产品详细介绍        柏胜领创系列运动场地合成材料面层系统，拥有跑道和球场两种性质的材料，其中统一面层都采用全水性生态希柏莱非固体原材料，下面弹性层全部采用油性柏胜邦盛非固体原材料。零求，更是获得欧盟ROHS认证，通过欧盟SVHC（高关注有害物质）测试，获得CEC环境友好认证证书，CQTA品负离子型硅PU球场材料试验报告，全力保障运动健儿的健康，是公认的最佳全天候室内外运动场地合成面层系统。 柏胜领创系列运动场地合成材料面层系统，全部釆用柏胜邦盛绿色环保材料，施工简便， 色彩丰富，运动舒适。零VOC,不含苯、二甲苯、TDk MOCA,短链氯化石蜡、重金属等 有害物质，也符合新国标GB36246-2018各项要求，更是获得欧盟ROHS认证，通过欧盟 SVHC (高关注有害物质)测试，获得CEC环境友好认证证书，CQTA品质验证证书等。 同时，领创系列球场不仅仅绿色环保，还创造“绿色”，获得绿色建筑材料国家重点实验 室的释放负离子型硅PU球场材料试验报告，全力保障运动健儿的健康，是公认的最佳全天 候室内外运动场地合成面层系统。

产品详细介绍橡胶材料拉力机 胶带拉力试验机 橡胶拉力机试验机   一、试验机使用范围及技术说明 1、适用范围  QX-W300 微机控制电子万能试验机为材料力学性能测量的试验设备，可进行金属与非金属、高分子材料等的拉伸、剥离、压缩、弯曲、剪切、顶破、戳穿、疲劳等项目的检测。 2、技术说明   微机控制电子万能材料试验机使用最新控制技术，通过日本松下原装交流数字控制器控制伺服电机配合同步带使两副高精度滚珠丝杠移动试台，试台能以0.001mm/min—500mm/min速度运行。在测力源上使用美国铨力原装进口高精度拉压传感器，其精度达到0.02%，灵敏度高，整个系统可达到0.5级精度，有效测力范围为最大力值的0.2%到100%；速度精度为示值的±0.5%以内；位移精度为示值的±0.5%以内；变形测量精度为示值的±0.5%以内。 二、试验机主要技术参数： 1、规格型号：QX-W300 2、最大试验负荷：2000N以内可任意换）； 3、测力精度等级：0.5级； 4、有效测力范围： 0.2%-100% 5、测力精度：示值的±0.5%以内； 6、试验力分辨率：最大试验力的±1/500000 7、试验速度调节范围：0.001-500mm/min 8、速度精度：示值的±0.5%以内； 9、变形测量范围：0.2%—100%FS； 10、变形精度：示值的±0.5%以内； 11、变形分辨力：最大变形的1/250000（全程分辨率不变）； 12、位移精度：示值的±0.5%以内； 13、位移分辨力：0.5µm； 14、安全装置：电子限位保护； 15、超载保护：超过最大负荷10%自动保护； 16、数据采集频率：200times/sec； 17、有效试验行程：300mm； 18、有效试验宽度：120mm； 19、电源电机：单相AC 220V±10%，200W； 20、主机重量：40kg。  

简    介  AMMT-050抗冲撞材料是由半预聚体、端氨基聚醚、胺扩链剂等原料现场喷涂成型的第三代聚脲弹性体。该技术将新材料、新设备和新工艺有机地结合在一起，是传统施工技术的一次革命性飞跃，是目前国际上最先进的施工技术之一。 特    性  ★ 凝胶时间为10秒钟，立面、顶面连续喷涂不流挂。 ★    优良的物理性能，对各类底材均具有良好的附着力。 ★    对湿气、温度不敏感，热稳定性好。 ★    100%固含量，无VOC，无污染，环境友好。 ★    优良的防撞、耐磨性能，舒适性好，即使表面破损也不会伤人。 ★    耐候性好，在户外长期使用不粉化，不失色。 用    途  AMMT-050抗冲撞材料可用于护舷、浮萍、碰碰船、玻璃钢艇等设施的蒙皮，能起到很好的保护和缓冲作用，还可用来制作或修复水上乐园的滑梯以及其它骑乘设施。

基于春光公司对铁氧体材料的深刻理解，公司主要研发制造锰锌铁氧体粉料CH系列、CP系列、CB三大系列：锰锌铁氧体粉CB系列分为CB45DW、CB50DW、CB38、CB18等

基于春光公司对铁氧体材料的深刻理解，公司主要研发制造锰锌铁氧体粉料CH系列、CP系列、CB三大系列：锰锌铁氧体粉料功率材质形成CP系列分为CP40、CP44 、CP47、 CP90、 CP95 、CP96等6大品种根据功耗、叠加、Bs等分12个品种。

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：