随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

本发明公开了一种数控加工状态自学习的刀具磨损监控系统，结构为：刀具磨损规律学习库存储刀具学习磨损规律；数据获取与判断模块将伺服驱动电流数字信号提供给数据处理模块，进行格式转换并保存为监控电流信号；特征提取与选择模块选择与刀具磨损强相的信号特征；拟合预测趋势曲线模块建立信号特征与刀具加工寿命关系曲线；刀具磨损规律模块从刀具磨损规律学习库中获得刀具学习磨损规律；将趋势信号特征带入刀具学习磨损规律中得出刀具磨损量；刀具磨损补偿及换刀模块根据刀具磨损量作出刀具磨损补偿及换刀决策，提供给数控系统接口输入模块。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率

本发明提出一种装配式空腔剪力墙水平接缝齿槽式干式连接结构，它适应了装配式空腔剪力墙易于工业化生产的特点，便于工业化生产和现场快捷安装；空腔剪力墙墙柱段主要受力纵筋全部采用套筒连接，空腔段分布钢筋竖向不连接，简化连接形式；上部空腔剪力墙空腔段下部采用预留凹槽或以空腔为连接凹槽，下部空腔剪力墙空腔段上部预留凸齿，与凹槽咬合，提高空腔剪力墙水平接缝的抗剪能力；空腔剪力墙楼层高度处预制牛腿板，预制楼板连接端预制为Ｌ型，便于现场直接螺栓连接，减少现场施工量。本发明摆脱了施工现场湿作业，便于工业化生产和绿色安装施工，可广泛应用于预制装配式混凝土剪力墙结构。

产品详细介绍开启式管式电阻炉以新型铁-铬-铝高温电阻丝或硅碳棒为发热元件，炉温有1000℃、1200℃、1400℃多种，测温元件采用K、S分度热电偶，控温方式有自动恒温型和程序控温型两种。采用新型隔热保温材料，具有测温精度高、控温准确、热导率低、高效节能、美观大方等特点，供实验室、工矿企业、科研院所等单位用于金属、非金属、合金、陶瓷等材料的高温烧结、热处理及熔融、分解等。主要技术参数1、最高温度：1200℃；2、电源及功率：AC220V/2KW； 3、炉膛尺寸：∮40×600mm；4、测温：K分度号热电偶+精密数显程序控温仪；5、控温：可控硅移相调压+智能PID调节+程序升降温；6、控温精度：±1℃；

项目成果/简介:本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。应用范围:模型已应用于东北松花江流域、黄山新安江流域，成功完成对这些地区 N、P、COD 等污染负荷的空间解析，并设置敏感断面（松花江流域的同江断面，新安江流域的跨省断面--街口断面）进行溯源分析，能够为流域（区域）水环境管理决策的制定与实施提供技术支持。效益分析:（1）污染源空间解析：进行各子流域污染源组成比例分布预测以及各子流域的污染来源追溯等，由于监测站点只能评价静态的理化指标，SPARROW 模型则综合考虑流域内的地质地貌、气象要素等，通过监测数据追溯污染来源，分析来自不同污染源的污染量和比例，有针对性地对水质进行控制和管理，找出污染贡献最大的区域加以治理，实现投入产出的效益最大化； （2）面向水质达标的监测站点空间布局优化与设计：利用有限水质监测站点过去一段时间的监测数据外推流域内其他未监测河段 的水质情况，有效解决布设监测站点成本高、监测网络点位数量少、代表性差的问题，通过对流域整体水质状况的预测分析，找出水质较差河段，进而有效优化监测站点的空间设置，为水环境质量达标提供支持。 （3）面向敏感区（达标断面）的削减措施优化：例如海岸带、湖库、饮用水取水区、达标考核断面等，作为考核或评估断面进行污染物传输分析，分析上游各子流域对其污染贡献大小，甄别污染贡献最大的区域，优化管理措施的设置。

本发明公开了一种随机动载荷空间分布及统计特征的识别方法。本发明的方法包括步骤：Ｓ１．开展模态试验，获取结构的模态参数，包括固有频率和模态振型；Ｓ２．将结构随机振动响应利用模态振型展开，获取结构在模态空间的动响应；Ｓ３．利用模态振型展开，将随空间分布的随机动载荷投影到模态空间；Ｓ４．在模态空间内，由随机动响应样本反演随机动载荷样本；Ｓ５．由模态空间内随机动载荷样本及振型函数求解结构上随机动载荷的空间分布和统计特征。本发明能够解决在时域内利用实测结构动响应样本识别结构上随机动载荷的统计特性和分布特征问题，为服役于分布式随机动载荷环境下的工程结构设计与安全评估提供准确可靠的动载荷信息。

本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。

本发明公开了一种负载蛋白、多肽类药物微球立体形态及分布的测定方法，属于微球测定技术领域。