一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

研发阶段/n拟突破传统的控制流模式，开展新型高能效处理器体系结构的研究，主要研究 内容包括：（1）新型的并行计算模型，拟研究支持控数协同的新型并行计算模型， 为高能效处理器体系结构提供理论指导；（2）新型的高能效处理器体系结构，拟 研究新型计算模型指导下的控数协同处理器体系结构，兼顾通用性和高能效；（3） 基于新器件的高能效体系结构，拟研究基于超导器件的高能效体系结构设计，以进 一步提升处理器能效比；（4）高能效体系结构和应用的协同优化，拟研究后E级计 算典型应用和控数协同体系结构的协同优化，验证新

我国水处理技术起步较晚，大部分是剖析、仿制或依据国外专利研制的，再加上我国水处理剂工业发展历史较短，科研经费有限,因此具有基础薄弱、技术比较落后、整体水平不高的特点。虽然经过“八五”、“九五”攻关在水处理药剂开发方面达到了较高水平，但是随着环保和节水意识的加强，在水处理药剂的低磷化、环保化方面，在水处理药剂生产的连续化、自动化、标准化方面，水处理药剂

在利用叠氮非天然糖 Ac4ManNAz 对细胞进行唾液酸化标记时，质谱数据中出现了胞质蛋白。而正常情况下，胞质蛋白是不具有唾液酸修饰的。为了解释这一现象，利用基于位点的化学蛋白质学技术手段鉴定到这些蛋白中的半胱氨酸残基被非天然糖所修饰，并且产生了带有不同乙酰基数目的修饰情况。为了进一步排除这些修饰是通过代谢途径产生的可能性，将全乙酰化的非天然糖直接与细胞裂解液或纯蛋白孵育，也都能发现蛋白质上的半胱氨酸可以被修饰。

该研究利用 1,4- 二溴 -2,5- 二乙炔基苯这一双官能团分子作为反应前驱体。扫描隧道显微镜研究表明，前驱体分子吸附在 Ag(111) 表面后，两个等价溴代位点在不同温度下分步活化，并参与不同的反应：室温（ 300 K ）下，分子首先选择性地脱去一个溴原子，脱溴位点与氢原子反应；同时，分子中的炔基发生分子间反应，形成由炔 - 银 - 炔节点连接而成的一维有机金属链状结构。分子中另一个溴原子的活化需要更高的温度（ 320~450 K ），形成的脱溴位点则与表面银增原子反应生成分子间的有机金属连接，最终得到由炔 - 银 - 炔和炔 - 银 - 苯两种有机金属节点有序排列而成的二维结构。密度泛函理论计算进一步揭示了非对称反应的机理：分子中两个溴原子解离势垒的差异导致了二者在不同温度下分步活化。较低温度下，炔基的反应提供大量氢原子，促进了脱溴位点与氢的不可逆结合；更高温度下，表面氢原子耗尽，稳定的分子间有机金属产物的形成拉动了脱溴位点与银的反应向右进行。该研究为制备复杂的分子纳米结构和高分子提供了新思路。

成果简介：环境卫星快速反应系统采用大规模嵌入式并行处理平台，突破了高光谱实时光谱复原、相位校正、SAR实时成像等关键技术，关键区域遥感图像的获取延迟小于2分钟，实现了我国卫星遥感的减灾、环境监测等高时效应用。 项目来源：自行开发 技术领域：电子信息 技术特点：多星多载荷兼容：实时完成HJ-1A星高光谱数据光谱复原、HJ-1C星SAR成像处理及实时快视显示。具有远程多用户同时快视浏览功能。具有快速反应能力，在本地或者远程实时快视浏览的同时，可以本地或者远程凝

本实用新型涉及适于磁性原料的反应釜，包括釜体，所述釜体外部设置有磁性部件，还包括用于驱动所述磁性部件活动的驱动装置；进一步的，所述釜体从内到外依次为耐腐层、釜体结构层、换热介质腔、保温层，所述换热介质腔下部设置有介质进口，换热介质腔上部设置有介质出口，上述反应釜，利用磁性原料可以被磁铁吸引的特性，依靠驱动装置带动反应釜外部的磁性部件活动，磁性部件产生的磁力带动容器内的原料扰动、混合，强化传递过程，促进反应进行，由于不需要搅拌浆伸入容器内，能避免搅拌桨腐蚀、污染原料，且反应釜更容易实现带压密封，采用可转动的挡板作为卸料门时，挡板翻转时实现卸料，可以避免结晶物堵塞卸料口。

产品详细介绍呼吸信号分析呼吸信号(Respiration)简称RESP，是伴随着呼气与吸气的周期性变换，在呼吸管道以及胸腹部都会产生周期性形变产生的生理电信号。随着疲劳程度的加深，呼吸的幅度减弱，周期性的频率延缓。此外随着个体情绪的变化，人的呼吸信号也会发生规律性变化。ErgoLAB呼吸反应分析软件提供多种滤波方式，便于根据研究需要进行选择与自定义调节。还可监测与分析全程以及阶段化的数据信息处理方式，更加精准的分析某一时间段内的呼吸行为。从而统计并导出呼吸信号的时域与频域数据报告，具体数据包括时域数据AVRESP、SD、Max、Min、Rang；频域数据Power、Peak值，以及可视化的功率谱图等。RESP高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与RESP指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求：1、信号处理模块处理方法包括小波去噪（Wavelet Filter）、高通滤波(baseline)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的RESP信号；数据校正包括滑动均值滤波（Moving Average）与滑动均方根滤波（Moving RMS）。IBI计算，通过设置最大呼吸速率（Maximum Heart Rate）与最大呼吸阈值（R-peak Mark Threshold）提取R点数据，支持自定义参数。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析，二者可实现自由切换。A.   时域分析是将RESP信号看作时间的函数，通过分析得到RESP信号的统计特征。统计分析指标包括：一段时间内的均值（Mean）、中值（Median）、标准差（STD）、最大最小值差（Range）。B.   频域分析是运用参数模型法和快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定RESP信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。包括Power与Peak能量值。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、BR数据、IR数据以及整体结果报告。