高粘度流体（如原油、水煤浆、泥浆、陶瓷浆体、食品类流体等）长距离管道输送时阻力很大，因此有效地降低高粘度流体的输送阻力有着重大的理论意义和工程应用价值。本技术利用高粘度流体输送过程中的微观减阻机理开发了三种有效的减阻方法。这三种方法是：（1）管壁滑移减阻；（2）加入减阻剂减阻；（3）加气多相流减阻。对于不同的流体可以分别采用上述方法之一，也可以是几种方法的组合。 传统的流体输送理论认为，流体在管内流动时，流体在管壁上的速度无论在什么条件下都被认为等于零。因此得出流体流动阻力仅与流体性质及管道的几何尺寸和流体流速有关，而与管壁材料无关的结论。但是大量的实践证明，高粘度流体在管道中的流动阻力明显地随管壁材料的不同而相差很大，这实际上预示着传统的流体输送是不适用的。 实际上流体与壁面的接触层是与管道中心的流体主流区不同的特殊层，不能只考虑流体分子间的相互作用，还应考虑接触层内的流体分子与管壁固相分子间的作用，该厚度很薄的流体层称为界面层。界面层内流体与管壁之间的作用需用界面理论来处理。减小流体与管壁之间的分子间作用力，使流体不能粘附于管壁之上，就能减小流体输送阻力。本技术已通过小试和中试，最大减阻效果达50%以上。

已有样品/n64Mb ReRAM 芯片和内嵌ReRAM IP 的SOC 由紫光国芯等单位共同设计，在实现基于ReRAM 存储机理和单元特性的读写电路、芯片构架、可测试性设计、冗余设计、纠错设计和系统访问管理等关键技术方面实现了突破和创新。两款芯片均已经在相关验证系统完成了应用演示等相关测试，其中64Mb ReRAM 芯片可成功实现数据文件、图形文件及多媒体文件的读写编辑及实时播放操作，在功耗、速度和寿命等方面取得了令人满意的效果。

针对我国目前巨大的汽车燃油消耗和大量尾气排放带来的环境污染等问题，分别对高、低阻Ahmed车模的复杂绕流进行了系统研究，提出了完整的流动结构概念模型。研发了在汽车尾部基于多个定常微射流吹气的联合控制，在高阻车模上获得了高达29%的减阻效果，远远超越所有国内外其它团队所能取得的减阻量，并揭示了相关减阻机理。研究成果发表于流体力学顶级期刊 Journal of Fluid Mechanics。潜在的重要应用亦不言而喻。

本发明属于涂层材料相关技术领域，其公开了一种复合阻氚涂 层，其包括基底层，所述复合阻氚涂层还包括形成在所述基底层上的 石墨烯薄膜、形成在所述石墨烯薄膜远离所述基底层的表面上的三氧 化二铬层及形成在所述三氧化二铬远离所述石墨烯薄膜的表面上的磷 酸铝层。本发明还涉及上述复合阻氚涂层的制备方法。上述复合阻氚 涂层利用了石墨烯的比表面积大、力学性能好、热导率高、吸氢能力 强等特点，把石墨烯薄膜和 Cr2O3、AlPO4 陶瓷

本发明公开了一种阻性传感器阵列测量装置，所述阻性传感器阵列为共用行线和列线的阻性传感器阵列；该测量装置包括：标准电阻行，其包括一行N个标准电阻，被增设于阻性传感器阵列中，从而得到一个新的共用行线和列线的（M+1）×N电阻阵列；（M+1）个运算放大器，与电阻阵列的（M+1）条行线一一对应，各运算放大器的反相输入端、输出端分别通过一根连接线与其所对应行线连接；控制器，其具有至少(M+1)个IO端口以及至少N个ADC采样端口，其中的(M+1)个IO端口与（M+1）个运算放大器的同相输入端一一对应连接，其中

        技术成熟度：技术突破         研发团队以设计制备宽光谱超材料吸收器和像元级集成红外探测器为研究主线，在超薄宽带高吸收原理与策略、材料/器件设计与制备方面取得了突破性进展。围绕器件吸收率低、噪声等效温差（NETD）大、集成兼容性差的难题，提出了无损与损耗型介质结合、多模谐振耦合光吸收的思路，获得超薄宽带高吸收率材料；提出将超薄宽带高吸收率材料与非制冷红外探测器像元级集成新思路，获得了宽谱、NETD小、多色探测的非制冷红外探测器，NETD降低3倍，研究成果已在中国兵器北方夜视广微科技应用转化。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

团队具备成熟的高性能电机研发能力，具备瞬态有限元仿真技术、多物理场联合仿真技术、场路耦合仿真技术，能够定制开发有刷/无刷直流、感应电机、电励磁/永磁同步等各类电机，助力多家企业实现核心电机自主化、国产化。 团队研发了基于空间磁场的高性能电机健康状态在线监测系统，能够实时监测电机健康状态，即使发现电机微小故障，有效提高电机可靠性。

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。

现有的有机氮测定方法主要基于差减法，存在多方面测定的累加误差，结果难免不够精确和可靠。本发明技术是一种体积排阻色谱联用型氮检测器及应用，其对有机氮的检测原理在于通过体积排阻色谱柱实现有机氮和无机氮的分离，然后通过石英螺旋管结合紫外氧化的方式将有机氮转变为硝态氮，通过紫外检测器检查硝态氮在220nm的紫外吸收，实现定量分析。