1.在光学微腔器件的晶体腔加工、PPLN 微腔加工、微腔耦合与封装、微腔超高 Q 值检测方面，分别提出了先进而完善的实施方案，并申请了相关发明专利。现有晶体微腔 Q 值国内最高水平 106，国外达到 109，本项目可优于 108，从而达到国内领先，国际先进水平。 2.在光学微腔器件应用方面，研发例如超窄线宽激光器（精密测量、物理量精密传感）、超窄线宽滤波器（激光技术）等小型化器件的技术原理和实现方案。与常规产品相比，体积可缩小至 500 立方厘米以下，精度可提高 2个量级，成本可下降 80%。成果可实现的光学微腔器件主要指标：研制出光学晶体微腔，Q 值优于 108，根据用户要求研制小型化应用模块。

博志金钻技术团队在磁控溅射领域深耕二十余年，目前已经实现氧化铝、氮化铝、氮化硅、单晶金刚石、单晶碳化硅覆铜板的量产，三英寸陶瓷覆铜板月产能10万片，包括各类种子层方案，铜层厚度0.5-100um，表面无毛刺、划痕、色差等异样，350度加热平台烘烤5分钟不起泡。 一、项目进展 已注册公司运营 二、企业信息 企业名称 苏州博志金钻科技有限责任公司 企业法人 潘远志 注册时间 2022/3/31 注册所在省市 江苏省 苏州市 组织机构代码 91610131MA712U7Q06 经营范围 一般项目：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；金属表面处理及热处理加工；新材料技术研发；新材料技术推广服务；电子元器件制造；集成电路制造；信息安全设备制造；通信设备制造；光通信设备制造；雷达及配套设备制造；光电子器件制造；真空镀膜加工；表面功能材料销售；金属基复合材料和陶瓷基复合材料销售；合成材料销售；有色金属合金销售；半导体器件专用设备制造；新型陶瓷材料销售；电子元器件零售；电子元器件批发；泵及真空设备制造；泵及真空设备销售；通用设备制造（不含特种设备制造）；玻璃、陶瓷和搪瓷制品生产专用设备制造；电子专用材料研发；电子专用材料制造；特种陶瓷制品销售；半导体器件专用设备销售；集成电路设计；机械设备租赁；租赁服务（不含许可类租赁服务）（除依法须经批准的项目外，凭营业执照依法自主开展经营活动） 企业地址 江苏省 苏州高新区长亭路8号大新科技园3幢二楼 获投资情况 2021/07/01苏州汇伯壹号创业投资合伙企业（有限合伙）天使轮1000万元 2022/03/22苏州融享进取创业投资合伙企业（有限合伙）preA轮2500万元 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 潘远志 邓敏航 杨添皓 电子与信息学部/自动化 2020/2024 陶佳怡 管理学院/大数据管理 2020/2024 林子涵 电气工程学院/电气工程及其自动化 2020/2024 袁子涵 电气工程学院/电气工程及其自动化 2020/2024 牟国瑜 电气工程学院/电气工程及其自动化 2020/2024 杨志鹏 能源与动力工程学院/强基（核工程与核技术） 2020/2024 田继森 航天航空学院/工程力学 2020/2024 孙浩然 机械工程学院/机械工程 2020/2024 郑力恺 电气工程学院/电气工程及其自动化 2019/2023 王羿淮 管理学院/工商管理 2019/2025 李青卓 材料科学与工程学院/材料科学与工程 2018/2023 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 宋忠孝 材料学院/材料系 教授、博士生导师 核电领域；电化学、催化、电池领域；器件、封装领域：高温抗氧化烧蚀、高压抗电弧烧蚀领域；轻量化领域硬质涂层领域 王小华 电气学院/电机电器及其控制 教授/博导，国家级人才计划入选者（特聘教授），国家级青年人才计划入选者（青年学者），教育部新世纪优秀人才，陕西省青年科技标兵。西安交通大学未来技术学院/现代产业学院副院长、实践教学中心（工程坊）副主任、教务处副处长、创新创业学院副院长，CIGRE开关设备状态评估工作组成员，中国电工技术学会电器智能化系统及应用专委会委员 开关设备设计、状态监测与寿命评估 田高良 管理学院/会计与财务 教授、博士生导师 财务预警；内部控制与风险管理；资产评估；信用管理等 五、项目简介 苏州博志金钻科技有限责任公司是一家专门从事高功率半导体封装材料研发生产的公司。以先进的陶瓷表面金属化技术为核心形成了包括（1）粉体表面改性；（2）热压烧结；（3）研磨、抛光；（4）陶瓷金属化；（5）增厚、刻蚀；（6）预制金锡焊料；（7）激光切割等环节的完整高端热沉材料生产体系。公司拥有完整的热沉材料生产体系，致力于成为“国产化功率半导体器件热沉材料领跑者”，为我国半导体产业发展添砖加瓦。 博志金钻技术团队在磁控溅射领域深耕二十余年，目前已经实现氧化铝、氮化铝、氮化硅、单晶金刚石、单晶碳化硅覆铜板的量产，三英寸陶瓷覆铜板月产能10万片，包括各类种子层方案，铜层厚度0.5-100um，表面无毛刺、划痕、色差等异样，350度加热平台烘烤5分钟不起泡。博志金钻目前苏州主体工厂面积超过5000平米，含万级洁净间。拥有20余台研磨抛光设备、10余台烧结炉、4条卧式连续镀膜设备、5台立式镀膜设备，以及超声清洗、喷淋甩干等完善的配套设备。博志金钻的工艺流程包括粉体表面改性、热压烧结、研磨/抛光、陶瓷金属化、增厚/刻蚀、预制金锡焊料、激光切割，博志金钻已经建立了完善的产品生产管理及质量监控体系来进行管控，完成了包括ISO9001、14001等认证，并不断完善产品检测设备及手段，确保产品质量稳定。 公司积极进行产品迭代和技术储备，在高功率半导体封装材料研发生产领域有着二十余年研发经验。中国科学院院士孙军教授和国家万人计划领军人才宋忠孝教授作为本公司首席科学家领衔公司技术研发，进行陶瓷金属化和半导体封装基板领域关键技术的探索。潘远志带领公司与西安交通大学表面工程国际研发中心、金属材料强度国家重点实验室合作进行前沿技术开发，团队与苏州市产业技术研究院、高新区共同设立苏州思萃材料表面应用技术研究所，是公司的技术支持和组织依托。目前公司已完成天使轮、preA轮数千万融资交割，公司投后估值逾2亿元。

产品详细介绍企业信息您只要致电：021-55884001（袁经理）我们可以解答 汽车电动动力系统示教板 的相关疑问！我们可以帮您推荐符合您要求的 汽车电动动力系统示教板,汽车电动教学设备 相关产品！找不到所需产品？请点击 产品导航页当前产品页面地址：http://www.shfdtw.com/productshow-116-1607-1.htmlTW-XQ8高压器件展示箱      以奇瑞电动车真实电动汽车采用的高压电缆、充电插头、高压继电器、高压接插件、高压保险、高压电缆护套、电流传感器、温度传感器、过流保护器、绝缘电阻等进行展示。      附铁制可移动脚轮底座。上一个产品：汽车混合动力系统示教板下一个产品：动力锂电池解剖展示台新能源汽车实训室最新产品动力锂电池解剖展示台型号：TW-XQ7品名：动力锂电池解剖展...价格：10000.00汽车混合动力系统示教板型号：TW-XQ9品名：汽车混合动力系统...价格：32000.00汽车电动动力系统示教板型号：TW-XQ10品名：汽车电动动力系统...价格：26000.00汽车燃料电池系统示教板型号：TW-XQ11品名：汽车燃料电池系统...价格：36000.00

一种面向多云架构的网络性能提升方法，属于云计算领域，解 决传统多云架构系统未考虑不同云存储服务器之间性能差异的问题， 以提升网络性能。本发明采用多云架构，将用户文件通过纠删码编码 后冗余地储存在多个云存储服务器中，每个云存储服务器都只能获得 文件的部分数据，在进行文件传输时能根据实际的网络环境尽可能多 地利用性能好的云存储服务器，同时避免被性能差的云存储服务器拖 累，使得系统的网络性能比传统的多云架构系统以及任一云存

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

本发明公开了一种基于极化码的分段CRC校验堆栈译码方法，包括：将信息序列分为N部分；对每一段最后一位比特在极化码码字序列中的位置进行标记；在进行堆栈译码的过程中，当译码长度到达标记位置时，实施CRC检验，若通过，则该译码路径存活，若不通过，则该译码路径被淘汰。与传统的方法相比，本发明大大降低了算法复杂度并使译码性能得到提升，并提升了译码的正确率。此外，在译码方法的基础上，硬件架构同时被提出，资源占据较传统算法实现了降低。

研发阶段/n内容简介：本系统是一个基于ARM内核，具有多任务强实时处理能力，同时具有窗口图形人机交互界面的嵌入式智能控制系统。系统硬件采用韩国现代公司推出的32位高性能嵌入式处理器HMS30C7202，集成了ARM7TDMICPU核，存储器管理单元(MMU)，8KB的高速缓冲存储器以及写缓冲器，支持STN和TFT的LCD控制器、TOUCHPANEL控制器、CAN、USB、AID、红外等，主频为70MHz。软件系统采用嵌入式实时多任务操作系统μC／OS-Ⅱ，嵌入了图形用户界面μC／GUI。根据不同的应

本发明公开了一种面向 NUMA 架构的 VCPU 调度优化方法，具 体地：采集每个 VCPU 的访存信息，分析计算各 VCPU 的访存特征； 根据每个 VCPU 的内存块位置和类型，在将访存密集型 VCPU 平均分 配到不同 NUMA 节点的基础上，保证最大限度的本地内存访问；当存 在空闲的 CPU 时，根据 CPU 负载大小以及 CPU 所属节点信息，为该 空闲的 CPU 选取一个合适的 VCPU 来运行。本发明针对访存密集型应