试验检测是进行工程质量检测的有效方式。试验室在工程质量管理中心是一个非常重要的环节。

斯科提出一套基于RFID技术的航空机务组RFID智能工具库房整体解决方案，通过标准化、智能化与数据化手段，构建更安全、更高效的机务组工具库房运行管理体系。

本发明涉及光致发光材料技术领域，具体公开了一种配位聚合物闪烁体、柔性闪烁体薄膜及其应用，本发明所制备得到的配位聚合物闪烁体在360nm的激发光源下和X射线光源辐照下均发射绿光，并且对X射线展现处优异的线性响应性，并且表现出明显的热活化增强发光，当信噪比为3时，该闪烁体的最低检测限达到29.6nGy/s，这一数值较典型医学成像系统所需的检测限(5500nGy/s)低约186倍，同时，本发明所制备的闪烁体薄膜可对不同物体实现X射线成像效果，本发明所制备得到的闪烁体薄膜完全可以替代目前商用的闪烁体。

基于无线网络的AGV全智能物流系统是通过AGV的组网、物流管理及多信息的融合来达 到行驶路线易于更改、多AGV多路线进行协作的功能，较之以往的物流系统是通过相应的传 感器识别标志物，从而获知行驶的路线，更加自动化与智能化。本系统主要运用的技术有多信 息融合技术、视觉导引技术、无线通讯技术、最短路径规划技术等。 该系统具有的创新性如下： (1) 多信息融合：将非接触式IC卡应用于AGV系统，可以提供必要的导航信息，对视觉信 息的不足进行补充。其作为一种可读写的数字化传感器，可以对小车前方的轨迹进行预报，增 强小车运动的智能性； (2) 预测学习导航模型：本项目中视觉导航所采用的是根据AGV的位置及摄像机视野建立 预测模型，在行驶的情况下以模糊控制的方法来对AGV的运行状态进行控制，并在运行过程 中不断学习，不断地修正模型中的参数，使其更精确地导航。 (3) 多路况的智能识别：可以对特定的路况进行识别，包括弯道，十字，分叉等；可以支 持虚线和实线两种识别方式。 (4) 物流管理调度：上位服务器可以实时地对AGV进行监视和控制，如果AGVS根据某种 需要，要求改变进度表，则可以很方便地重新安排小车路线。 (5) 网络无缝连接优化：本项目中基于传统的无缝链接技术之上，提出一种优化模型可以 改善AGV在网络间隔区域的通信问题。 基于无线网络的AGV全智能物流系统中的AGV额定负载能力为3~4000kg、最大速度：直 线36m/min，转弯25m/min、工作速度：直线30m/min，转弯20m/min、其自动导航精度达到 ±10mm，停车精度达到±5mm。因此本物流系统能够很好的满足日常仓储物流、流水线物料 搬运的要求，且精确性与实用性更高。

南科大生物医学工程系助理教授郭琼玉课题组在肿瘤介入栓塞领域构建透明化离体模型方面取得最新研究进展，相关成果论文以“构建透明化肝脏离体模型评估肿瘤血管栓塞治疗（Decellularized liver as a translucent ex vivo model for vascular embolization evaluation）”为题发表在生物材料领域顶级学术期刊Biomaterials。 此项研究工作为建立透明化器官模型可视化研究及评估临床治疗手段开辟了新的途径，有望为蓬勃发展的生物技术和生物材料提供更加有效的评估策略。

本发明公开了一种缓存管理方法，包括：若缓存中有空白缓存 空间，则请求数据写入空白缓存空间；若缓存已被写满，同时请求数 据块号未记录在缓存筛选队列中，则将请求数据块号写入缓存筛选队 列的尾部；若缓存已被写满，同时请求数据块号已被记录在缓存筛选 队列当中，将此数据块号从缓存筛选队列中删除，并将此请求数据写 入缓存；其中，缓存筛选队列为 LRU 队列，用于记录最近被访问却未 命中缓存的数据的磁盘块号。本发明还公开了所述方法

本发明公开了一种用于激光解吸离子化质谱的螺旋二十四面体结构基底，该基底为三维网络状结构，表面覆盖一层贵金属，能与激光发生耦合，吸收并转移激光能量到待测分析物分子，使之脱附并裂解成带电荷的分子碎片。所述的螺旋二十四面体结构(Gyroid结构)服从以下关系：其中L为螺旋二十四面体结构的周期，t调节螺旋二十四面体结构的形貌。

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。

项目成果/简介: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。