产品详细介绍太阳能电池QE/IPCE(量子效率)测量系统Solar Cell Scan100        太阳能电池（光伏材料）光谱响应测试、量子效率QE（Quantum Efficiency）测试、光电转换效率IPCE (Monochromatic Incident Photon-to-Electron Conversion Efficiency) 测试等。广义来说，就是测量光伏材料在不同波长光照条件下的光生电流、光导等。    

一、产品简介        光纤通信作为一门新兴技术，它具有容量大、中继距离长、保密性好、不受电磁干扰和节省铜材等优点。近年来发展速度快，已被广泛应用到军事通信、民用通信等各种领域，是世界新技术革命的重要标志和未来信息社会中各种信息的主要传送工具。光缆是当今信息社会各种信息网的主要传输工具，它将取代传统的线路时代，目前在人们的生活和工作中应用广泛。为此公司研制出本实验系统，让学生了解和认识光纤光缆，是学校金工实习（工程实习）与工程检测的不二之选。 二、教学目的  1、熟悉光纤光缆型号及结构，掌握其装配方法、使用环境及保护措施等； 2、了解光缆的开缆工具及开缆过程； 3、熟悉掌握光纤接续基本过程； 4、了解并掌握OTDR的操作方法及注意事项； 5、掌握在手动和自定义模式下，熔接参数对溶解性的影响； 6、了解掌握OTDR及可见光对故障点的定位方法； 7、观测光纤尾端在不同连接头情况下的OTDR曲线； 8、熟悉光缆接续盒的结构，掌握光缆接续的注意事项； 三、实验内容 1、不同种类光纤光缆及光器件的认知和操作实验； 2、剥纤、清洁、切纤及光纤接续实训操作实验； 3、熔接机原理及使用实训操作实验； 4、基于剪断法的熔接损耗测量实验； 5、利用OTDR测量光纤长度实验； 6、利用OTDR测量光纤损耗实验； 7、手动模式下，光纤熔接实训实验； 8、自定义模式下，光纤熔接实训实验；

产品详细介绍Enlogic的EN1000 系列产品---IRMC级别测量系列涵盖了电能测量，功率和环境监测的功能。计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。持续的为IRMC每相的输入电源和断路器提供实时监测，该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%Phase Type: 1-phase每相输入电流：: 32A最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 42IEC C13 输出端口数：: 36Total # of IEC C19 Outlets: 4BS1363输出端口总数：: 2内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A, (BS1363)13A物理尺寸长,mm：: 1826 mm深,mm：: 44 mm宽,mm：: 55 mmMax Depth at Circuit Breaker: 56mm外壳颜色:: Black环境要求：可运行温度：: -5 to 60°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsEMC: 是安全认证：:环境认证::

产品详细介绍Shining3D-Metric摄影测量系统-三维摄影测量    先临三维自主研发的Shining3D-Metric 摄影测量系统，性能指标达到国际同类产品水平，是大范围三维测量的必备工具，可对中型或大型工件（几米甚至几十米）的快速三维测量和检测；特性 1、快速三维测量与检测-  Shining3D-Metric 摄影测量系统能快速计算出工件表面标志点的精确三维空间坐标，形成一个全局坐标系统，既可与CAD模型进行误差比对，实现大型工件快速三维检测；2、测量结果精确-  控制全局精度，搭配各种三维扫描仪使用，可进一步降低拼接的累计误差；产品规格（Shining3D-Metric摄影测量系统）产品型号 Shining3D-Metric-N     三维测量精度 ≤0.10mm/3m                       测量范围 0.1×0.1×0.1~10×10×10m3          工作环境 -20°~100°C 参考标准 VDI 2634/1 相机标定方式 自标定 匹配方式 编码点全自动匹配 数据传输方式 闪存卡或无线传输 相机规格 单反相机，28mm镜头，≥1200万像素 拼接方式 标志点全自动拼接，手动选点拼接 产品型号   Shining3D-Metric-H 三维测量精度  ≤0.10mm/4m 测量范围   0.1×0.1×0.1~50×50×50m3 工作环境 -20°~100°C 参考标准 VDI 2634/1 相机标定方式 自标定 匹配方式 编码点全自动匹配 数据传输方式 闪存卡或无线传输 相机规格 单反相机，28mm镜头，≥1200万像素 拼接方式 标志点全自动拼接，手动选点拼接 更多三维摄影测量系统，可见：http://www.shining3dscanner.cn/zh-cn/product_3dmetric.html

XM-YEF新生儿生长发育指标测量仿真模型   功能特点： ■ XM-YEF新生儿生长发育指标测量仿真模型共有3种不同生长指标的新生儿仿真模型，此3种模型人为1套，供学生训练与考核用。 ■ 3种新生儿模型均为男性，其身高分别为52cm、50cm、47cm，头围分别为42cm、34cm、31cm，体重分别为3kg、2kg、1.7kg。 ■ 身长测量：新生儿仿真模型的关节可活动，在自然状态下腿部呈M型，在测量新生儿身长时，操作者可拉直新生儿的关节，并且可推直新生儿的脚，使之与腿部呈90度角。  ■ 可进行新生儿抱持、包裹、擦浴、穿衣、换尿布、喂奶、清洁眼、耳、鼻等基础护理操作，可测量体重、胸围、腹围、头围等。 ■ 可进行皮肤护理。

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