无性系，灌木型，中叶类，中生种，2006 年山东林木品种审定委员会审定 为林木良种，编号鲁 S-SV-CS-001-2006。树姿直立或半开张，叶片长卵形、中 等大小、厚、浓绿色，叶表面褶明显，叶片长 7.12cm、宽 4.15cm，叶尖突出， 叶缘锯齿状。在山东泰山 1 芽 1 叶期 4 月下旬，芽叶生育力强，绿色，肥壮， 亩产鲜叶量 700kg 左右。适制红茶、绿茶，品质优良。抗寒性、抗虫性强。适 于在山东中北部和北方同类茶产区。

‘彩虹 1 号’是历经 20 余年精心选育、培育而成的优质中熟苹 果新品种。 果实近圆形，表面光洁、美观，肉质细，口感松脆，汁液多，有浓 郁的芳香味，品质优良；树体短枝条性状明显，成花容易，连续结果能力强，青岛农业大学科技成果介绍 2017 －17－ 高抗苹果炭疽菌叶枯病。该品种栽培容易，管理技术同目前的主栽品种‘富士’， 在我省的苹果产区可作为中熟苹果新品种进行推广。由于该品种的最佳上市时 间在中秋节前后及国庆节前，因此，具有较大的市场需求，其栽培前景较好。 针对目前我省苹果生产上中早熟优良品种相

产品详细介绍黑体产品分类    黑体按温度分为 低温、中温、高温三段。    低温黑体：下限温度为环境温度以下的黑体。因为下限温度等于和低于环境温度时，需要有制冷设备，因此分类为低温黑体，即Tmin≤T环境。    中温黑体：下限温度为环境温度以上、上限温度为1200℃以下的黑体。因为该段温度为最常用，用普通的加热方式就能实现。因此分类为中温黑体，即T环境＜T≤1200℃。     高温黑体：上限温度为1200℃以上的黑体。因为1200℃以上的温度使用地方不多，加热用通常的方式已经不能解决，温度大于1600℃只能进行抽真空。因此分类为高温黑体，即T＞1200℃。     说明：各个黑体温度段的温度有重叠和交差，但按照上面的分段均能准确的分类。     如果有特殊要求，可以和我们联系，进行特殊定做。   中温黑体 低温黑体 热管黑体 高温黑体 型    号 HZ-1 HZ-2 HZ-3 HL-3 HL-2 HL-1 RB1-1 RB1-2 RB1-3 HG-1 HGK-1 HG-2 HG-3 工作温度℃ 300～1100 300～1200 50～600 -50～100 -20～100 0～100 室温～150 150～300 300～500 700～1600 300～1600 1400～2500 2200～3000 腔口直径mm Φ40 Φ30 Φ30/Φ40 Φ30 发射率 ≥0.995 ≥0.997 ≥0.995 显示分辨率 0.1℃ 0.01℃ 0.1℃ 1℃ 温度稳定度 ≤±0.5℃/10min ≤±0.1℃/10min   ≤±1℃/10min ≤±1.5℃/10min 电源功率kW 2.0 2.0 0.6 3.2 2.7 1.5 4.0 6.0 重量 kg 25 15 195 100 40 100 500 　 　 HZ-3中温黑体 HZ-2中温黑体 HG-1高温黑体 HL-3低温黑体 　 　 联系人:王世福            电话:010-67810538    13601309802

产品详细介绍

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