本发明公开了一种聚((甲基)丙烯酸-b-丁二烯)嵌段共聚物及其制备方法。它是将0.5～10重量份的双亲性大分子可逆加成断裂链转移试剂加到20～80重量份水中,形成水相;将水相和0.001～0.05重量份引发剂一起移入高压反应釜,搅拌中通氮气排氧10～30分钟,抽真空,重复2～3次,加入5～30重量份丁二烯,加热升温至60～80℃,聚合反应3～20小时,冷却出料。本发明流程设备简单,过程环保节能,产物聚((甲基)丙烯酸-b-丁二烯)嵌段共聚物在胶粘剂、相容剂、分散剂等许多领域有良好的应用前景。

该研究发现一种新的过氧自由基自氧化机制，阐明甲基硅氧烷大气转化会生成甲醛，增加其释放的环境风险。该研究不仅拓展了对大气过氧自由基化学的理解，还为甲基硅氧烷环境行为模拟和风险评估提供了重要的基础数据。 <span style="background-color: rgb(255, 255, 255); color: rgb(92, 101, 96);"

南方科技大学化学系副教授何凤课题组在能源领域顶级期刊Joule发表最新研究成果，介绍了团队合成的一种定位三氟甲基取代的高效有机太阳能电池受体材料，该材料可通过H/J聚集的协同作用形成具有更多电子跳跃传输结点的三维网络结构，可极大改善电荷在分子间的传输，大幅提高器件性能。 在该研究中，团队成功地将三氟甲基引入到稠环电子受体中，得到了超窄带隙受体BTIC-CF3–γ，并将其应用于太阳能电子器件中，极大地提高了器件的能量转换效率，充分体现出光谱红移和超窄带隙的优势，在多元体系、半透明器件和叠层器件应用方面展示出非常有潜力的前景。更重要的是，BTIC-CF3–γ的单晶结构有助于研究人员从分子层面理解这类分子的堆积形式以及分子间相互作用，也为进一步设计新的高性能材料提供了有利的依据和指导。

随着首个RNA修饰N6-甲基腺嘌呤（m6A）的去修饰酶FTO的发现，RNA表观遗传学/表观转录组学开始兴起并成为表观遗传学新的研究热点。m6A作为首个被发现的可逆RNA修饰，广泛存在于mRNA，依赖修饰酶、去修饰酶和结合蛋白发挥调控功能。已发现m6A具有调控mRNA剪接、出核、稳定性和蛋白翻译等功能，可以参与发育、配子发生、细胞重编程、生物节律、疾病等多种生理和病理过程的功能调控。为了更好地研究m6A生物功能和临床病理研究，开发m6A高通量测序技术一直是研究的热点。 现有m6A测序技术主要依赖于m6A抗体富集技术，包括低分辨率的m6A-seq/MeRIP-seq和联用iCLIP或PAR-CLIP技术的高分辨率m6A测序技术miCLIP 或PA-m6A-seq。抗体存在对特定RNA序列或结构的潜在非特异性结合，为了解决抗体方法的种种问题，研究者们做出了各种尝试，近期开发了两类无需抗体的m6A测序技术，一类为利用对特定甲基化序列（m6ACA）敏感的RNA核酸内切酶MazF辅助的测序方法（m6A-REF-seq or MAZTER-seq），此类方法只能检测16~25%的m6A位点；另一种是在细胞内表达融合m6A-binding domain（YTH）与胞嘧啶脱氨酶（APOBEC1）的融合蛋白实现的m6A测序（DART-seq），但该方法依赖于细胞转染效率且受限于体外样品的使用。 贾桂芳课题组一直致力于开发和利用核酸化学生物学技术研究RNA化学修饰在动植物中的生物功能研究。在本课题中，贾桂芳课题组巧妙地利用m6A的去甲基酶FTO蛋白作为催化剂，将mRNA上化学惰性的m6A转化为高反应活性的中间态产物N6-羟甲基腺嘌呤（hm6A），然后利用二硫苏糖醇（DTT）的巯基与hm6A发生亚胺1,2加成反应，将不稳定的hm6A转化为更稳定的巯基加成产物dm6A。dm6A上的自由巯基可以与甲烷硫代磺酸（methanethiosulfonate，MTSEA）快速反应，实现在mRNA上m6A的位置标记生物素Biotin，最终可被链霉亲和素珠捕获，从而富集含有m6A修饰的RNA片段供后续高通量测序使用。

成果在甘油氢解中的反应条件温和，甘油的单程转化率大于 55%， 1,2-丙二醇和 1,3-丙二醇的选择性之和大于 90%，其余副产品也具有比原料甘油高得多的市场价格。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域，开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世界银行的全球环境基金项目（CRESP）“规模化生物质固定床气化炉的研制”，之后又负责完成了多项相关重点科研，核心装备技术于2009年7月通过专家验收。本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m 3 ，同时还可获得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要求。本项目成果可广泛应用于供气、发电和供热等场合。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连 续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域， 开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世 界银行的全球环境基金项目 (CRESP)“规模化生物质固定床气化炉的研制”，之后又负责完成 了多项相关重点科研，核心装备技术于2009年7月通过专家验收。 本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气 化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉 产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m3 ，同时还可获 得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要 求。本项目成果可广泛应用于供气、发电和供热等场合。