|
搜索
搜 索
高等教育领域数字化综合服务平台
科技部 财政部关于印发《企业技术创新能力提升行动方案（2022—2023年）》的通知
到2023年底，一批惠企创新政策落地见效，创新要素加速向企业集聚，各类企业依靠科技创新引领高质量发展取得积极成效，一批骨干企业成为国家战略科技力量，一大批中小企业成为创新重要发源地，形成更加公平公正的创新环境。
科技部成果转化与区域创新司
2022-08-15
汽车零部件产品设计、强化工艺制定、耐久性评价以及研发能力提高
1. 具有自主知识产权的复杂服役条件下强度与耐久性评价技术：载荷谱处理新技术——有机地结合强度的动态变化特征等的载荷谱处理新技术；强度与耐久性快速试验和评价技术——基于动态强度特征零部件耐久性快速评价技术；复杂载荷下零部件疲劳寿命预测技术——有机的结合载荷强化和损伤特性、基于强度特征的疲劳累积损伤理论进行复杂载荷下汽车零部件寿命预测和评价。 2.基于载荷与强度特性的轻量化设计技术：具有自主产权的基于强度特征的轻量化设计方法——基于零部件载荷谱和强度特征进行轻量化设计，该方法能够充分发挥材料的强度潜能，疲劳强度和疲劳寿命设计更加合理；在零部件的轻量化设计中把静强度、疲劳强度和寿命、热处理要求、动态特性和成本有机结合起来进行，把产品的强度与耐久性延伸到成形工艺和热处理强化工艺，把成形工艺-热处理工艺-产品疲劳耐久性能关系有机的结合起来，成功的应用于等速万向传动中间轴自主开发设计中。
上海理工大学
2021-04-13
清华大学生命学院钟毅课题组揭示衰老后记忆容易受到干扰的分子机制
衰老引起的MAPK信号激活缺陷也发现于小鼠、大鼠、猕猴与人类自身，并被认为与衰老引起的记忆损伤相关。
清华大学
2022-05-27
一种用于增强畜禽免疫功能和抗病毒能力的药物提取物、制剂和制备方法
本发明公开了一种用于增强畜禽免疫功能和抗病毒能力的药物提取物、制剂和制备方法，药物提取物包括以下重量份数的原料药材：黄芪300‑900份、板蓝根100‑300份、防风100‑300份、炒白术100‑300份、黄芩100‑400份和紫锥菊100‑500份；以及公开了制剂和制备方法。本发明采用提取、在线高速离心、减压浓缩、喷雾干燥技术，技术能达到省时省力，高效低耗，有效成分得以充分保留；并且科学的药材
青岛农业大学
2021-01-12
联想：打造智慧学习空间，用技术赋能高校人才培养创新
职业教育的发展，体现国家的经济发展水平和教育现代化水平。党的十八大以来，尤其是国务院颁布《国家职业教育改革实施方案》（简称“职教20条”）以来，我国职业教育改革发展走上提质培优、增值赋能的快车道，职业教育面貌发生了格局性变化。
慧聪教育网
2021-06-06
教育部召开直属系统传达学习党的二十大精神大会
10月25日，教育部召开直属系统传达学习党的二十大精神大会。教育部党组书记、部长怀进鹏全面传达了党的二十大会议总体情况、大会报告主要精神、党章修正案和党的二十届一中全会精神。
教育部新闻办
2022-10-26
学习二十大｜来看《焦点访谈》“科教兴国 人才强国”专题报道
10月28日，中央广播电视总台《焦点访谈》“奋斗 新的伟业”系列节目推出“科教兴国 人才强国”专题报道，教育部党组书记、部长怀进鹏，科学技术部党组书记、部长王志刚，中国科学院院长、党组书记侯建国接受了采访。
央视新闻
2022-10-31
一种基于深度增强学习的代数应用题自动求解器
高校科技成果尽在科转云
电子科技大学
2021-04-10
一种基于极限学习机的慢盘检测方法及系统
本发明提供了一种基于极限学习机的慢盘检测方法及系统，通过对历史磁盘数据进行特征提取，从中选择特征向量进行训练，实现了基于神经网络检测慢盘的方案，优化了慢盘检测过程，提高了慢盘检测准确性并降低了计算复杂度；同时在实际使用过程中，随着历史磁盘数据数量的增加，越来越多的样本被不断训练，模型精度越来越高，进一步提升了准确率，保证了数据存储系统始终处于最佳工作状态。
曲阜师范大学
2021-05-07
利用自学习系统实现逼近理论极限的光学手性材料设计
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
北京大学
2021-04-11