗菌活性的小分子多肽，来源广泛，其分子量小，大约在 3~6 kD 之间，有耐热、 耐酸性强，水溶性好，快速的杀菌能力等特点（Hancock REW，Scott MG. Proc Natl AcadSci USA，2000，97（16）：8856~ 8861）。抗菌肽的抗菌机制不同于普通抗生素，抗菌机制一般包括①

（专利号：ZL 201310498905.1） 简介：本发明公开了一种具有一维核壳结构的载碳磁性纤维材料复合物的制备方法及其应用，属于水处理领域。本发明的制备方法采用铁酸钴纳米纤维作为载体，生物质材料-可溶性粉淀粉作为碳源前驱体，制备出一维核壳结构的载碳磁性纤维材料复合物材料。采用此法制得的材料富含羟基、羧基基团的碳层均匀涂布在铁酸钴纳米纤维基体上，形成的复合物材料具有良好的磁响应性，可有效去除水体六价铬。本发明的制备方法具备工艺简单，溶

本申请公开了一种由带支撑的三角形网格构成的钢结构冷却塔，其包括斜杆、水平杆、面内支撑、加强环桁架、吊杆和撑杆；冷却塔的塔体由一系列倒置的等腰三角形组成，构成若干层封闭的网格结构；每个等腰三角形内设置面内支撑，与等腰三角形共同组成模数单元；模数单元的底边为网格结构的水平杆；模数单元的腰为网格结构的斜杆；最底层模数单元的顶点固定于基础上，作为整个冷却塔的支座，其余各层模数单元由下至上逐层搭设，顶点刚接于下层对应模数单元的底边端点上；加强环桁架设置于塔体内侧，并通过吊杆或撑杆减小加强环桁架的挠度。本申请钢结构冷却塔能充分发挥构件在各方向的力学性能，构件和节点尺寸小，用钢量小，具有良好的经济技术指标。

本发明提供了一种能够无损预测猕猴桃货架期硬度的结构化高光谱检测系统及方法。通过计算机编程产生空间频率为60cycles/m的正弦条纹光，投影至被测物，利用高光谱相机拍摄‑2/3π、0和2/3π三个相位图片，再将相位图片解模为完整图片，并获取结构光光谱信息。选取在室温下贮藏不同时间的猕猴桃样品，采集结构化高光谱数据，并通过破坏性检验获取样本硬度的真实值。对结构光数据解模并预处理，提取样品结构光光谱信息，构建硬度预测模型。结果表明，结构化高光谱系统对猕猴桃硬度的最佳预测模型的R<subgt;c</subgt;<supgt;2</supgt;为0.8697，R<subgt;p</subgt;<supgt;2</supgt;为0.8204，显著高于普通高光谱技术。本发明用于预测果实硬度有较高的准确率，尤其针对储存过程中成熟迹象不明显的猕猴桃果实硬度的检测。

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。

刘奇航及其合作者以最近由中科院物理所领衔的研究团队发现的ZnCu3(OH)6BrF为例，采用修正后的单体平均场密度泛函理论方法，对这一体系的本征和掺杂行为进行了详尽的模拟。研究发现，ZnCu3(OH)6BrF掺杂后，掺入的电子并没有成为期待的“自由载流子”，而是局域在一个铜原子周围，引起了局域形变。这种电子与束缚它的晶格畸变的复合体称为极化子（如图一所示）。本征材料的带隙中形成新的电子态。因此，电子掺杂后，ZnCu3(OH)6BrF并没有实现半导体到导体的转变。相比之下，具有类似CuO4局部环境的铜氧化物高温超导体的母体材料Nd2CuO4显现除了不同的随掺杂浓度变化的导电性。研究发现，低掺杂浓度时，铜原子附近形成较为扩展的极化子，因此在高掺杂浓度时，这些极化子之间的跃迁可以使系统导电性大大增加，实现半导体到导体的转变，与实验观测很好地吻合。 该研究圆满地解释了最近实验上观测到的Kagome晶格的锌铜羟基卤化物在掺杂后并不导电的现象，指出要在量子自旋液体实现超导，仅仅找到量子自旋液体体系是远远不够的，还必须实现有效掺杂，注入一定浓度的“自由载流子”，为耕耘在该领域的实验工作者提出了新的挑战和实验方向。

本发明公开了一种基于定子弧形与内阶梯型混合结构的永磁直线电机，包括定子电枢一次侧和Halbach永磁动子二次侧，定子电枢一次侧位于永磁动子二次侧外侧，定子电枢一次侧由定子铁心和电枢绕组构成，定子铁心两侧端部齿采用内阶梯型结构，定子铁心内部齿采用弧形结构；永磁动子二次侧由动子铁心和贴于铁心表面的永磁体构成，该永磁体采用Halbach阵列结构。本发明的永磁直线电机可以获得比常规磁体更大的气隙磁通，而且具有很好的磁屏蔽作用，可减小动子导磁轭厚度。本发明给出弧形齿结构解析模型，通过该解析模型可推导出磁导大小及磁导随位置变化曲线。本发明的电机最优结构采用田口优化算法获得。