东南大学化学化工学院变频磁热加热器采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年07月13日09点30分（北京时间）前递交投标文件。

采用核技术方法，利用高能离子束辐照，对PtPb/Pt二维纳米片进行了原子尺度结构调控和修饰，极大地提高了纳米片的催化活性。在线辐照和原位透射电子显微镜（TEM）结果表明：通过入射高能离子与纳米片中靶原子相互作用，精确地控制纳米片微观结构的变化，利用键长变化和电子轨道杂化等机制来修饰表面原子的电子结构，从而增加催化反应活性位点，增强催化性能。同时，通过调节入射离子的剂量大小，可以有效地控制缺陷产生的数量及演化，得到具有不同催化活性的PtPb/Pt二维纳米片材料。

成果介绍针对我国中药废渣产率逐年增加、常规处理处置方法效率低、资源浪费严重及二次污染等迫切问题，开发以高含水的中药废渣为燃料，通过先进化学链燃料转化技术，将其就地转化为高品质合成气和热能的技术和工艺，实现中药渣的无害化、减量化和资源化综合利用。技术创新点及参数（1）避免使用纯氧做气化剂，具有比常规固体燃料气化、热解技术更高热效率和燃料转化率；（2）直接以高水分中药渣为燃料，充分利用生物质成分和水分，生成的合成气热值和品位均高于常规气化技术，或用来直接生产浓度较高的氢气用作车用燃料；（3）以廉价合成铁基材料、天然铁基材料或炼铝废弃物作为高温传氧材料，实现传氧、传热和催化气化功能，提高燃料转化率，大幅降低合成气中焦油含量；（4）反应器结构采用多级分步反应，并与传热-传质过程高度耦合集成，易于实现连续规模化生产。以上关键技术的开发，将瞄准氢气或合成气燃料生产及药企行业内废弃物能源资源化利用等目标，紧紧依靠强大的能源化工优势，避免同质化竞争导致的产业发展风险，确保技术开发成功的同时形成产业错位发展的优势。市场前景通过废弃中药渣的中高温气化方式生产高品质的合成气的综合效果最好，符合国家固体废弃物资源化和能源化利用政策，也可直接用于药企以替代部分燃料；产生的极少量生物质灰渣易于处理，在与相关中药企业密切合作中，形成优势互补，加速整体技术和关键设备开发，根据需求侧的行业分布、废弃物产地、燃料及产物运输等特点，逐步形成规模适中的、模块化的燃料转化平台。形成针对解决中药企业生物质废弃物的资源化、无害化和减量化的系统性综合解决方案与推广模式，建立示范基地，促进该领域的产业化。

【发 明 人】刘晓；蔡皓；蔡宝昌；汪小莉；祝婷婷【摘要】本发明涉及一种使用UHPLC-MS/MS技术同时测定防己黄芪汤煎剂中10种化学成分含量的方法，属于中药成分分析领域。本发明所建立同时测定防己黄芪汤煎剂中10种化学成分含量的分析方法专属性强、快速、灵敏且准确可靠，在完成含量测定的同时又可以准确给出化合物质量数信息达到成分鉴别的效果，该方法可以为防己黄芪汤煎剂全面质量控制提供依据。

本发明提供了一种快速检测有机化学品生物降解性的方法，采用的菌源来自于污水处理厂的二级出水。将无机盐培养基、接种液、有机化学品受试物按一定比例加入带塞BOD瓶中，以受试物中的有机碳为唯一碳源，在14～50天的测试周期内进行微生物生长代谢。测试过程中，以固定的时间间隔取样，进行溶解氧（DO）、pH和总有机碳（TOC）测定，同时采用高效液相色谱（HPLC）快速准确检测降解过程中有机物及代谢产物浓度的变化。本方法以高效液相色谱法（HPLC）直接测定待测有机化学品及代谢产物浓度的变化，从而直接计算出其降解率，同时结合降解过程中BOD瓶中的溶解氧，pH和TOC的变化间接反映待测有机化学品的生物降解性的好坏。此方法操作简单，多个参数的测试评价相结合，测定结果快速准确。

本发明公开了一种生物质洗涤‑烘焙预处理联合化学链气化制备合成气的系统，包括洗涤‑烘焙预处理单元、化学链气化单元和载氧体再生单元，所述洗涤‑烘焙预处理单元、化学链气化单元、载氧体再生单元依次相连；所述洗涤‑烘焙预处理单元包括粉碎器、洗涤搅拌器、固液分离器、烘焙反应器和气液分离器；所述粉碎器、洗涤搅拌器、固液分离器、烘焙反应器、气液分离器依次相连；所述气液分离器的液相出口与洗涤搅拌器的进料口连接，所述烘焙反应器的固相产物出口与化学链气化单元的下部进料口连接。本发明还公开了一种生物质洗涤‑烘焙预处理联合化学链气化制备合成气的方法。采用本发明的系统和方法来转化利用生物质，显著提升了合成气品质。

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。