失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

我国科研团队首次利用机器学习反求设计（machine-learning inverse design）实现三维矢量全息(Three-dimensional vectorial holography)新技术的相关研究成果发表在国际顶级学术刊物《科学进展》上。该杂志为《科学》(Science)刊物旗下子刊，是一个涵盖所有学术领域的开放性、综合性科学刊物。 这项光学全息技术领域的突破性研究，由上海理工大学庄松林院士和顾敏院士领衔的未来光学国际实验室完成。研究中基于机器学习的反求设计，可精准且迅速地产生一个或多个任意三维矢量光场，有望应用在超宽带全息显示、超安全信息加密以及超容量光存储、超精确粒子操控等各个领域。 光是一种电磁波，其在介质中传播的同时伴随着电磁和磁场的振荡，被称为光的矢量特性。研究人员介绍，基于光波的横波特性，光的振荡通常被限制在与其传播方向垂直的二维平面上。近些年，科学家研究发现光的振荡可打破传统二维平面的束缚，通过干涉产生纵向光振荡，即形成第三维光矢量。 但精确产生任意三维矢量光场仍是一个世界性难题。在物理学上，通过求解三维麦克斯韦方程可以正向得到一个三维矢量光场分布，但其不可控。顾敏科研团队利用人工智能的机器学习反求设计，解决了这一难题，率先实现了三维矢量全息，并可精确地控制三维全息图像中每个像素点的任意三维矢量状态。 顾敏介绍，这样的操控是全方位的，包括对每个三维矢量光携带的信息进行编码、传输和解码，因而消除了传统二维偏振光的束缚。“通过人工智能机器学习的新技术，我们首次实现了三维矢量光的操控，并将机器学习的算法延伸到光学全息中去。” 机器学习在光学设计中扮演着越来越重要的作用。文章第一作者任浩然博士说：“我们研究证明训练后的人工神经网络可有效、快速地产生任意三维矢量光场，达到接近百分之百的准确性，极大地提高了光场调控的效率。” 此外，这项发明为光学全息开辟了一条新道路，首次在全息中证明光的三维矢量状态可以作为独立的信息载体，实现信息的编码和复用。顾敏表示，“这项发明不仅为下一代超宽带、超大容量、超快速并行处理的光学全息系统奠定了基础，同时也为人们加深理解光与物质的相互作用（例如粒子操控）提供了一个崭新的平台。”

工业机器人技能考核与实训平台主要应用在工业机器人基础操作教学阶段，可以实现工业机器人基本结构、基础操作、参数配置、在线示教编程、简单语言编程、工具更换、复杂轨迹规划及编程、模拟上下料和码垛工艺应用、IO通讯、离线编程应用等教学内容，实训台式设计特别适合于标准教室型实训场地，为学生掌握基础编程能力和调试技能提供硬件支撑，满足教学需求。该实训台主要用于工业机器人技术人才的培养教学和技能考核。

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone® V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone® V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

1、产品介绍 AI人工智能语音与机器视觉应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成，高性能嵌入式核心板采用高性能64位ARM处理器，标配4GB DDR3内存和16GB闪存，可运行ubuntu、android、linuxqt等多种操作系统，可满嵌入式linux和AI应用开发。 平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例，如语音前处理（声源定位、语音增强、语音降噪、回声消除、声音提取）、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等，通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 2、产品特点 （1）先进性 性能卓越：搭载AI嵌入式边缘计算处理器RK3399，配备4GB RAM与16GB存储空间，以及6英寸高清电容触摸屏，确保流畅的用户体验。 高效运算：配NPU协处理器模块，专为神经网络模型设计，提供高达8 TOPs@300mW的运算能力。 接口丰富：提供双路0、四路USB2.0、RS232、RS485以及多种嵌入式拓展接口，满足多样化的外设连接需求。 （2）扩展性 定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的AI应用场景设计和创新。 智能网关平台：智能边缘计算网关平台配备了包括GPIO、ADC、IIC、UART、PWM、SPI在内的常用接口拓展，增强了平台的适应性和灵活性。 （3）包容性 多功能应用：实验平台适用于人工智能、嵌入式系统、物联网、移动互联网、智能硬件等多个学科的实验教学，提供全面的教育资源。 课程与实验：支持包括Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、Android应用技术、物联网中间件、AIOT应用实训等在内的丰富课程和实验。 专业融合：平台在硬件设计上实现了物联网、人工智能和嵌入式技术的兼容性，提升了实训设备的复用率，有效解决了学校实训室空间和资金的限制问题。 AI语音与机器视觉应用系统致力于解决学校在开设人工智能课程时面临的师资、教学资源、实训资源、设备以及与行业应用对接的挑战，实现了产学研创一体化的教育模式 3、应用 系统支持多个工业化的应用场景，以智慧家居、智慧停车场、智慧门禁、智慧交通、趣味AI、智慧工地六大应用场景，及基于六大应用场景的20多种小AI应用场景。所有的应用场景及业务子项功能，均来自真实的人工智能行业应用。 4、配套 该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。

重楼为百合目延龄草科植物或称七叶一枝花P.polyphllasmithvar.Chinensis，重楼的根茎，具有清热解毒、消肿止痛、凉肝定惊之功效。近年来发现重楼及其化学成分具有良好的抗菌作用、抗炎作用、抗胃溃疡作用、抗肿瘤作用、心血管作用、镇静镇痛作用、止咳平喘作用、以及抑精作用等生理活性，已成为多种中成药和新药的主要原料，然而，重楼种子具有“二次休眠”的生理特性，即成熟的重楼果实中种子的胚尚发育不全，萌发过程中胚芽需要一定的休眠期，所以在自然情况下要经过两个冬天才能出土成苗。重楼种子“二次休眠”的生理特性，使其自然的年生产量远远低于药厂的年消耗量。由于重楼具有非常大的药用价值和经济价值。已引起研究者的广泛重视。但迄今为止，重楼的组培快繁的研究仍未取得很完满的结果,用重楼的茎、叶和花蕾作外植体均未获得愈伤组织；用幼芽诱导的愈伤组织生长缓慢，用重楼的茎、叶和花蕾作外植体均未获得愈伤组织；用幼芽诱导的愈伤组织生长缓慢，并且有的不含原植物中的甾体皂甙等。因此，解决重楼的快繁问题已迫在眉睫。南开大学分子细胞遗传学试验室从2000年开始对由于种胚发育不完全而造成的发育迟缓等问题进行了研究，并利用该技术已在大花蕙兰、蝴蝶兰、石斛、丹参等多种植物上获得成功。根据我们在其他植物上摸索的成功的经验，利用我们实验室自己建立独特的快繁技术，开展重楼的快繁研究，建立重楼快繁技术平台，可能会解决上述重楼培养的困难，可缓解重楼生产中的资源缺乏问题。为解决重楼自然生产量严重不足的问题提供一个技术平台。

具有超高电子迁移率、合适带隙、环境稳定和可批量制备特点的全新二维半导体芯片材料（硒氧化铋，Bi 2 O 2 Se），在场效应晶体管器件、量子输运和可见光探测方面展现出优异性能。由Bi 2 O 2 Se制备成的原型光电探测器件具有很宽的光谱响应(从可见光到1700 nm短波红外区)，并同时具有很高的灵敏度(在近红外二区1200nm处灵敏度高达~65A/W)。 而利用飞秒激光器组建的超快光电流动态扫描显示Bi 2 O 2 Se光电探测器具有约1皮秒（10 -12 秒）的本征超快光电流响应时间。化合物由交替堆叠的Bi 2 O 2 和Se层组成，晶体中氧的存在，使其在空气中具有极佳的稳定性，完全可暴露于空气中存放数月且保持稳定。

中国科大俞书宏院士团队与姚宏斌、倪勇教授团队合作提出了在不牺牲锂离子电池能量密度的前提下，在石墨负极内部引入颗粒尺寸以及孔隙率的梯度异质分布结构设计，实现了石墨负极快充性能提升。

本发明提供了一种面向快充的简易锂离子电池物理动态建模方法，步骤S01：设计特性测试信号：步骤S02：构建欧姆阻抗响应模块：步骤S03：构建扩散动态压降模块；步骤S04：构建开路电压查找表模块：步骤S05：基于锂离子电池模型共由三部分构成，欧姆阻抗动态响应模块、扩散动态压降模块、开路电压查找表模块，并对全电池终端电压和正负极进行建模。本发明基于模型模拟了，欧姆阻抗动态响应、扩散动态压降、全电池(OCV),随后对全电池终端电压和正负极进行建模，通过恒流放电实验验证了负电极扩散行为是低SOC误差的关键影响因素，并通过仿真验证了电池模型的动态响应特性，为锂离子电池的快充策略的优化提供了可行性依据。