本发明公开了一种用于制造片材与柔性薄膜复合叠层的热压设备，该设备包括：由上下两个热压头共同组成的热压装置,位于热压装置的外侧用于将片材提供给真空拾放装置的上料装置，用于从上料装置的片材料盒中取料并将片材输送至下热压头上的相应叠合位置的真空拾放装置，位于柔性薄膜的输送路径上用于将输送中的柔性薄膜撑起一定高度的撑膜装置，以及分别用于对柔性薄膜的输送位置和片材上料位置等信息进行检测和反馈的薄膜检测装置和上料检测装置。通过本发明，能够同时实现热压、上料、拾取和转移等多种功能，结构紧凑，便于控制和操作，并利用视觉定位技术和独立的热压装置支撑框架来进一步保证薄膜叠层的精度。

本申请公开了一种双轴同步作业的搅拌摩擦增材制造装置，其包括两个搅拌头，两个搅拌头的排列方向垂直于搅拌摩擦增材制造装置的移动方向；搅拌轴的轴肩呈星形并具有沿径向向外突出、且呈辐射状均匀间隔设置的突出部，在突出部内具有向上凹陷并连通搅拌头内下料孔的布料腔；两个相邻突出部之间形成槽区，每个搅拌头的突出部均插入到另一搅拌头的槽区内，两个搅拌轴的轴肩的下端面共面，在轴肩的下端面上设置有向下突出的搅拌针。本申请还公开了一种搅拌摩擦增材制造方法。本申请利用两个搅拌头能够一次性形成较单一搅拌头更宽的单层热沉层，由于两个搅拌头的突出部相互交错设置，使得两个搅拌头内的塑化物料能够相互融合，保证了产品质量。

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。

针对我国农村生活污水的污染负荷高、冬季低温时处理效果差等现实问 题，该成果基于电化学强化生物去除效果、膜污染全过程控制、污泥原位减量 和太阳能补偿等多项关键技术，研发了适用于农村生活污水处理的低能耗一体化 MBR 装置。

本发明涉及的领域为高通量筛选领域，特别涉及一种具有皮升级精度的自动化微液滴阵列筛选系统的使用方法。本发明通过将液体驱动系统和毛细管中充满低热膨胀系数的液体作为载流，并完全排空毛细管内的气泡，然后将毛细管取样端浸入与水相样品不互溶的油相中抽取一段油相至毛细管中，用于隔离水相样品和载流，再将毛细管取样端浸入样品/试剂储存管中抽取一定体积的水相样品溶液进入毛细管，最后将毛细管取样端移入微孔阵列芯片的微孔上方的油相中，将毛细管中的样品溶液推出至微孔中形成样品的液滴。本发明液体的定量量取和液滴生成具有皮升级的体积精度，有效降低了高通量筛选中的样品/试剂消耗，节省了实验成本。

我国现在运行的压水堆核电厂发电效率约为 33％，核燃料放出热量的 2/3被作为废热排入海中，造成热污染；较先进的火力电厂的发电效率也仅 40％左右。而水作为人类最宝贵的不可替代的自然资源，水短缺问题正日益影响着全球的生态环境和社会、经济发展。海水淡化技术是解决水资源紧缺问题的一条有效 途径，世界各国也越来越重视这种新技术。低温多效蒸发海水淡化（LT-MED）技术预处理简单，工作温度低，传热效率高，系统操作弹性大，并可有效地利用锅炉等余热或其它低位热能，电厂实现水电联产，成为海水淡化的主流技术之一。 针对日产万吨级 LT-MED 设备国产化，开展了相关基础研究，对 LT-MED 蒸发器的水平管结构、材料及布置形式，在低温低压、管内外均发生相变条件下进行了传热和流动的试验研究，获得了水平管降膜蒸发的基础数据，并确定了管外海水喷淋参数和管内蒸汽参数对传热特性及管内流动阻力特性的影响，得到了传热准则关联式和阻力计算关联式；建立了低温多效海水淡化装置单效蒸发器的热力计算模型，运用实验关联式，考虑了海水喷淋密度、温度、盐度，以及管内蒸汽流量、压力对传热系数的影响，也考虑了水和海水的物性随温度或盐度的变化。研发的计算程序可获得蒸发器内部流动与传热各参数的分布，结果与黄骅电厂工程实际符合良好。还研发了 TVC-MED 热力计算，该程序可用于蒸发器和 MED 系统的结构设计和运行参数优化，具有重要的实用价值和学术价值。为我国自行设计、开发高效水平管降膜蒸发器奠定了理论和实验基础。 

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

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。

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