酸性硅溶胶具有独特的性能特点，因此在多个领域都有广泛的应用

晶盛机电以技术创新作为持续发展的动力源泉。相继开发出具有完全自主知识产权的全自动单晶生长炉、多晶铸锭炉、区熔硅单晶炉、蓝宝石炉等晶体生长设备，同时开发并销售晶体加工、光伏电池和组件等装备，致力于打造光伏产业链装备技术和规模双领先的装备龙头企业；在半导体产业实现8-12英寸大硅片制造用晶体生长及加工装备的国产化，并取得半导体材料装备的领先地位；成功掌握国际领先的450kg级超大尺寸泡生法蓝宝石晶体生长技术，蓝宝石材料业务具备较强的成本竞争力并逐步形成规模优势；在工业4.0方向，公司为半导体产业、光伏产业和LED产业提供智能化工厂解决方案，满足了客户对“机器换人+智能制造”的生产模式需求。

晶盛机电以技术创新作为持续发展的动力源泉。相继开发出具有完全自主知识产权的全自动单晶生长炉、多晶铸锭炉、区熔硅单晶炉、蓝宝石炉等晶体生长设备，同时开发并销售晶体加工、光伏电池和组件等装备，致力于打造光伏产业链装备技术和规模双领先的装备龙头企业；在半导体产业实现8-12英寸大硅片制造用晶体生长及加工装备的国产化，并取得半导体材料装备的领先地位；成功掌握国际领先的450kg级超大尺寸泡生法蓝宝石晶体生长技术，蓝宝石材料业务具备较强的成本竞争力并逐步形成规模优势；在工业4.0方向，公司为半导体产业、光伏产业和LED产业提供智能化工厂解决方案，满足了客户对“机器换人+智能制造”的生产模式需求。

晶盛机电以技术创新作为持续发展的动力源泉。相继开发出具有完全自主知识产权的全自动单晶生长炉、多晶铸锭炉、区熔硅单晶炉、蓝宝石炉等晶体生长设备，同时开发并销售晶体加工、光伏电池和组件等装备，致力于打造光伏产业链装备技术和规模双领先的装备龙头企业；在半导体产业实现8-12英寸大硅片制造用晶体生长及加工装备的国产化，并取得半导体材料装备的领先地位；成功掌握国际领先的450kg级超大尺寸泡生法蓝宝石晶体生长技术，蓝宝石材料业务具备较强的成本竞争力并逐步形成规模优势；在工业4.0方向，公司为半导体产业、光伏产业和LED产业提供智能化工厂解决方案，满足了客户对“机器换人+智能制造”的生产模式需求。

晶盛机电以技术创新作为持续发展的动力源泉。相继开发出具有完全自主知识产权的全自动单晶生长炉、多晶铸锭炉、区熔硅单晶炉、蓝宝石炉等晶体生长设备，同时开发并销售晶体加工、光伏电池和组件等装备，致力于打造光伏产业链装备技术和规模双领先的装备龙头企业；在半导体产业实现8-12英寸大硅片制造用晶体生长及加工装备的国产化，并取得半导体材料装备的领先地位；成功掌握国际领先的450kg级超大尺寸泡生法蓝宝石晶体生长技术，蓝宝石材料业务具备较强的成本竞争力并逐步形成规模优势；在工业4.0方向，公司为半导体产业、光伏产业和LED产业提供智能化工厂解决方案，满足了客户对“机器换人+智能制造”的生产模式需求。

油气领域、高温高压橡胶材料领域。

企业在研发领域势力较弱。目前在光学智能控制、透镜与灯体光学结构改善研发方面需要外包给软件工程师做嵌入式开发。企业欲增强研发领域的实力，希望能够与国内相关高校针对LED光学智能控制系统、灯光透镜、光学结构等领域开展技术攻关及合作

项目负责人：唐杰，清华大学计算机系WeBank讲席教授、大模型研究中心主任，国家级人才，ACM/AAAI/IEEE Fellow。研究兴趣包括人工智能、知识图谱、数据挖掘、社交网络、大语言模型等。曾获ACM SIGKDD Test-of-Time Award（十年最佳论文）、IEEE ICDM研究贡献奖、国家科技进步二等奖。 运营团队：2019年，智谱AI成立，迅速形成以清华大学计算机系98级张鹏为CEO、高文院士弟子刘德兵为董事长、清华创新领军博士王绍兰等为核心的运营团队。 清华大学计算机系知识工程实验室李涓子、唐杰、许斌等人建立了完全自主知识产权的科技情报挖掘与智能服务平台，申请专利40余项。2019年，通过科技成果转化，北京智谱华章科技股份有限公司（以下简称“智谱AI”）成立，致力于打造新一代认知智能大模型，与学校合作研发了双语千亿级超大规模预训练模型GLM-130B，并基于此千亿基座模型打造了对话模型ChatGLM，具有双语、高精度、快速推理、可复现、跨平台等核心优势，在此基础上开源单卡版模型ChatGLM-6B，全球下载量已超过1000万次。 2024年1月，新一代基座大模型GLM-4正式推出，整体性能相比上一代大幅提升，比肩世界先进水平。它支持更长上下文，具备更强多模态能力，推理速度更快，支持更高并发，大大降低推理成本。同时，GLM-4的智能体能力得到大幅提升，可根据用户意图，自动理解、规划指令以完成复杂任务。GLMs个性化智能体定制功能亦同时上线，用户用简单提示词指令即能创建属于自己的GLM智能体，由此任何人都能实现大模型的便捷开发。

技术成熟度：原型验证 原理：模型将浆锚连接节点破坏视为两个阶段，第一阶段为粘结破坏，即砂浆与钢筋和钢筋断裂前（包括断裂时）时段，第二阶段为滑移破坏，即砂浆与钢筋和钢筋断裂后时段。第一阶段依靠梁单元模拟，第二阶段依靠弹簧单元模拟，这样准确的反映了浆锚连接发生时的强度破坏及之后的滑移脱离现象。 创新点：提出了建模工艺，给出了适用于模型的弹簧单元、梁单元本构关系。 应用场景：浆锚节点超限分析，浆锚节点抗震性能分析。 应用案例：约束浆锚钢筋极限搭接连接剪力墙结构抗震性能分析，装配法加固剪力墙施工模拟过程分析。 成果获奖：吉林省土木建筑学会科技进步一等奖。 成果评价：建模简单、计算快速、经过多篇论文验证传力与实际情况偏差小于10%。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。