本发明公开了一种改善浇注式沥青混凝土高温性能的改性硬质沥青，由以下重量比的原料制备而成：SBS(I-D)改性沥青70-75份，特立尼达湖沥青20-25份，青川岩(NES-1)沥青4-6份；还公开了其制备方法，包括以下步骤：将原料SBS(I-D)改性沥青和原料特立尼达湖沥青加热养护后混合均匀，继续养护，然后将称取的青川岩(NES-1)沥青加入混合沥青中；还公开了采用该改性硬质沥青制备的浇注式沥青混凝土。本发明的有益效果是：能有效地提高浇注式沥青混凝土的高温稳定性，防止钢桥面铺装层车辙病害的产生，大大提高桥梁的使用的寿命及铺装层的长期路用性能；原材料易获取，成本合理，工艺简单。

项目的背景及目的 反式-2-己烯醛（trans-2-Hexenal），俗称香叶醛（leaf aldehyde），其香气为特有的青叶子气味，独特的新鲜感，俗称青苹果。国际安全号：FDA121.1164。自然界主要存在于西方的鹅耳枥（carpinus betulus）和东方的茶叶油中。由于其独特的香气，常为调香师们爱用的增香剂。另外，由于其特有的化学结构，它又是合成多种香料必用的原料，如合成反-2-己烯醇，3-甲巯基己醛，3-巯基己醛等至少不下六种香料。

本项目研制的硫磺沥青改性剂含有特殊的硫化氢抑制剂和塑化剂,在沥青混合料中可替代约30%的沥青原料,并有效地减小在生产和摊铺过程的发烟,同时降低生产温度到140℃，节能减排，且硫化氢逸出量指标好于国外同类产品先进指标。将硫磺沥青改性剂加入到沥青中明显改善和提高了沥青混合料稳定度，抗车辙能力提高一倍，同时沥青混合料的低温抗裂性有一定的改善，沥青混合料的水稳定性也得到提高。

1、背景技术路面不平使车辆在行驶中产生行驶阻力和振动，严重时会直接影响车辆的平顺性、乘坐舒适性和使用寿命，所以对路面轮廓凹凸不平的检测十分必要。我们单位曾发明了一种“直尺式数显公路平整度仪”（专利号：96234713.2），并通过了交通部的成果鉴定（交科成鉴字1996第094号），它可克服传统三米直尺测量法工效低、受人为因素影响大等缺陷。但它无法测量车辙或边坡等路面横向轮廓。2、本专利的目的和特点本实用新型的目的是克服上述背景技术的不足，增加路面横向轮廓测量

本项目开发的流量预测系统，主要功能是预测未来某一天的资金流量，设计了一套深度学习系统用来精确预测未来某天的资金流量

沥青路面在交通载荷与气侯影响的作用下,随着时间的推移路面状况、服务能力将逐渐恶化，虽然预防性和修复性的养护可以趋缓恶化的速率，但路面必需进行翻修的时刻迟早总会到来。沥青混凝土再生技术就是利用就地热再生或就地冷再生原理对路面进行修复处理达到公路要求。其中： 热再生技术 （1）施工速度快不需材料的往返运输，节省了运输费用； （2）就地再生全部沥青路面材料。 冷再生技术 （1）不需任何原材料的运输（除少量的乳化沥青添加剂外），节省了大量运输费用； （2）不需对原材料进行加热，节省大量能源；（3）全部旧沥青路面材料就地再生利用，节省了大量宝贵资源。

泡沫沥青生产需要专门的机械生产设备。目前，能够生产泡沫沥青再生机械设备的 厂家有德国维特根（Wirtgen）公司、美国卡特彼勒公司、美国的 CMI 公司、日本小松 公司和加拿大 SOTER 公司。其中，维特根公司生产的昂贵的冷再生设备在世界各地发挥 着卓越的性能。在我国，泡沫沥青再生技术的实施至今还未能摆脱依赖设备进口的局面， 维修施工备受限制，严重制约了泡沫沥青的推广与应用。同济大学基于模块化的设计理 念，成功研制出沥青发泡功能模块。该模块将沥青发泡系统各部分功能进行独立封装， 方便安装在现有的冷再生机或各种搅拌站，可以根据业主和投资商的需求进行配置，使 用上更加灵活，同时避免了投资商的经济压力。这一研制成果必将大力推进泡沫沥青这 一创新技术的推广应用。

随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。 目前被广泛使用的经典冯·诺依曼计算架构下数据存储与处理是分离的，存储器与处理器之间通过数据总线进行数据传输，在面向大数据分析等应用场景中，这种计算架构已成为高性能低功耗计算系统的主要瓶颈之一：数据总线的有限带宽严重制约了处理器的性能与效率，且存储器与处理器之间存在严重性能不匹配问题。忆阻器存算一体系统把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用阻变器件进行数据存储与处理，通过将器件组织成为交叉阵列形式，实现存算一体的矩阵向量乘计算。忆阻器存算一体系统可以避免数据在存储和计算中反复搬移带来的时间和能量开销，消除了传统计算系统中的“存储墙”与“功耗墙”问题，可以高效、并行的完成基础的矩阵向量乘计算，未来极有潜力成为支撑人工智能等新兴应用的核心技术。 清华大学吴华强教授团队实现了材料与器件、电路设计、架构和算法的软硬件协同等多方面原始创新，解决了系统精度损失等被广泛关注的难题： 材料与器件创新。科研团队选择了电学特性稳定的二氧化铪作为忆阻层核心材料，提出了通过插入少量氧化铝层来固定离子分布、抑制晶粒间界形成的新理论，提出了引入热增强层的新原理器件结构，成功抑制了忆阻器非理想特性的产生。 电路设计创新。开发了一套忆阻器与晶体管的混合电路设计方法，提出“差分电阻”设计思想，采取源线电流镜限流设计，抑制了忆阻器电路中可能产生的各种计算误差。 算法创新。提出了混合训练算法，仅用小数据量训练神经网络并只更新最后一层网络的权重，即可将存算一体硬件系统的计算精度达到与软件理论值相同的水平。 “技术链”创新。从“单点技术突破”拓展到“技术链突破”，开发了针对忆阻器存算一体芯片的电子设计自动化（EDA）工具，打通了从电路模块设计到系统综合再到芯片验证的设计全流程。 上述理论和方法发表于《自然》《自然·纳米技术》《自然·通讯》等国际顶级期刊，以及被誉为“集成电路奥林匹克”的“国际固态电路大会”等顶级学术会议。研究成果被“国际半导体技术路线图”和30多部综述文章长篇幅引用。团队已在该研究方向申请国内外专利72项，其中30项已获得授权，知识产权完全自主可控。 团队已研制出全球首款忆阻器存算一体芯片和系统，集成了8个忆阻器阵列和完整的外围控制电路，以更小的功耗和更低的硬件成本大幅提升了计算设备的算力。全系统的计算能效比当前主流的人工智能计算平台——图形处理器（GPU）高两个数量级。团队还设计了一款基于130nm工艺研制的完整忆阻器存算一体芯片，在MNIST数据集上计算速度已超过市面上28nm工艺的四核CPU产品近20倍，能效有近千倍的优势。