本发明公开了一种 SRAM 型 FPGA 的配置、刷新与程序上注一体化系统，属于航天技术领域，目的是克服在空间辐照环境下 SRAM型 FPGA 的 SEU(Single-Event-Upset，单粒子翻转)问题，具备对长时间在轨工作的 SRAM 型 FPGA 进行程序升级的能力。本发明包括现场可编程逻辑门阵列 SRAM 型 FPGA、综合管理反熔丝 FPGA、配置程序存储芯片 PROM、在轨升级程序存放芯片 EEPORM、RS42

近日，东南大学脑科学与智能技术研究院在神经元自动追踪算法基准测试与性能预测方面取得重要研究进展。

本教学团队依托河北省化学工程与工艺专业综合改革试点项目、河北省高等教育教学改革研究与实践项目，聚焦化工类创新人才培养，围绕学生工程实践能力和创新能力的提升，形成了“强实践、重创新、提素质”的人才培养理念，构建了“面向产业、突出实践、强化创新、持续改进”的化工类创新人才培养模式，有效解决了“人才培养课程体系创新不够，难以满足产业发展新需求”、“教学模式较为单一，不能满足学生创新实践能力培养的个性化学习需求”、“协同育人机制不完善，无法实现人才供给侧与产业需求侧的良性互动”等问题。

本发明属于电法地质预测相关技术领域，并公开了一种适用于 测试固相试样与供电电极之间面极化效应的系统，其包括信号发生单元、试样测量单元、数据采集单元和中央处理单元，其中信号发生单 元用于产生幅值恒定且频率变化的正弦波电压信号，然后放大及转换 为幅值恒定的正弦波电流信号;试样测量单元在供电电极与固相试样 之间的界面上加载正弦波电流信号来激发极化效应，并采用多个测量 电极等距插入固相试样中，由此对各测量点与供电电极之间的电压值 进行测量;数据采集单元多通路采集测量数据，然后输送至中央处理 单元计算得出结果

本成果针对生物医用纳米颗粒应用于肿瘤治疗与精确定位的靶向治疗领域存在的问题进行以下关键技术的研发：1）研发一种新型涡旋磁纳米颗粒作为肿瘤药物载体（选择乳腺癌治疗领域：项目合作者为新华医院乳腺癌领域药物开发及治疗方面研究者）并构建一种乳腺癌用纳米团簇颗粒；2）研发一种应用于肿瘤治疗与精确定位的靶向磁场装置，利用该装置产生的可控交变磁场，本课题将采用仿生细胞膜包裹涡旋磁纳米颗粒，并协载DOX/EZH2siRNA，通过双靶向（生物靶向及磁靶向），探索化疗耐药的三阴性乳腺癌的治疗，开发一种针对化疗耐药的三阴性乳腺癌的靶向磁场医疗器械。 相关技术指标： 研制出一种新型应用于肿瘤治疗与精确定位的靶向可控磁场发生器，指标要求: 可提供与生物医用磁性纳米颗粒的磁性强弱相符合的交变磁场范围；测量结构精读不低于0.5%；设备所采用的材料具备无毒和抑菌的性质。 技术创新点： 本项目是从医工交叉角度首先研发一种应用于肿瘤治疗与精确定位的靶向磁场装置，并利用该装置实现三阴性乳腺癌的精准治疗；其次利用靶向磁场装置对经仿生细胞膜包覆的涡旋磁纳米颗粒作为载体并协载了DOX/EZH2siRNA的肿瘤药物进行精准靶向定位，开发一种针对化疗耐药的三阴性乳腺癌的靶向磁场医疗器械。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

近日，我校健康科学研究所科研团队在各自研究领域取得多项科研成果。

2020年5月1日，武汉大学基础医学院院长李红良团队在《细胞—代谢》杂志上发表论文，题为《COVID-19合并2型糖尿病患者血糖控制与预后的相关性研究》，为临床有效救治新冠肺炎合并2型糖尿病患者提供了关键的临床研究证据。已有研究表明，合并高血压，糖尿病，心血管疾病、肾脏损害及肝脏疾病基础疾病是导致新冠肺炎患者死亡和预后较差的重要原因之一，以上基础疾病往往使得新冠肺炎患者的风险更高，死亡率也更高。那么，糖尿病患者得了新冠肺炎该怎么办？血糖控制和新冠肺炎可有什么关联？糖尿病患者要怎么做才能在新冠肺炎的威胁下保证自己的生命安全？ “此研究成果在全球范围内首次明确证明，血糖控制良好，即维持血糖变异范围在3.9-10.0 mmol/L，与新冠肺炎合并糖尿病患者死亡率显著降低密切相关。”李红良告诉《中国科学报》。以2型糖尿病为主的糖尿病在我国成人中总体患病率已经超过10%，而在欧美等发达国家，2型糖尿病的患病率更是接近甚至超过30%。新冠肺炎和2型糖尿病（T2D）这两种全球流行病的碰撞，已然导致了一个严峻的现实，即2型糖尿病（T2D）已经是新冠肺炎的第二常见共病。 然而，就在血糖控制对新冠肺炎合并2型糖尿病患者所需医疗干预程度和死亡率的影响尚不明确，只有相对有限的队列研究初步证明，2型糖尿病患者感染新冠肺炎的预后更差的情况下，新冠疫情直接威胁全球5亿血糖患者的生命安全。为此，李红良团队对湖北省19家医院9663例确诊的新冠肺炎病例进行了回顾性纵向多中心研究，分析新冠肺炎合并2型糖尿病患者血糖水平与临床治疗之间的关系。研究表明：感染新冠肺炎的2型糖尿病患者的血糖控制，和患者的较高死亡率之间有着显著的相关性，血糖控制良好的新冠肺炎合并2型糖尿病患者治愈率，存活率有着明显提升。一般来说，糖尿病患者更容易受到病毒感染，且一旦感染，与非糖尿病人群相比，预后更差。面对新冠肺炎威胁，糖尿病患者乃至普通大众，该将血糖控制在什么范围内？研究发现，糖尿病（T2D）患者需要更多的医疗干预，死亡率显著升高和多器官损伤较非糖尿病个体明显。更为重要的是，团队发现血糖控制良好，即维持血糖变异范围在3.9-10.0mmol/L，和新冠肺炎合并糖尿病患者死亡率显著降低密切相关。此发现，不仅为新冠肺炎合并糖尿病患者改善血糖控制和改善预后提供了重要临床证据，也是对普通糖尿病患者，和所有普通大众的警示，在已经明确了控制好血糖能明显降低新冠肺炎病毒死亡率的情况下，更需要保持良好的生活作息，坚持锻炼，将血糖含量维持在稳定范围内。（崔雪芹）相关论文信息：https://doi.org/10.1016/j.cmet.2020.04.021

中试阶段/n该项目2016年获得湖北省科技进步一等奖。由于乙酰甲喹和喹烯酮尚未确定每日允许摄入量(ADI)、残留标识物(MR)和靶组织(TT)，未能制订最高残留限量(MRLs)和休药期(WP)，喹乙醇仅有猪肌肉暂定MR及MRL，这三种药物一直没有科学的食品安全标准和风险管控技术，消费者健康受到威胁。

 大气污染的日益严重，雾霾天气逐渐增多，对传感器的性能提出了更高的要求，然而对于气体传感器的研究却缺乏大型的、一体化、同时实现多种气体在线检测的设备作为支撑。本课题组经过多年探索，自主研发了具有领先水平的一体化混合配气和气体传感器在线检测系统SJTUGDS-919。该套设备硬件经精心设计和严格验证，具备气体传感研究过程中常用到的所有功能，且所有控制都能在上位机软件上完成，实现了完全的自动化。 本套设备可以实现对气体传感器的快速在线检测,支持自动采集、自动计算、自动标定。该系统可以实现多组分复杂气体的精确稀释和配比，为传感器的多组分定性、定量识别和测量提供保障，并且集动态检测、静态检测、探针检测于一体。同时，该套设备还可以调节气氛的压力和湿度，并首次实现气体温度和传感器温度的协同调控，精准模拟了真实大气环境。应用此套设备，可大幅度缩短研发时间，降低实验成本，极大的提高工作效率，保证气体传感器研发工作的顺利推进。 本项目研发依托于“微米/纳米加工技术”国家级重点实验室和“薄膜与微细技术”教育部重点实验室等先进平台，本套系统现已申请八项发明专利，两项软件著作权。应用此套系统已开展科研项目十余项，发表高水平论文50余篇。SJTUGDS-919是首创的高度集成化的国内一流的气体传感器检测系统，是气敏研究和传感器器件研发的必备利器，是治理大气污染的开山斧！目前正在寻求将此系统设备产业化，推向市场。