生产级材料详细信息：索要完整生级级材料资料请访问清锋科技官网下载 3D打印材料-LuxCreo清锋科技 清锋的智能工厂和材料实验室可以与学校、科研院所联合，开展新材料、新工艺、新设计的验证。   【教育解决方案】Lux 3Li+打印机弹性树脂应用案例 面向高教、职教的实训项目，基于光固化3D打印技术，设备提供、材料提供、软件提供、课程资源提供、师资培训、实训项目以及软硬件平台的一体化解决方案；服务于高校相关专业的教学实验、科研创新和项目开发等应用场景。 清锋光固化教育课程解决方案 3D打印作为一种新型生产方式，可以加速产品开发周期，满足多 材料、复杂形状、任意批量的生产需求，是全球最受关注的高科 技行业之一。拥有3D打印课程、设备的院校、科研机构在创新、 创造方面均有着得天独厚的优势。LuxCreo致力于推动行业发展， 为科研创新、数字化智能化转型以及行业人才培养等方面提供支持。 面向院校 提升院校教学硬件水平，有助于培养未来的3D打印人才，生动展示课本、教案内容，增加教学趣味性，资深3D打印行业专家亲自授课。 面向科研机构 快速将模型、数据形成实物，简化步骤，缩短论证时间，结合最新技术，加速研发新产品，输出有价值易商业化的研发项目，全球顶尖3D打印工作团队提供技术支持。 打印设备 iLux系列桌面机，Lux系列工业机，可作为研发、教学、实验等配套设备，满足不同项目需求。 打印材料 EM弹性材料满足消费、工业、汽车、航空航天等学科的教学研发需求 打印软件 LuxFlow模型处理软件，支持数据导入、文件修复、智能2D/3D摆放、生成支撑、切片、路径填充等功能，便于快速进行现场教学演示、培训实操、学术研发。 相关学习支持 清锋科技在光固化3D打印技术、软硬件、材料等方面积累了来自全球各个高校的顶尖人材，可结合院校、机构所需进行相关的培训及讲座，助力教育科研工作更加系统、科学。 打印中心实地考察 清锋科技在北京、宁波及美国硅谷均设有打印中心，可为学生及科研人员提供进一步深入了解3D打印的场地支持。 核心优势： 互联：可接入LuxCreo的软件生态，实现轻量化设计、高速切片、设备互联、智慧工厂管理。 敏捷：快速自主研发的纳米离型技术LEAP™，速率提升20~100倍以上；成型件力学性能各向同性。 柔性：适用于高精度原型件/测试件和小批量件的快速设计与制造。 可持续发展：技术团队来自清华、哈佛、佐治亚理工、北卡州立、剑桥等；解决方案得到了10万零部件打印的检验。 包括但不限于新产品的功能特点及技术性发布介绍，产品实际使用操作的演示； 清锋合作案例：数字鞋垫AiFeet登陆美国众筹平台Kickstarter 透气、分压、快速定制，AiFeet让“私人定制”不再高不可攀借助 LuxCare扫描APP，用户只需1分钟即可获取自己足底模型，发送订单到清锋智能工厂，坐等收货，实现真正的C2M（用户直连制造） 清锋合作案例：2020东京奥运会，清锋打印机及鞋类产品亮相ASICS展厅 “作为拥有70余年历史的鞋类品牌，ASICS(亚瑟士)一直在探索全新的技术方向。2020年1月，ASICS与清锋正式开启合作，双方结合3D打印技术衍生出了很多产品设计和技术思路。本次奥运会，ASICS以Future Experience Lab为主题向世界展示其数字化产品战略，清锋打印机及3D打印人字拖、整鞋悉数亮相。” 清锋合作案例：清锋与国内外自行车厂家合作生产镂空晶格坐垫 “我们一直在找寻自行车坐垫的升级通道，直到发现清锋。过去我们从来没有想过用3D打印来直接生产坐垫，一次偶然的机会将模型发给清锋，一天后居然收到了又轻、又弹、又透气的产品，简直喜出望外。” 清锋合作案例：清锋科技联手众多医院为患者提供定制颈椎枕 “枕头在保护颈椎、支撑颈部肌肉方面的作用至关重要。但是，市面上很多颈椎枕存在质地过软、矫正效果差、缺乏个性化设计等问题，这让我们医生很头痛。清锋结合其EM弹性材料及设计打印方案，有效解决了传统定制康复矫形头枕的弊端，为行业带来了希望。” 清锋最新推出的新一代大幅面光固化3D打印机Lux 3Li+，可打印各类工程树脂原型制作和批量生产；通过LuxCreo高性能材料，还能实现从模型样品到实际功能性样品的快速制造与生产。 通过清锋的解决方案能够实现： 1．快速产品研发迭代 2．样品实验数据快速分析 3．一体化模型处理，快速响应快速制造 4．大吞吐量，快速打印 5．通过不同材料的研发，拓展3D打印新应用 现今，3D打印作为一项非常前卫的高新技术，在弹性体研究、航空航天、高精度复杂零部件制造等方面具有独特的优势，也是国家重点支持发展的领域。清锋的3D打印技术在全球位居领先地位，我们也想借助国内顶尖技术推进行业发展，让教育科研和人才培养走在世界前列。 关于清锋科技(LuxCreo) 清锋科技是一家专注于3D打印设备、软件、材料研发，致力于改变产品开发和生产方式的数字化3D智造商。团队成员汇聚了清华大学、哈佛大学、佐治亚理工学院、宾夕法尼亚大学、剑桥大学等学府的高端技术人才和高管人才。团队研发出适配于不同行业的高性能材料体系，依托自主研发的Lux系列打印机和配套软件， 为鞋类、齿科、医疗、消费、汽车等行业创新升级提供解决方案，打造兼具定制化和批量化的新型数字化制造模式及生态闭环，让制造更简单！www.LuxCreo.cn 欢迎关注清锋公众号：qingfengshidai了解更多专业信息。 如有合作需求或者感兴趣的产品，可以扫描下方二维码联系清锋 ↓↓↓ 公司电话：010-63941626 公司邮箱：business@luxcreo.com 市场电话：18614034268 销售电话：13817977721；13811595251 官方网站：www.LuxCreo.cn 公司地址：北京市海淀区建材城中路27号金隅智造工场S5幢1017

刚刚揭晓的2021年度江苏省科学技术奖励中，中国矿业大学周福宝教授团队《巷/隧道干式过滤除尘技术研究与工程应用》项目获得省科学技术一等奖。该研究项目标志着我国煤矿掘进工作面粉尘治理技术取得重大创新，用科技突破煤矿粉尘污染，实现煤岩颗粒物年均减排10.5万吨，填补了国内技术空白，推动我国粉尘防治的科技进步。

本发明公开了一种用于乙醇胺(MEA)吸收解吸CO2的硫酸根协同磷钨酸双促进偏钛酸催化剂及制备方法和应用，该方法的特征在于采用成本低廉的钛酸乙酯，经搅拌静置沉淀过滤后，烘干得到偏钛酸固体。得到的偏钛酸先用磷钨酸修饰，然后再用硫酸盐浸渍。该方法制得的硫酸根协同磷钨酸双促进偏钛酸催化剂不仅能够有效催化解吸CO<subgt;2</subgt;，而且能够使解吸能耗降至较低的水平，在很大程度上解决了CO<subgt;2</subgt;解吸过程能耗高的问题。

miRNA是一类高度保守的内源性单链非编码核苷酸片段，近年来，越来越多的研究发现miRNA的异常表达与疾病的发生和发展存在着直接或间接的关系，因此，实现活体内多种miRNA的定量检测，对于疾病的早期诊断和监测具有重要意义。 我校食品学院匡华教授团队博士生瞿爱华采用构筑了“核-卫星”样纳米结构，实现了细胞及活体内两种肿瘤标志物miR-21和miR-200b的同时定量检测，检测限达到3.2 zmol/ngRNA和10.3 zmol/ngRNA。 基于核-卫星样组装结构的miR-21和miR-200b的同时检测思路；（B）组装结构在细胞内的随时间荧光动态变化；（C）细胞内miR-21和miR-200b的同时定量测定。 研究人员利用DNA可控自组装技术，构筑了金纳米棒(GNR)与上转换纳米粒子（UCNP）的“核-卫星”样组装结构。其中，端面的UCNP修饰TAMRA荧光分子，能够识别miR-21，侧面的UCNP修饰TAMRA荧光分子，识别miR-200b。形成核-卫星状组装结构后，由于UCNP的发射光被猝灭，当遇到目标物miR-21或miR-200b时，UCNP从GNR表面解离，上转换发光恢复，TAMRA和Cy5.5的荧光激发峰与UCNP的发射峰部分重叠，产生上转换发光共振能量转移，通过监测588nm和736nm处的荧光强度，可实现细胞内miR-21和miR-200b的同时定量检测以及活体荧光成像。

耐尔得受邀参与“2022年中国混凝土与水泥制品协会标准制修订计划”

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。