一旦内化到癌细胞中，东京ATP结合诱导的适体链构象转换会导致带有MB的DNA链从AuNP中释放出来，从而导致在光照射（ON状态）下可激活的单线态氧的产生。
近期代表性成果：燃气1、燃气Angew：冷壁化学气相沉积方法用于石墨烯的超净生长北京大学刘忠范院士，彭海琳教授和曼彻斯特大学李林教授展示了一种在CW-CVD系统中大面积生长超洁净石墨烯薄膜的简便方法，该方法制备的石墨烯薄膜具有改善的光学和电学性质。该工作揭示了AR对电荷转移的影响，公司并为通过精确调节活性的方法从而设计出高效且环保的催化剂铺平了道路。
1992年作为中日联合培养的博士生公派去日本东京大学学习，开始师从国际光化学科学家藤岛昭。使用试验2016年当选为美国国家工程院外籍院士。绿氢2011年获得第三世界科学院化学奖。
进行甲烷2015年获第三届中国国际纳米科学技术会议奖。合成该工作有望开拓石墨烯市场。
对于纯PtD-y供体和掺杂的受主发射，东京最高的PL各向异性比分别达到0.87和0.82，东京表明供体的激发各向异性能可以有效地转移到受体上，并具有显著的放大作用。
在超双亲/超双疏功能材料的制备、燃气表征和性质研究等方面，燃气发明了模板法、相分离法、自组装法、电纺丝法等多种有实用价值的超疏水性界面材料的制备方法。深度学习算法包括循环神经网络（RNN）、公司卷积神经网络（CNN）等[3]。
1前言材料的革新对技术进步和产业发展具有非常重要的作用，开始但是传统开发新材料的过程，都采用的试错法，实验步骤繁琐，研发周期长，浪费资源。根据机器学习训练集是否有对应的标识可以分为监督学习、使用试验无监督学习、半监督学习以及强化学习。
3.1材料结构、绿氢相变及缺陷的分析2017年6月，绿氢Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。根据Tc是高于还是低于10K，进行甲烷将材料分为两类，构建非参数随机森林分类模型预测超导体的类别。