近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

近日，东南大学智能材料研究院、化学化工学院杨洪教授课题组在光控软驱动器研究领域取得重要进展，将拓扑学设计与液晶弹性体材料相结合，开发了一种具有多模态、自维持、可调谐运动的软驱动器。研究成果发表在国际顶级期刊《德国应用化学》上，并被选为VIP论文。

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

5-氨基酮戊酸光动力疗法（ALA-PDT）是一种药械联合的新型靶向疗法，治疗非黑素性皮肤肿瘤、痤疮、尖锐湿疣等难治性皮肤病疗效显著、副作用小。但ALA-PDT治疗过程伴有剧烈疼痛，严重影响患者治疗感受，是业界公认的ALA-PDT治疗瓶颈。此项目团队在同济大学医学院、附属上海市皮肤病医院王秀丽教授带领下，长期致力于ALA-PDT临床与基础研究，在国内外率先掌握了“无痛ALA-PDT关键技术”，形成相关成果申请国家专利，并将其转化生产出第一代无痛光动力治疗仪用于临床治疗。在此基础上拟进一步打造个性化、智能化、便捷的新型无痛ALA-PDT，降低对专业医师的依赖程度，打破技术壁垒，实现无痛ALA-PDT扩大推广应用，引领ALA-PDT无痛治疗新时代。 第一代无痛光动力治疗仪图片 团队已将诸多原创性研究成果进行临床转化，总结关键技术并将其推广至全国2000多家医院，直接获益患者逾100万人次。 第二代治疗仪

为落实教育部推进产教融合、校企合作相关工作部署，促进高校教学改革，推动产教融合型企业建设，中国高等教育学会于2020年8月启动了2020年度中国高等教育博览会“校企合作 双百计划”典型案例推选工作，经资格审核、通讯推选、路演答辩、走访考察以及网上公示等环节，共有103项案例认定为2020年度中国高等教育博览会“校企合作 双百计划”典型案例，近期，“中国高等教育博览会”微信号将陆续推出“双百计划”典型案例推介专栏，欢迎关注。

本发明公开一种以高分辨率层序地层学为基础的油层划分与对比方法，包括：基于岩心、钻/测井地震资料、基准面旋回和可容纳空间变化原理，通过A/S值变化趋势分析，划分不同级次基准面旋回；以不同级次基准面旋回控制，来划分、对比油组、砂组等油层单元；依据短期基准面旋回叠加样式，通过对比，建立等时层序地层格架；依据层序地层格架，在旋回和地层叠加样式控制下划分与对比小层。其中油组、砂组、小层均包括在所述油层划分与对比单元中。通过本发明，以解决现有技术存在的对比过程中常出现穿时现象的问题。

发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。

（专利号：ZL 201510044649.8） 简介：本发明公开了一种光伏‑光热‑热电与烘烤一体化太阳能利用装置，属于太阳能利用领域。本发明的太阳能利用装置，包括支撑机构、反射机构、光热转化机构和热水存储机构，支撑机构上固连有反射机构，用于将太阳光反射到光热转化机构上，该光热转化机构固定于支撑机构的顶部固定框上，且光热转化机构为双效集热器和太阳能烘烤箱，双效集热器用于光热发电以及对热水存储机构供热，太阳能烘烤箱用于对放置的物品进行烘烤。本方案通过各个机构间的有机结合，实现了光伏发电、光热制热水、温差发电和光热烘烤的有机组合，增加了太阳能的利用率，且双效集热器的集热速度快、发电量足，太阳能烘烤箱的烘烤效果好，装置的集成性能高。