智慧教育AIGC信创一体机是集pc端畅学杏林，手机端掌上金课为一体，结合高质量知识图谱、国产通用大语言模型和自主芯片算力的3级全信创AIGC服务器。响应教育部高校教育质量控制建设号召，结合OBE教育理念将BOPPPS教育模式，应用于学生手机端，教师在课堂中把控五步关键环节，激活学生4种互动状态，保障继教课程质量。构建起智学、智教、智管、智评“四位一体”服务平台，推动全终端、全受众、全空域、全时域、全场景、全连接的“六全式”融合教学模式改革。 丰富的课程资源：汇聚成都中医药大学1200门优秀本科课程，包括国家一流课程、省级一流课程、名师讲堂等，全校师生可以选择学习。提供全面的中医药数字教学资源，涵盖电子教材、视频讲座直播课堂和在线测试等功能，方便师生随时访问。 特色AI教学工具：主要特色通过集成的AI教学工具，实现线上线下混合式学习，提高教学效率，并促进教学方法的。允许教师通过AI出题、AI答疑、AI微课功能协助开展教学，提高备课、教学效率。学生则可通过AI助学功能，利用语音或文字输入进行提问和获取智能答疑。 可视化“教学督导”：围绕课程教学质量，搭建“学生画像”、“教师画像”教学评价，提供校内、校外业务相统一的督导巡课平台。创建校外专家评审链接，在外网环境下，点击链接即可访问平台进行督导巡课。 智慧教育AIGC信创一体机一体机集大模型Agent软硬件、算法和数据处理多维层级灵活部署，搭载鲲鹏920处理器，支持8张Atlas300i加速卡超强算力，结合多核高效鲲鹏架构，提供高效AIGC大语言模型推理和数据处理及安全保护体系。 让高校智慧教育快速实现：智慧教育AIGC信创一体机在手，教育创新与数字化转型的蓝图便触手可及。

N95口罩的关键技术在于其致密、能有效隔离病毒的滤芯层，一般的N95口罩是5层滤芯层、普通口罩可能只有两层。南京工业大学陈苏教授课题组的新技术让N95口罩生产提质增效，做滤芯的新材料只需3层就可以生产N95了。他们的新技术全称叫“熔喷无纺布材料和微流体气喷纺丝技术”。“我们团队前期一直致力于新型纺丝技术和无纺布材料的开发，研究出了微流体气喷纺丝技术，可以实现超细纤维的制备，平均直径65纳米，是目前纺丝技术中生产纤维最细的，过滤隔离病毒的效果也就更好。”陈苏介绍，传统的纺丝技术生产出的纤维，一般直径在几百纳米，而气喷纺丝技术所制备的纤维直径仅几十纳米，可以更好地隔离病毒，将气喷纺丝的纤维膜负载在传统的无纺布上，就实现了更优效果的N95口罩滤芯层的制备。“也就是说，N95一般是5层滤芯层，普通口罩可能只有两层，那么，用我们的材料（做成滤芯层）只要3层就相当于N95了。”陈苏团队近年来一直致力于微流体纺丝和微流体气喷纺丝工作的研究，前期通过纺丝参数的优化、纺丝体系的探索制备了一系列功能纤维材料，其成果日前在国际材料重要期刊《Advanced Materials》（先进材料）上发表。基于前期的研究基础，陈苏教授掌握了纺丝关键技术、纺丝设备开发技术和功能纤维原理，为其产业化奠定了基础。点击查看原文

本发明公开了一种光子暗化漂白装置，以解决目前在掺镱光纤 激光运行过程中光子暗化现象的缺少干预的局面。本发明包括暗化漂 白光源及其驱动电源。本发明是在掺镱光纤激光器内部上增加一套暗 化漂白装置，因此不改变光纤激光器的主体结构，具有高的适用性。 本发明装置尤其适合于工作中的周期性的对光纤激光器暗化进行漂 白，促进了光纤激光器的使用过程功率的稳定性，减缓了激光器光子 暗化进程，提高了激光器的使用寿命。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

目前北京理工大学基于神经网络的智能无人机疫情预警监控系统主要由无人机平台、光电载荷、喊话系统和地面控制及图像处理平台组成。 该智能无人机疫情预警监控系统能够自动监控广场、公路、小区等各类环境中的人群，检测人员聚集情况，利用红外热成像技术实时获取人员体温情况，实现在非接触情况下对疑似高危人员的快速区分，并快速形成疫情人员相关数据，还可以提供数据接口，供大数据系统进行分析。该智能无人机疫情预警监控系统可同时提供监控人员及被监控人员交互通道，通过喊话系统，监控人员可以随时疏导或制止被监控人员的异常行为，为疫情监控和预警提供了更为清晰和直接的手段方式。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括：1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用，参见下图。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括： 1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。 图1 工业物联网 2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化