新葡京娱乐场-大陆娱乐场开户注册

該材料具有雙功能基團(tuán)，能同時(shí)富集糖肽和磷酸化肽，同時(shí)具有體積排阻的作用，該方法合成簡(jiǎn)便，重復(fù)性好，具有較好的富集效果。

索非布韋（又譯為索氟布韋，英文名 Sofosbuvir，CAS：1190307- 88-0）是全球首個(gè)丙型肝炎病毒(HCV)NS5B 聚合酶核苷酸類似物抑 制劑，用于治療慢性丙型肝炎，目前國外已有產(chǎn)品在銷售，且利潤(rùn)可 觀。國內(nèi)還沒有此類藥物，本項(xiàng)目具有重大的發(fā)展前景。 采用本課題組開發(fā)的新型氟取代反應(yīng)，設(shè)計(jì)和開發(fā)了一條經(jīng)濟(jì)、 綠色和環(huán)保的具有巨大臨床價(jià)值和市場(chǎng)價(jià)值抗丙肝藥物索非布韋及 其關(guān)鍵含氟醫(yī)藥中間體的制備工藝。本項(xiàng)目的目的是對(duì)本課題組開發(fā) 的新穎制備工藝進(jìn)行中試放大研究，進(jìn)而實(shí)現(xiàn)商業(yè)化規(guī)模制備，從而 產(chǎn)生良好的社會(huì)效益和經(jīng)濟(jì)效益。 依托南開大學(xué)化學(xué)院良好的科研平臺(tái)，以及本課題組多年積累的 有機(jī)氟化學(xué)及合成有機(jī)化學(xué)的基礎(chǔ)研究成果，我們對(duì)具有巨大臨床價(jià) 值和市場(chǎng)價(jià)值的抗丙肝新藥索非布韋及其關(guān)鍵含氟中間體的制備工 藝進(jìn)行優(yōu)化。小試規(guī)模研究結(jié)果表明，本制備工藝能以良好的經(jīng)濟(jì)性、 兼顧環(huán)保、安全等考量獲得預(yù)期質(zhì)量要求的目標(biāo)產(chǎn)品。后期通過小試 放大研究、中試研究和商業(yè)化生產(chǎn)確認(rèn)等產(chǎn)業(yè)化開發(fā)程序。 

在華為全聯(lián)接大會(huì)2022曼谷站期間，華為在“釋放數(shù)字生產(chǎn)力，加速教育信息化之旅”全球智慧教育論壇上，重磅發(fā)布《教育數(shù)字化轉(zhuǎn)型的發(fā)展機(jī)遇》白皮書，首次探索智慧教育成熟度評(píng)估模型，并提出以全場(chǎng)景教育解決方案、創(chuàng)新教學(xué)模式、普惠教育資源、提升科研能力、升級(jí)管理水平，加速教育行業(yè)數(shù)字化升級(jí)。

我校理學(xué)院大數(shù)據(jù)研究團(tuán)隊(duì)在人工智能與大數(shù)據(jù)處理技術(shù)研究方面取得系列進(jìn)展，研究成果分別發(fā)表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級(jí)期刊。神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中目前最為火熱的研究方向——深度學(xué)習(xí)的架構(gòu)基礎(chǔ)。雖然深度學(xué)習(xí)在近幾年發(fā)展迅速，但是關(guān)于如何設(shè)計(jì)最優(yōu)神經(jīng)網(wǎng)絡(luò)架構(gòu)的問題仍處于探索階段。該團(tuán)隊(duì)分別針對(duì)人工智能中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、高維大規(guī)模數(shù)據(jù)存在無效和冗余特征、難以獲取長(zhǎng)時(shí)序信息等問題與缺陷，設(shè)計(jì)出了一系列網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、大數(shù)據(jù)特征選擇和時(shí)序循環(huán)神經(jīng)網(wǎng)絡(luò)模型，有效改善了上述不足，提高了人工智能模型的學(xué)習(xí)性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡(luò)特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發(fā)表在人工智能領(lǐng)域權(quán)威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽(yù)教授Nikhil R. Pal院士（印度統(tǒng)計(jì)研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項(xiàng)工作得到國家自然科學(xué)基金、國家科技重大專項(xiàng)、山東自然科學(xué)基金、中央高校基本科研業(yè)務(wù)費(fèi)、中國石油天然氣集團(tuán)公司重大科技項(xiàng)目以及山東省高校青年創(chuàng)新科技支撐計(jì)劃的資助。 特征選擇技術(shù)也稱屬性選擇，是指從原始特征或?qū)傩灾羞x擇出最有效的特征或?qū)傩砸越档蛿?shù)據(jù)維度的過程，它是人工智能數(shù)據(jù)預(yù)處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術(shù)的重要環(huán)節(jié)。該項(xiàng)工作在神經(jīng)網(wǎng)絡(luò)中嵌入Group Lasso懲罰項(xiàng)并實(shí)現(xiàn)特征冗余控制，在選出對(duì)解決問題最有幫助、蘊(yùn)含信息量最大的特征或?qū)傩缘耐瑫r(shí)，控制所選特征子集的冗余程度，以達(dá)到降維的最優(yōu)效果，從而使模型的泛化能力更強(qiáng)，降低神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生過擬合的風(fēng)險(xiǎn)。 題目為《基于L1正則化的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化模型設(shè)計(jì)與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發(fā)表在國際人工智能領(lǐng)域權(quán)威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽(yù)教授Nikhil R. Pal院士（印度統(tǒng)計(jì)研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項(xiàng)研究成果得到了國家自然科學(xué)基金、山東省自然科學(xué)基金和中央高校基本科研業(yè)務(wù)費(fèi)的資助。 該項(xiàng)工作借助L1正則子具有的稀疏表達(dá)能力，提出兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)模型；本項(xiàng)工作另外一個(gè)突出貢獻(xiàn)就是提出了一種簡(jiǎn)單且具有通用性的收斂性證明方法，同時(shí)保證了模型設(shè)計(jì)的合理性。實(shí)驗(yàn)結(jié)果表明所提出模型具有強(qiáng)大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數(shù)據(jù)。該研究成果在人工智能與深度學(xué)習(xí)構(gòu)造最簡(jiǎn)網(wǎng)絡(luò)結(jié)構(gòu)方面具有很強(qiáng)的指導(dǎo)作用和應(yīng)用推廣價(jià)值。