|
搜索
搜 索
高等教育领域数字化综合服务平台
材料与物理学院陈凯副教授在人工关节材料仿生设计方面取得系列进展
水凝胶仿生软骨材料显示出各向异性的微观结构，并表现出优异的力学性能，拉伸强度为10.65 MPa，韧性为52.2 MJ/m3，压缩强度为4.86 MPa，高于其他的各向同性水凝胶以及大多数报道的水凝胶材料。
中国矿业大学
2022-06-01
材料学院刘向峰团队在动力与储能型二次电池关键材料方面取得新进展
研究发现氧空位引入能够有效调控富锂锰基层状氧化物中的库伦斥力，实现TMO6八面体的可逆畸变，同时能够有效抑制过渡金属离子的迁移和溶解，使得电化学性能获得显著改善。
中国科学院大学
2022-06-01
专家报告荟萃⑰ | 人力资源与社会保障部就业促进司一级巡视员尹建堃：基于数字时代背景下创新创业教育改革发展
创业是就业之源，具有就业的倍增效应。今天我们探讨数字时代背景下创新创业教育改革发展，我相信必将进一步激发大学生创业的热情，更推进高质量充分就业。
中国高等教育博览会
2025-01-17
西安交大能动学院热流科学与工程教育部重点实验室在 Chemical Reviews发表质子交换膜燃料电池多孔流场综述文章
本综述首先从材料、制备方法、表征方法等方面对多孔流场进行了全面介绍；之后，对多孔流场中的气液两相流动以及多孔流场对燃料电池在正常工况和冷启动工况下的性能进行了深入讨论。
西安交通大学
2023-02-02
安徽大学基于金属有机框架纳米材料的电致化学发光生物传感器用于高灵敏检测肿瘤标志物研究取得新进展
Ti3C2Tx-MXene是一种新型的二维纳米材料，该材料具有良好的金属导电性、亲水性、大比表面积及丰富的表面修饰基团等优点被广泛应用在催化、电化学传感领域。
安徽大学
2022-06-13
安徽大学基于金属有机框架纳米材料的电致化学发光生物传感器用于高灵敏检测肿瘤标志物研究取得新进展
我校毛昌杰教授团队以二维过渡金属碳化物（Ti3C2Tx-MXene）为金属源合成金属有机框架纳米材料（Ti3C2Tx-PMOF），并成功将其应用于电致化学发光生物传感领域。
安徽大学
2022-06-01
基于NS3的并行模拟仿真
NS-3 是一款面向网络系统的离散事件仿真软件，主要用于研究与教学目的。 NS-3 作为源代码公开的一款免费软件， GNU GPLv2 认证许可，可被大众研究、 改进与使用，它将逐步取代目前广泛应用的 NS-2 网络模拟软件。NS-3 是由 C++ 和 Python 语言编写的， 可作为源代码发布并适用以下的系统： Linux ， Unix variants，OS X，以及 Windows 平台上运行的 Cygwin 或 MinGW 等。NS-3模拟仿真平台可以用来模拟仿真各种类型的网络、以及各种类型的协议，在原有平台基础上自定义仿真环境与参数等。 基于NS3的并行模拟仿真系统，借助NS-3模拟仿真平台开源、免费并且技术先进等优势，在NS-3仿真系统上实现多计算节点并行仿真，提高仿真效率。本项目科技成果，在保证并行仿真效果与串行仿真结果一致的前提下，提高模拟仿真时间效率，适用于计算量巨大的模拟仿真任务，计算效率与并行计算节点数量相关，增加计算节点能够大幅度提高模拟仿真时间效率。项目研究成果可用于科研机构，企业项目开发等所需的复杂模拟仿真任务，提高其项目研发、验证的效率，缩短产品开发、测试周期。
电子科技大学
2021-04-10
基于串联弹性驱动单元的稳定系统
项目简介： 作为新一代机器人的核心部件，串联弹性驱动单元通过模拟生物 运动特性，进而能够实现精确的力控制，因而被广泛使用于机器人与环境、人类等频繁交互的场景。本成果从串联弹性单元的特性出发， 将串联弹性驱动单元替换传统稳定平台驱动单元，利用弹性元件将载 体扰动的瞬变力通过弹性单元转化为渐变力，有效降低平台受到的外 界扰动 。
南开大学
2021-04-11
基于NS3的并行模拟仿真
NS-3 是一款面向网络系统的离散事件仿真软件，主要用于研究与教学目的。 NS-3 作为源代码公开的一款免费软件， GNU GPLv2 认证许可，可被大众研究、 改进与使用，它将逐步取代目前广泛应用的 NS-2 网络模拟软件。NS-3 是由 C++ 和 Python 语言编写的， 可作为源代码发布并适用以下的系统： Linux ， Unix variants，OS X，以及 Windows 平台上运行的 Cygwin 或 MinGW 等。NS-3模拟仿真平台可以用来模拟仿真各种类型的网络、以及各种类型的协议，在原有平台基础上自定义仿真环境与参数等。
电子科技大学
2021-04-10
基于集成学习的网络流量预测
本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。
中山大学
2021-04-10