钛合金/钢异种金属焊接接头在压力容器、化工、医疗设备等制造领域应用前景广泛。本项目采用连续驱动摩擦焊机进行钛合金/钢异种金属焊接，适用于管与管、棒与棒和棒与管等旋转类零部件的摩擦焊接。对于TC4钛合金/40Cr钢异种金属摩擦焊接头，其抗拉强度能够达到40Cr钢母材水平，实焊TC4钛合金/40Cr钢异种金属摩擦焊接头标准试样拉伸断裂照片如图所示。

亚洲中部干旱区是全球最大的内陆型干旱区，是北半球最重要的粉尘源区，也是“丝绸之路”核心区。该地区新生代（距今6500万年以来的地质时期）干旱环境演化历史及其驱动机制研究，能为理解我国干旱-季风耦合环境何时、何因形成提供关键证据。兰州大学资源环境学院副教授王鑫、中科院青藏高原研究所研究员陈发虎院士等人的一项最新研究认为，帕米尔-天山的构造抬升及其对西风环流的机械分流是亚洲内陆气候环境格局形成的主因。相关成果近日在线发表在《地质学》杂志。传统观点认为，亚洲内陆干旱化、全球环境事件如新生代全球降温等，与区域构造事件（如青藏高原隆升、副特提斯海的退缩）有关联，而这种联结的纽带是亚洲季风。然而，越来越多的证据表明，西风环流位置和强度的变化，是现今亚洲内陆气候环境变化的主因。西风与帕米尔-天山的相互作用，对干旱区内部气候环境格局的形成演化有重大影响，且可能通过与亚洲季风的协同作用对我国北方气候环境变化产生深远影响。但地质历史时期西风与帕米尔-天山的相互作用过程及其气候环境效应还缺少研究。兰州大学和中科院青藏高原研究所科研团队瞄准这一地球科学领域国际前沿科学问题，联合美国、德国、塔吉克斯坦等的多家研究机构，围绕中亚塔吉克盆地早新生界地层开展了深入的研究工作。科研团队基于可信的古地磁年代标尺，综合碳酸盐稳定氧同位素、沉积相、元素地球化学、粘土矿物等证据，发现大约自2500万年前（晚渐新世）开始，帕米尔-天山西侧迎风坡气候变湿、碳酸盐氧同位素整体偏负，而东侧背风坡干旱化显著加剧、碳酸盐氧同位素整体偏重。据此，科研团队提出，亚洲内陆气候环境大约自2500万年前就已开始产生显著的东西向分异。结合数值模拟和构造证据，科研团队进一步论证了帕米尔-天山部分山体可能在大约2500万年前就已隆升到现代地势的海拔高度的75%即大约3000米，高于3000米临界高度时，就能产生环流效应，揭示了帕米尔-天山的构造抬升及其对西风环流的机械分流作用，是亚洲内陆气候环境格局形成的主因。这一发现，为认识新生代亚洲内陆干旱环境的时空演变历史及可能驱动机制提供了新视角。同时，该研究也为认识西风-季风协同作用过程及其气候环境效应提供了西风区的长序列地质记录。王鑫为该研究论文的第一作者，通讯作者为王鑫和陈发虎。该研究得到了国家自然科学基金面上项目、第二次青藏高原综合科学考察研究等项目的联合资助。相关论文信息：https://doi.org/10.1130/G47400.1

可以量产/n成果简介：广源58是由195A与8307 选育而来，属甘蓝型半冬性温敏型质不育两系杂交种。2005-2006年度参加长江中游区油菜品种区域试验，平均亩产166.93公斤，比对照中油杂2号增产4.37％；2006-2007年度续试，平均亩产200.99公斤，比对照中油杂2号增产7.29％；两年区试19个试验点，14个点增产，5个点减产，平均亩产183.96公斤，比对照中油杂2号增产5.93％。2006-2007年度生产试验，平均亩产192.73公斤，比对照中油杂2号增产5.06％。2007

本项目折流湿地滤池+侧向潜流湿地床污水处理系统设计了全新的厌氧竖向 折流湿地和兼（好）氧侧向潜流湿地组合。其解决的关键技术体现在：湿地系统 中合理设置了自然复氧区、湿地床深度和内回流系统（在高浓度进水和低温时启 动），突破了现有人工湿地技术氧传递能力低的局限，达到系统内溶解氧的科学 分布，供氧效率是现有人工湿地的约4倍，显著提升了侧向潜流湿地床的溶解氧 水平；在无能耗下大幅提升了湿地系统内的微生物作用强度，极大地提高了氮及 有机物的去除效率；优化了湿地流态，提高了水力效率，解决了现有技术池容利 用率低的缺陷。

人工智能技术飞速发展,我国大体上能够与世界先进国家发展同步。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入市场,但是9%以上是软件、算法产品，在人工智能神经网络芯片研发方向上,我国又是落后于美国5-10年左右，可以预见的是,将来我国的人工智能神经网络硬件又将进口大量的IBM、Google、NVIDA、Braodcom等公司的产品,遵循的标准又将按美国的标准,在市场上处于弱势地位。

近日，东南大学化学化工学院青年教师陈旭漫博士在国际顶级期刊《Angewandte Chemie（德国应用化学）》上发表题为“Efficient Near-Infrared Emissive Artificial Supramolecular Light-Harvesting System for Imaging in Golgi Apparatus”的学术论文。光捕获过程作为将自然光进行捕获、能量转化并利用的步骤，是植物光合作用中第一个也是十分重要的过程。构筑人工光捕获体系对于光能的利用具有重要意义，但目前构筑具有高效人工光捕获体系仍存在很大挑战。东南大学研究团队利用“杯芳烃诱导聚集”策略，设计合成两亲磺化杯芳烃和阳离子型萘基吡啶衍生物作为荧光给体在水溶液中自组装，并引入尼罗蓝作为荧光受体分子，成功构筑了近红外发射的超分子人工光捕获体系。通过进一步研究，团队发现该体系在细胞内依然保持很高的光捕获效率和高度稳定性，同时证明了其对高尔基体染色的选择性。该研究对于人工超分子光捕获体系传感、成像、诊断等方面的研究有着重要的推动作用。论文第一作者为东南大学化学化工学院青年教师陈旭漫，东南大学为第一通讯单位。

神兽们一批批“归笼”，对于家长们来说，真是大舒一口气。不过为了孩子们的安全，各个学校可都费尽了心思。为了迎接学生返校，温州大学的南北校区大门口，都装上了人工智能防疫的神器。这套由学校大数据与信息技术研究院自主研发的“人工智能防疫系统”，是学校教师自己的研究成果，为学校即将到来的复学工作奠定基础，做好充分的安全准备。“人工智能防疫系统”是温州大学大数据与信息技术研究院基于数据挖掘技术自主创新研发的智能系统，在传统“亮码+人工核验登记”的通行方式上进行改进升级，与校园大数据、市民卡健康码等数据平台共享，通过人脸识别打造非接触式体征识别与统计管理方式。除此以外，这套系统还结合人流高峰与日常人行、车行、访客管理等多重场景模式，为师生数字化信息后端服务提供有效防疫应用保障，可实现无接触高精度体温检测，精准掌握风险点，降低防控成本、减少感染风险，大大提升防疫管理水平，提前阻断疫情蔓延渠道。此外，这套智能防疫系统可在学校数据库中搜集比对师生基本属性及假期行为数据，通过后台分析算法挖掘和模拟用户画像，自动摸排并动态监测师生异常，为学校相关管理部门提供管理和决策依据，提前做好疫情防护及应急预案工作。温州大学大数据与信息技术研究院成立于2019年10月23日，位于温州市龙湾区浙南云谷，是依托温州市人民政府与中国交通通信信息中心战略合作协议，由交通安全应急信息技术国家工程实验室、温州高新区（浙南科技城）管委会和温州大学共同建设、共同组织管理的研究开发机构。研究院科研主力多为温州大学计算机与人工智能学院博士教师。为保障开学，研究院向温州大学捐赠了两套系统，学校各部门对即将到来的开学潮充分调研，做好了充足准备。

主要研究自然语言处理研究领域的算法和应用实践。涉及语义解析、意图识别、FAQ 问答、多轮对话、知识图谱等关键技术，研究内容包括分词、向量表示、分类等文本预处理技术，以及将自然语言处理核心算法应用落实到智能客服、NLP 引擎、航天空管交互等实际场景中，团队研发的 AI 产品已经跟国内企业、研究所开展了长期合作并动态跟踪，获得了广泛的一致好评。 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升业绩、降低风险等。 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。

湍流-噪声-振动耦合与控制研究所作为人工智能控制湍流的先驱，结合机器学习方法，开创性地提出并研发具备“思维、创新”能力的人工智能控制湍流平台，并用于湍流射流控制，研究发现文献中从未报道过的湍流结构，其混合速率远超传统方法，主要成果即将在流体力学顶级期刊Journal of fluid mechanics上发表。鉴于该项成果在工程应用的重要前景，获国家自然科学基金“湍流结构的生成演化及作用机理”重大研究计划重点支持项目，亦作

（一）项目背景 针对现实场景中，存在需要对服务行业录音文件内容进行详细分析， 但是面对海量录音文件无法仅通过人力资源去逐一分析的弊端，本项目旨 在通过实际应用场景结合计算机和人工智能技术开发一个人工智能 NLP 引 擎，用以解决海量录音文件经过 ASR 转文本后，对录音内容进一步按需分 析，最终得到较为完整的分析结果，以便于企业进一步采取商业策略。 （二）项目简介 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关 系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的 知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析 思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风 险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升 业绩、降低风险等。 （三）关键技术 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是 将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时 调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行 词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要 描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息 推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性 判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计 分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词 生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。