发明(设计)人：陆朝阳, 张纪文, 徐遵主, 蒋海涛, 李明, 孙永嘉。本发明公开了一种用于VOCs处理的蓄热式催化燃烧装置，包括支撑座，所述支撑座的顶面上设有换气装置和催化燃烧装置；通过监控装置实时监测催化燃烧装置内部的压降变化，根据压降变化判断金属网型催化剂表面积碳的严重情况，压降越大，积碳情况越严重，同时监控装置能够在压降的作用下获取动能，使监控装置能够驱动传动装置运动，通过传动装置对催化燃烧装置、换向装置、上出气装置、下出气装置进行控制，使两个金属网型催化剂能够自动交替投入使用，同时能够自动对积碳情况严重的金属网型催化剂进行清理作业，自动化程度高，人工成本低，而且不需要终止VOCs废气处理过程，VOCs废气处理效率高，提高了该用于VOCs处理的蓄热式催化燃烧装置的实用性。

本发明公开了一种用于激光解吸离子化质谱的螺旋二十四面体结构基底，该基底为三维网络状结构，表面覆盖一层贵金属，能与激光发生耦合，吸收并转移激光能量到待测分析物分子，使之脱附并裂解成带电荷的分子碎片。所述的螺旋二十四面体结构(Gyroid结构)服从以下关系：其中L为螺旋二十四面体结构的周期，t调节螺旋二十四面体结构的形貌。

（专利号：ZL 201510680510.2） 简介：本发明公开了一种负载型Ag‑Pd/C3N4纳米催化剂催化甲酸脱氢的方法，属于化学化工技术领域。本发明将制备好的负载型Ag‑Pd/C3N4纳米催化剂置于反应器中，将反应器置于油浴中升至一定温度，接着将甲酸和甲酸钠混合液加入反应器中进行反应，生成的氢气采用排水法收集。所述负载型Ag‑Pd/C3N4纳米催化剂采用Ag、Pd按照一定摩尔比配成溶液，将载体C3N4加入上述溶液中，向混合液中添加还原剂，经过滤、干燥后制得。与传统的负载型催化剂不同的是：根据本发明，调节催化剂中金属银、钯的含量及C3N4含量就可以制得用于甲酸脱氢制氢气的高活性、高选择性负载型Ag‑Pd/C3N4纳米催化剂。

（专利号：ZL 201410008976.3） 简介：本发明公开了一种用于催化氧化NO的钛基载体负载VPO催化剂及其制备方法，属于大气污染治理技术领域。该催化剂以N掺杂TiO2为载体，负载VPO活性组分，经以下方法制备得到：首先，取一定量的TiO2和氮源化合物加入蒸馏水中，经搅拌、干燥、煅烧等步骤后获得载体；其次，将活性组分前驱体和还原剂按比例加入有机酸溶液中，经搅拌、水浴、干燥等步骤后得到VPO活性组分；最后，将载体和VPO活性组分按一

（专利号：ZL 201410008976.3） 简介：本发明公开了一种用于催化氧化NO的钛基载体负载VPO催化剂及其制备方法，属于大气污染治理技术领域。该催化剂以N掺杂TiO2为载体，负载VPO活性组分，经以下方法制备得到：首先，取一定量的TiO2和氮源化合物加入蒸馏水中，经搅拌、干燥、煅烧等步骤后获得载体；其次，将活性组分前驱体和还原剂按比例加入有机酸溶液中，经搅拌、水浴、干燥等步骤后得到VPO活性组分；最后，将载体和VPO活性组分按一

随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。 目前被广泛使用的经典冯·诺依曼计算架构下数据存储与处理是分离的，存储器与处理器之间通过数据总线进行数据传输，在面向大数据分析等应用场景中，这种计算架构已成为高性能低功耗计算系统的主要瓶颈之一：数据总线的有限带宽严重制约了处理器的性能与效率，且存储器与处理器之间存在严重性能不匹配问题。忆阻器存算一体系统把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用阻变器件进行数据存储与处理，通过将器件组织成为交叉阵列形式，实现存算一体的矩阵向量乘计算。忆阻器存算一体系统可以避免数据在存储和计算中反复搬移带来的时间和能量开销，消除了传统计算系统中的“存储墙”与“功耗墙”问题，可以高效、并行的完成基础的矩阵向量乘计算，未来极有潜力成为支撑人工智能等新兴应用的核心技术。 清华大学吴华强教授团队实现了材料与器件、电路设计、架构和算法的软硬件协同等多方面原始创新，解决了系统精度损失等被广泛关注的难题： 材料与器件创新。科研团队选择了电学特性稳定的二氧化铪作为忆阻层核心材料，提出了通过插入少量氧化铝层来固定离子分布、抑制晶粒间界形成的新理论，提出了引入热增强层的新原理器件结构，成功抑制了忆阻器非理想特性的产生。 电路设计创新。开发了一套忆阻器与晶体管的混合电路设计方法，提出“差分电阻”设计思想，采取源线电流镜限流设计，抑制了忆阻器电路中可能产生的各种计算误差。 算法创新。提出了混合训练算法，仅用小数据量训练神经网络并只更新最后一层网络的权重，即可将存算一体硬件系统的计算精度达到与软件理论值相同的水平。 “技术链”创新。从“单点技术突破”拓展到“技术链突破”，开发了针对忆阻器存算一体芯片的电子设计自动化（EDA）工具，打通了从电路模块设计到系统综合再到芯片验证的设计全流程。 上述理论和方法发表于《自然》《自然·纳米技术》《自然·通讯》等国际顶级期刊，以及被誉为“集成电路奥林匹克”的“国际固态电路大会”等顶级学术会议。研究成果被“国际半导体技术路线图”和30多部综述文章长篇幅引用。团队已在该研究方向申请国内外专利72项，其中30项已获得授权，知识产权完全自主可控。 团队已研制出全球首款忆阻器存算一体芯片和系统，集成了8个忆阻器阵列和完整的外围控制电路，以更小的功耗和更低的硬件成本大幅提升了计算设备的算力。全系统的计算能效比当前主流的人工智能计算平台——图形处理器（GPU）高两个数量级。团队还设计了一款基于130nm工艺研制的完整忆阻器存算一体芯片，在MNIST数据集上计算速度已超过市面上28nm工艺的四核CPU产品近20倍，能效有近千倍的优势。

项目成果/简介:随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。