南科大生物医学工程系助理教授郭琼玉课题组在肿瘤介入栓塞领域构建透明化离体模型方面取得最新研究进展，相关成果论文以“构建透明化肝脏离体模型评估肿瘤血管栓塞治疗（Decellularized liver as a translucent ex vivo model for vascular embolization evaluation）”为题发表在生物材料领域顶级学术期刊Biomaterials。 此项研究工作为建立透明化器官模型可视化研究及评估临床治疗手段开辟了新的途径，有望为蓬勃发展的生物技术和生物材料提供更加有效的评估策略。

本发明公开了一种堇青石负载型中温脱硝催化剂及其制备方法，用于处理工业废气中的NOx，属于催化剂技术领域。本发明的负载型脱硝催化剂包括堇青石蜂窝、TiO2和V2O5等组分。催化剂制备步骤包括堇青石的预处理、负载组分溶液的制备以及将预处理完毕的堇青石蜂窝浸渍在含有钒钼钛（V、Mo、Ti）负载组分和超细碳基造孔剂的溶液中，再经过干燥、焙烧等操作得到堇青石负载型中温脱硝催化剂。

薄形全采光高效自然通风隔声窗采用多层薄空腔微穿孔共振宽频消声结构形成消声 通道技术，内不含任何传统多孔纤维材料，不存在二次污染的问题，并解决了厚薄形透 明材料微孔加工的工艺问题；消声通道安装简便，易于清洗更换；现场实测效果优于现 市场上使用的通风隔声窗。

该成果获2018年度国家科学技术奖自然科学类二等奖，该成果系统地开展了摩擦的声子耗散以及声子在界而和多层膜结构内的输运规律的研究，在摩擦的声子粍散机理研宄方面，发现摩擦粍能与声子主导频率的定量关系；在国际上最早给出超晶格结构导热系数最小值出现的条件：率先提出声子沿石墨法向输运的自由程远大于经典理论预测的10nm左右：实现了描述声子输运的玻尔兹曼方程的数值解，在国际上率先发现多层膜之间的范德华力能够提髙声子在多层膜结构面内的平均自由程。该项0组的研究成果主要发表在Nano Letters、Physical Review B、Nature Nanotechnology等国际学术期刊上，其中8篇代表性论文获Science、Nature Nanotechnology、Nature Materials、Advanced Materials等重要国际学术期刊论文SCI他引509篇次，单篇最髙SCI他引U5次，研宂成果在国际上产生了重要的学术影响。

课题组采用基于密度泛函理论的晶格动力学方法研究了碲化镉(CdTe)材料的声子谱（见图1(a)），通过系统分析发现在具有闪锌矿结构的II-VI半导体碲化镉中存在理想的第二类外尔声子（见图1(b)），并且发现这样的准粒子激发发生于声学支和光学支的交汇处。课题组随后根据二阶力常数矩阵构造类似于电子系统的Wannier紧束缚Hamiltonian，从而可以

本发明公开了铱配合物声敏剂及其制备方法和应用，属于抗肿瘤声敏剂药物技术领域，本发明的铱配合物声敏剂具有两种结构，分别命名为Ir‑1，Ir‑2，并提供了两种结构的铱配合物声敏剂的制备方法，本发明制备方法简单，原料易得，提纯便捷易操作，而且制备得到的铱配合物声敏剂具有优异的光物理性质，在小鼠乳腺瘤中展现出良好的治疗效果，有效抑制肿瘤的生长，具有优异的声动力治疗效果。

适用范围：      与专业功放、前级效果处理器配套使用，组成一套完美音效、人声表现突出的高端娱乐会议扩声系统，适用于KTV房，高档会议室及多功能厅等场所的补声使用。 功能特点：         1. 采用1只6.5/8寸中低音喇叭单元和2只3"锥形高音单元。         2. 箱体采用12mm夹板制作，质量轻，耐磨喷漆处理，外贴防尘网棉。         3. 精确设计的分频器优化人声部分的中频表现力。                                       产品规格： 

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。

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。