XM-505肝小叶模型   XM-505人肝小叶模型是将人肝的一个肝小叶放大，属五角棱柱形，在肝小叶周边可见到小叶间结蒂组织，内有小叶间动静脉、胆管及淋巴管，并可看到小叶表面的肝板及血窦。并可将模型解剖开，显示其内部的中心静脉、肝血窦、肝板、每个肝细胞的立体外形、肝细胞表面的毛细胆管及肝血窦中枯否化细胞。模型上附有二块特殊部分，一个是透明部分，可透视出肝血窦，以及环绕每个肝细胞的六角形毛细胆管立体网，用于显示肝细胞，肝血窦及毛细胆管三者间的复杂关系。另一个是显示肝小叶外面到中间部的肝小叶部分结构，其中肝血窦大部为横断，其间的肝细胞基本上为一层，在本肝小叶模型下面附有小叶下静脉。 尺寸：放大，25×23×40cm 材质：玻璃钢材料

XM-HL6高级成人护理及CPR模拟人   XM-HL6高级成人护理及CPR模拟人是集护理与急救于一体的整体护理人，高分子环保材料制成，肤质仿真度高，可进行CPR心肺复苏训练及多项基础护理操作训练。   功能特点： ■ 解剖标志明显，可触及两乳头、肋骨、胸骨及剑突，胸部富有弹性，胸皮可打开，能观察到真实大小的肋骨、双肺、心脏、肝脏、胃等器官。 ■ 四肢关节灵活度逼真，可模拟关节僵硬，躯干部可前倾，可坐轮椅。 · 躯干：屈伸 · 颈部：屈伸、侧转 · 肩部和髋部：内收、外展、屈伸 · 肘部：旋内、旋外、屈伸 · 膝部：屈伸 · 腕部：屈伸 · 踝部：旋内、旋外、背屈、跖屈 ■ 可实现多种体位：去枕平卧位、屈膝仰卧位、半坐卧位、端坐位、俯卧位、头低足高位、头高足低位、侧卧位、截石位、昏迷体位等，满足操作需要。 ■ 可进行床上擦浴、更衣、病人搬运，翻身、手足护理，扶助病人移向床头法、轮椅使用法、平车运送法、担架运送法等移动和搬运病人法，轴线翻身法、肢体约束法、肩部约束法、全身约束法等基本护理操作。 ■ 脸部清洁：面部皮肤可擦拭清洁。 ■ 瞳孔观察示教：一侧瞳孔散大、一侧瞳孔正常。 ■ 耳部护理：可进行耳廓、外耳道的清洗。 ■ 口腔护理: 可进行正常口腔及牙齿护理。 ■ 可进行心肺复苏术操作训练： · 执行《2015 美国心脏协会心肺复苏与心血管急救指南》标准。 · 头可后仰，可进行胸外按压、仰头举颏法、仰头抬颈法、双手抬颌法三种方法打开气道、口对口人工呼吸或者使用简易呼吸器辅助呼吸，有效人工呼吸可见胸廓起伏。 · 进行胸部按压时可下降5-6cm。 · 电子监测系统：可监测吹气量、按压位置以及按压深度。 · 设有考核与训练两种程序：当选择训练模式时，可通过按钮在按压与吹气之间任意切换，当选择考核状态时，程序按照30：2按压与吹气比自动运行。 ■ 条形码显示吹气量，正确的吹气量为500-600ml-1000ml： · 吹气量过少时，条形码为黄色。 · 吹气量合适时，条形码为绿色。 · 吹气量过大时，条形码为红色。 · 吹入的潮气量过快或超大，造成气体进入胃部指示灯显示、数码计数显示、错误语言提示。 ■ 条形码显示按压深度，正确的按压深度5-6cm： · 按压深度过少时，条形码为黄色。 · 按压深度合适时，条形码为绿色。 · 按压深度过大时，条形码为红色。 ■ 挤压气囊可触及颈动脉搏动。 ■ 可进行气管切开术后护理。 ■ 可进行吸痰术练习。 ■ 氧气吸入法：鼻孔内可插入吸氧管，练习氧气吸入的操作过程。 ■ 雾化吸入疗法：可练习雾化吸入的操作过程。 ■ 鼻饲术：托起头部使下颌靠近胸骨柄实现昏迷病人的鼻饲，具有真实大小的胃，可容纳250ml的液体，胃管插入45-55cm时，可以抽出模拟胃液。 ■ 洗胃术：可经口、鼻进行洗胃器洗胃、电动吸引器洗胃、胃管洗胃、洗胃机洗胃，胃容量约为200ml。 ■ 手臂静脉穿刺、注射、输液（血）：可使用不同类型的穿刺针，正确穿刺时落空感明显并有回血产生，可进行静脉输液（血）练习，静脉血管和皮肤均可更换，操作方便，经济实用。 ■ 上臂三角肌皮下注射：可注入真实液体，注射模块可取下清洗，并可更换。 ■ 臀部肌肉注射：可注入真实液体，注射模块可取下清洗，并可更换。 ■ 股外侧肌肉注射：可注入真实液体，注射模块可取下清洗，并可更换。 ■ 男性导尿术：可取仰卧屈膝位，两腿外展后可独立支撑，男性阴茎可提起与腹壁成60度角，插管时可真实感受男性尿道的三个狭窄、两个弯曲，操作成功后可导出模拟尿液。 ■ 女性导尿术：可取仰卧屈膝位，两腿外展后可独立支撑，女性尿道充分体现短、粗、直，具有尿道口、阴道口、阴蒂等解剖结构，操作成功后可导出模拟尿液。 ■ 留置尿管和膀胱冲洗术。 ■ 造瘘口护理：腹壁有回肠造瘘口和结肠造瘘口，内连集液瓶，可进行造瘘口护理。 ■ 灌肠操作训练：可实现大量不保留灌肠、小量不保留灌肠、清洁灌肠和保留灌肠等多种灌肠方式。 ■ 压疮护理：显示压疮的临床分期4个不同阶段，同时显示压疮和各种病理表现：压疮炎症、溃疡、窦道、腐肉、坏死、焦痂等，可进行伤口的评估、测量与清洗。 · 第一期：淤血红润期。 · 第二期：炎症浸润期。 · 第三期：浅度溃疡期。 · 第四期：坏死溃疡期。 ■ 可练习手指、足趾的包扎。 ■ 其他护理操作：冷热疗法护理、外阴擦洗、外阴湿热敷、尿道冲洗、床上擦浴、座式擦浴、穿换衣服等多项护理操作。

项目开展的背景及意义 当前，我国经济发展进入新常态，能源转型面临需求放缓、传统产能过剩、环境问题突出、整体效率较低等问题，传统能源系统又存在着各能源子系统规划协调不足、弃风弃光现象突出、对化石能源依赖严重等现象，推进国家能源转型、构建新型能源系统势在必行。 综合能源系统是能源互联网建设的物理载体，是支撑国网战略目标落地的重要形式。综合能源系统能够拓宽国网公司发展业务，培育业务增长点和盈利模式增长点，是实现国网公司业务可持续发展的重要手段。 综合能源系统规划建设是项目成立的开端，规划优化效果最优是项目最好的投资、更是最好的节约。综合能源系统规划问题涉及源、网、荷、储协同，需要多维能源数据信息支撑，包括不同设备动态运行特征信息、多元用户负荷特性等数据。而大数据技术能够为综合能源系统规划建设提供基础的数据服务。  有助于可再生能源开发规模进一步提升，促进社会能源可持续发展； 有利于能源的投入产出效率进一步提升，减少能源消耗总量； 有利于社会资源配置进一步优化，降低能源系统建设成本；  有利于推动能源互联网的进一步实施和落地，助力国网实现具有中国特色国际领先的能源互联网企业的战略目标； 有助于电网公司新型业务进一步推进，扩展业务和收入增长点；  综合能源系统中的大数据——应用 在能源革命和数字革命的推动下，大数据技术在综合能源系统的中的应用越来越广泛，助力解决综合能源系统规划优化或运行优化多因素设备建模、设备运行状态诊断、用户用能画像、用能场景生成、优化策略生成的问题。  项目研究内容 项目研究成果 主要成果 本项目的应用示范能够指导综合能源系统工程实际落地，服务基础设施建设；能够指导综合能源系统规划效果评估，提供规划决策工具；能够指导不同区域典型综合能源系统场景示范推广，打造可推广的样板工程；能够深化综合能源系统一体化服务，助力综合能源系统广泛推广。项目发表学术论文5篇、申请发明专利10项、软件著作权5项。 示范应用 本项目预计在山东省内落地应用，打造不同行业的综合能源应用示范项目，目前在前期项目应用实施阶段，预计2021年底完成项目应用实施。  

一、 项目简介通过机器视觉进行电缆护套拉伸长度测量，用于“电线电缆”产品检验设备，通过数字图像处理技术测量电缆护套上两个标志点之间的长度，来分析电线电缆绝缘层材料的抗张强度和断裂伸长率。该检测装置无需人工干预，可自动完成电缆护套试件拉伸长度的测量，检测过程中样品无接触压痕，可实现5个实验样本一次装卡，同时作拉伸长度检测试验，并进行智能数据分析，缩短了试验时间，极大地提高了实验效率和检测精度。二、 项目技术成熟程度已完成样机研制，获专利1项。三、 技术指标（包括鉴定、知识产权专利、获奖等情况）1、最大试验力：500N ；     2、测力示值准确度：≤±1.0%；3、试验速度范围：10-500mm/min； 4、速度示值准确度：≤±1mm；5、移动台最大位移：600mm ；  6、位移示值准确度：≤±1mm。四、 市场前景（应用领域、市场分析等）产品可用于电材生产及相关质检部门，目前国内无类似产品，属国内首创，市场前景看好。五、 规模与投资需求（资金需求、场地规模、人员等需求）机械部分可以自行加工或外协加工，计算机电控部分组装与调试需2~3人。除机械部分外，厂房40平方米左右即可。规模生产需要流动资金100万左右。六、 效益分析 按每年生产200台计算，可获利约1500-2000万，七、 合作方式 技术入股，技术转让等形式。或面谈。八、 项目具体联系人及联系方式（包括电子邮箱）项目负责及联系人：高振斌，电话：022-60436758邮箱：gaozhenbin@hebut.edu.cn九、高清成果图片2-3张  

生成模型的研究重点是如何从给定的数据集合中学习到数据的联合概率分布，以及从学习到的概率分布中高效地生成新的样本。研究团队提出将数据的联合分布概率编码成量子多体态的概率幅的模平方。进一步地，他们提出在经典计算机上使用矩阵乘积态(Matrix Product States)来模拟学习的过程。矩阵乘积态的参数，即张量网络的张量元，可以通过类似密度矩阵重整化群(Density Matrix Renormalization Group)的算法进行学习，最终形成一个具有泛化能力的生成模型。这个学习算法结合了量子物理与机器学习各自的优点：它不仅可以利用GPU高效地学习到模型参数，还可以利用张量网络的灵活性动态地调节模型表达能力。此外，与传统的基于统计物理的生成模型（例如玻尔兹曼机）相比，玻恩学习机还具备直接生成无关联样本的强大能力，从而可以高效地生成新的数据。 基于量子态的概率生成模型融合了量子物理与机器学习的思想，是一个崭新的研究领域。玻恩学习机借助量子态内禀的概率解释及其强大的表达能力，意在为机器学习和人工智能提供更为先进的生成模型和学习算法。此外，这类模型在量子信息处理，量子计算以及多体物理中具有应用潜力。展望将来，最令人兴奋的前景应该会是在一台量子计算机上实现玻恩学习机，从而以全新的方法进行概率型的学习和建模。这项工作用使用张量网络模拟量子计算机的运行，向无监督量子机器学习迈近了一步。作用在一幅MNIST图片上的矩阵乘积态以及它的纠缠谱