水中微量痕量污染物的清除仍是科技界的严重挑战技术。微量污染物的累积作用和毒害作用正在引起人们的重视。当前缺乏的是低成本、低投入、高效和易推广的技术。常规吸附剂如活性炭虽然易从水体分离，但由于表面缺乏精细电子和拓扑结构，难以捕捉微量痕量污染物。本项目致力于开发一种表面精细结构化的、能大规模生产的高效水处理剂。最近我们发现用树状两亲体可以调控浓乳液聚合，提供了一种直接大规模获得表面结构化材料的方法。由于树状两亲体不仅能在界面组装，自身还能提供各种期望的电子环境和拓扑环境，从而高效地与各种客体分子互补，使捕捉微量客体分子成为可能。另一方面，随着大量树状体被报道，有数种已经商业化，由此衍生的树状两亲体容易实现规模化生产。理论上讲，各种树状两亲体可同时参与稳定浓乳液，形成类似斑豹的表面结构，这进一步为同时清除广谱微量水污染物提供了可能。初步研究表明，这类吸附剂能创纪录地将水中典型致癌芳烃降低到十亿分之一以下；典型有机离子的浓度降低到千万分之一以下。该材料不会向水中带来任何新污染物，能保证优质饮用水的获得。

基于高寒高海拔地区矿山边坡岩体所受冻融循环、连续开挖及强开采扰动这一环境特征，坡体产生冻胀变形、蠕滑拉裂、锁骨段失效的坡体加剧变形这一特殊情况。矿山边坡岩体结构劣化识别与综合探测技术具有以下优点：地面三维激光扫描仪设备体积较小，容易携带，不受天气变化影响，具有操作简单、灵活安装、便捷探测的特点，采集数据速度快，属于无接触测量，无需现场校准等特色。采用多功能结构面三维激光扫描设备进行冻融循环条件下岩体结构面三维探测与网络模拟等手段，建立起表征裂隙岩体（基质块体）边坡的真实三维结构面网络模型，形成不同复杂地质环境等的裂隙网络反演和岩质体损伤致灾评估模型。运用矿山边坡岩体结构劣化识别与综合探测技术，可为冻融及其他恶劣环境下的矿山边坡安全开采提供致灾机理分析和坡体稳定性预测。

本实用新型提供了一种黄曲霉毒素的流态化连续式等离子体降解装置，所述黄曲霉毒素的流态化连续式等离子体降解装置设有等离子发射器、等离子体发生器、传送带装置、鼓风机及控制面板。本实用新型提供了一种黄曲霉毒素的流态化连续式等离子体降解装置，主要用于粮食表面的黄曲霉毒素的降解，物料在处理过程中处于流态化，保证每颗粮食都能接触到高能粒子和活性自由基，因此可以快速连续化地降解每粒粮食表面的黄曲霉毒素。该装置降解过程低温、无溶剂残留，无环境污染，且能保护粮食中的营养成分不被破坏。

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。

2025年4月2日，央广网以《天津市特色化示范性软件学院协同发展联盟成立》为题对我校进行了报道。

西安电子科技大学机电工程学院多智能体研究中心郑元世教授团队通过引入了智能体及邻居的历史状态，提出了一种基于记忆信息的一致性协议并建立了该协议下显式的一致域。

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。