产品详细介绍OMS材料物理光学属性测量仪OMS2材料物理光学属性BRDF测量仪，用于测量光学材料表面BRDF光学属性以及材料体光学属性，测量出的数据经过OMS2数据处理软件的拟合，得出.BRDF格式的文件，这些文件都携带了材料的表面光学属性和体光学属性。这些数据文件可在OMS2支持软件中直接读取，在OMS2支持软件的协助下完成杂散光仿真分析处理。国内外用户有拜尔材料、洛克希德马丁、NASA、三星、LG、航天508所、中航工业上海航空电器有限公司等。设备组成OMS2材料BRDF光学属性高精测量系统由OMS2测量仪、数据处理工作站、OMS4数据处理软件。注：B2DF的解释双向反射分布函数（Bidirectional Reflectiondistribution function, BSDF）是研究物体表面粗糙度之光学性质。由于物体表面上有凹凸不平的微小表面，一束入射光线射到表面而产生反射现象，用BRDF 来表示这种反射（散射）现象。其中双向（Bidirectional）系指入射光与接受散射光的方向，因不同的入射光角度所产生的散射性质亦不相同。BRDF 主要应用在计算机仿真物体表面明亮度，与真实人眼所看物体之明亮度相符；另外可应用在背光模块之光学模拟，例如扩散膜之散射性质。测量波段OMS2测量系统可获得测量、提取材料在可见光以及近红外波段的光学属性，具体测量波段是400nm—670nm测量结果（1）材料表面光学属性BRDFa. 材料BRDF点阵数据在使用OMS2测量材料时，仪器中的光电倍增管（PMT）在2π空间内接受样品反射以及透射的光能量数据，因此测量后会得到离散型的点阵数据。b. 材料BRDF文件数据离散型数据直接被使用于软件仿真并不精确，所以所得的离散型数据必须经过数据处理才可使用，OMS2系统的工作站中带有由OPTIS研发出来的数据处理系统，经过OMS2数据处理软件的数据拟合、处理可得出精确的可直接使用.BRDF格式的文件结果中可以查看光的不同入射角度，以及不同波长时，光在材料表面反射、吸收的参数，并且还可查看反射的光型。（2）OMS2数据处理软件OMS2数据处理软件内含有OPTIS大量材料属性数据库，可对采集到的离散型数据进行处理拟合，生成.BSDF格式的材料面光学属性文件，以及.Material格式的材料体光学属性文件。生成的材料光学属性文件可在OMS2支持软件中使用。

产品详细介绍 1.产品由一根塑料条（120mm×4mm×1mm）、1个透明圆（直径20mm）、1个不透明圆（直径30mm）、一把直尺（长度为100mm）、五张坐标纸（120mm×80mm）组成； 2.透明塑料盒包装； 3.省级检测合格报告。

产品详细介绍

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

本发明公开了一种原位合成纳米金刚石增强铁镍合金基复合材料的方法，所述复合材料由碳纳米管和铁镍合金粉末作为原材料所制成，制备工艺为放电等离子烧结技术。碳纳米管在铁镍合金粉末的催化和放电等离子烧结的直流脉冲电场作用下部分相变为纳米金刚石，转变比例为50?80％，碳纳米管和纳米金刚石在复合材料中起到纤维增强和颗粒强化的协同增强效果。相对于现有技术，协同增强的强韧化效果更加优异，本发明所得到的铁镍合金基复合材料具有比纯铁镍合金更高的硬度、强度和耐磨性能而且具有更低的热膨胀系数，可以广泛应用于精密仪器和高新技术领域。

针对高缺陷炭负极电化学储钾容量与稳定性难以兼顾的问题，报道一种原位缺陷选择性调变与导电骨架搭建策略，通过热力学与动力学双重调控，提高缺陷炭负极电化学储钾综合性能。

1、 高分子材料专业人员，对高分子材料改性有工作经验的最好。2、 设备自动化或智能化面的专业人员，提高传统生产线的自动化和智能化水平，减少对人员的依赖性，提高设备的综合技术水平。

第二类超导体中量子化磁通的运动行为对超导材料和器件的电磁输运性质起着关键作用。人为调控超导磁通量子的运动行为，不但可以有效提高超导体的临界电流密度，还可实现具有新功能的超导电子器件，如超导磁通整流器、磁通二极管等。以往的磁通量子调控手段往往缺乏原位可调性，极大限制了相应超导电子器件的应用。近日，南京大学吴培亨院士领导的超导电子学研究所王永磊教授和王华兵教授研究团队设计出了一种可调控的新型人工自旋冰与超导异质结构器件，不但实现了超导电性的原位开关，还实现了可开关和可反转的磁通霍尔效应。 人工自旋冰是具有集体相互作用的纳米小磁体阵列，其特殊的几何排列使得系统具有很高的简并度、新奇的低能激发态（如磁单极子）、丰富的相变和磁畴。近年来该团队致力于人工自旋冰和超导纳米结构器件等方面的研究，不但设计出了可擦写的人工自旋冰，并且于国际上首次设计和制备出了人工自旋冰与超导的异质结构器件，实现了可调控的超导磁通阻挫效应和磁通整流效应。近日该团队又设计出了一种基于风车型人工自旋冰与超导的异质结构器件，利用风车型人工自旋冰易于调控的链条状磁荷结构，以及磁荷与超导磁通量子间的强耦合作用，实现了对超导磁通运动的原位操控，展示了超导零电阻态与耗散态之间的原位开关，同时实现了可编程的磁通霍尔效应。