产品详细介绍

TES-5630MA经济型数字红外无线系统一体机   　　深圳台电 (TAIDEN) 是全球领先的会议系统设备供应商，已成功装备联合国总部、世界银行总部、欧洲委员会总部、G20 首脑峰会、APEC 首脑峰会、厦门金砖会议等国际组织及大型会议。深圳台电公司最早于 2001 年研制出全球第一套不受高频驱动光源干扰的红外线同声传译系统，并于 2008 年自主研制出数字红外处理芯片，发明了数字红外无线会议系统。 　　2015 年，深圳台电公司首次将国际先进的数字红外技术引入到多媒体教学环境中，基于对多媒体教学环境音频设备需求的深度挖掘，先后推出了一系列音质清晰、抗干扰能力强且便于管理的教室音频系统，充分满足了教学 环境中的扩声、常态化录音、互动录播、教室多媒体设备集中控制(一键上下课)的需求，同时通过内置带电子锁充电座的设计解决了设备管理繁琐和需要反复回收充电的难题，还完全杜绝了老师贴身佩挂传统无线麦克风时会产生的射频辐射问题，是真正意义上的功能丰富、人性化设计且绿色环保的解决方案。       音质清晰 结合深圳台电自主研发的数字红外处理芯片及国际先进的数字红外技术，在20米范围内不论远近均保持完美音质：频响：主机线路-主机：50 Hz~20 kHz           麦克风-主机：100 Hz~20 kHz信噪比：≥90 dBA总谐波失真：≤0.05% 提高声音清晰度，让老师能较长时间以自然声调讲课，保护老师声带，避免声嘶力竭 清晰的声音能调动学生注意力，减少上课分心、开小差现象，从而提高听课效果 超强抗干扰 先进的数字红外技术，不受高频驱动光源干扰，可正常工作于阳光下的环境 多个教室同时使用，相互之间不会串频和干扰 不受外界无线电干扰 便于使用和管理 红外麦克风无需对频，即开即用，简单方便 可为教师配备个人专用红外麦克风，一师一麦，高效，卫生 麦克风充电座内置电子锁，可通过手机扫码或刷卡解锁无线麦克风，方便管理，避免丢失 无电磁辐射 不产生对人体有害的电磁辐射 不受无线电频率使用限制，节省广电频率资源       TES-5630MA 经济型数字红外无线系统一体机 TES-5630MA ……………………………… 经济型数字红外无线系统一体机（带BNC接口，含数字红外接收器，可配1个无线麦克风，内置功放，可连接2只音箱，标配含电源适配器）

GL-CS-2E型 机电一体化柔性生产综合实训系统是使用柔性制造技术中具有代表性的制造自动化系统，可实现多品种、中小批量的加工管理。柔性制造技术是在自动化技术、信息技术及制造技术的基础上，将以往企业中相互独立的工程设计、生产制造及经营管理等过程，在计算机及其软件的支撑下，构成一个覆盖整个企业的完整而有机的系统，以实现全局动态优化，总体效益、柔性，优化以外产品并对其进行升级改造并进而赢得竞争的智能制造技术。

安全无污染 全封闭式设计；观察窗口采用欧洲CE标准防护玻璃；切割产生烟尘内部过滤处理，达标排放，无污染； 交换平台 15s交换工作台；采用上下高低交换台，变频器控制交换电机， 机床最快15S完成交换。 夹持设计 前后采用气动卡盘夹持设计，自动调整中心，操作简单，对角线调节范围20~300mm。 可加工超大直径管材，卡盘旋转速度高，能提升加工效率。

　　3D一体机智能教室方案采用3D多媒体教学触控一体机设备，配备3D偏光眼镜，简洁轻便，节省空间，可移动易操作。适用于小型3D多媒体教室、STEAM教室、创客教室、班班通项目等。  方案特点： 不受光线影响，可视角度大 支持可移动式教学 能耗较低，使用寿命长 搭配3D优质教学资源库 ３Ｄ多媒体教室效果图

TE-700Plus 一体化便携水质多参数检测系统 ▷产品简介：TE-700Plus 一体化便携水质多参数检测系统采用军用级高强度防水手提安全箱一体化设计，1个360°自动旋转式比色管检测系统，2个自动比色皿检测结构，同时可检测两个相同污染物的水样，双温区消解模块，数字化集成系统，彩色液晶触摸屏，光纤检测技术，进口光源，专业水质检测仪系统，内置高容量锂电池，仪器性能稳定、测量准确、测定范围广、功能强大、操作简单,满足国标 《HJT399—2007水质化学需氧量的测定快速消解分光光度法》《HJ535-2009水质氨氮的测定纳氏试剂分光光度法》《GB11893-89水质总磷的测定钼酸铵分光光度法》检测要求. ▷适用范围：适用于生活污水、工业废水、地下水、中水、地表水中多种水质污染物的检测 . 运用于水质检测实验室、市政、污水处理厂、环境监测站及教育科研高校、电厂、疾控中心、造纸电镀、水产养殖和生物药业、石化、煤炭、冶金、纺织、制药、食品等行业 . ▷技术参数： *双比色检测系统:1个360°自动旋转式比色管检测系统， 2个自动比色皿检测结构， 同时可检测两个相同污染物的水样  电池：内置大容量锂电池40000mAh 光学检测系统：光纤检测系统 显示： 7寸彩色液晶触摸屏 自动校准：仪器具有自动校准功能 自检：仪器具有自动检测，出错报警功能 光源：进口冷光源（可达10万小时以上） 检测准确度：≤±5% 波长范围：340-900nm 波长准确度：±1nm 波长半宽：4nm 分辨率：001 重复性：≤±2% 存储：可存储100万组数据，可自由调用查看 测量项目：COD 、氨氮、总磷、总氮、浊度、悬浮物多项指标 测量范围：COD（5-10000mg/L）、氨氮（0.01-150mg/L）（分段）、总磷（01-100mg/L）（分段）、总氮（0.01-100mg/L）、浊度（0-2500NTU） 预存曲线：预存1000条曲线，可供用户进行选择、校准、添加等操作 双温区消解：双温区8孔多功能消解 消解温度范围：0-200℃ 消解模块具有双保险高温过载保护 专用水质消解系统，固化常规消解项目，一键式操作消解，消解完成自动报警提示 打印方式：标配内置热敏打印机 数据传输：配备USB接口和串口传输功能，蓝牙接口选配

病毒的同源性包括基因组核苷酸序列的同源，也包括蛋白质氨基酸序列的同源。在序列比对方面，穿山甲冠状病毒与新冠病毒在氨基酸序列同源性方面超过90%的相似度。对于药物筛选来说，蛋白质氨基酸序列的同源性越高，意味着病毒生命活动的方式越相近，可以形象地理解为，两个病毒的“行为方式”非常一致。这种“行为方式”与新冠病毒极为相似的病毒，能不能替代新冠病毒用于药物筛选呢？童贻刚敏锐地意识到：如果可以，那么“筛药”工作将在针对新冠病毒的同时，也保障了实验的安全性，筛药工作将走出高安全等级实验室，走进普通P2实验室。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：