本成果以专利形式体现（专利号 200910248615.5 ），桦褐孔菌的代谢产物紫杉醇具有抗癌功效，本专利所提出的的提取三萜类物质方法，更好的简化了提取步骤和工艺，有利于实现该物质的提取，在生物医药行业将有广泛应用。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本发明涉及一种磁性离子液体，特指基于胍基官能团的离子液体的制备方法及在萃取脱除非极性溶液中含硫有机物的用途。其结构如通式（I）所示，该类离子液体是典型的室温离子液体，具有很低的熔点及很高的沸点，室温呈液态，蒸汽压低，稳定性好，与非极性溶剂互溶度极低；具有极高的脱硫效率，可在3~6min达到脱硫的萃取平衡；选择性高，不会对原来的非极性溶液产生污染及着色。该发明的磁性离子液体之中，当n=1.5~2时，具有很高的顺磁性，其比磁化系数大于59.1×10-6emu/g,优于已有的报道。因此，萃取脱硫结束后可以通过外加磁场的方法方便地实现离子液体和非极性溶剂的分离。该类磁性离子液体通过加水稀释并用四氯化碳反萃取的方法能恢复其性能，并且可以循环多次使用而不会引起脱硫效率的明显降低。脱除的含硫芳环化合物也能通过减压蒸馏富集并实现回收利用。

该项目研制的酶联免疫检测技术包括免疫原、包被原、抗体的制备以及样品的处理和检测等步骤。能一次性测出样品中斑蝥黄、β-胡萝卜素、β-阿朴-8’-胡萝卜素醛、叶黄素、辣椒红素、β-紫罗酮酸的总含量，缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 该项目缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 成果完成时间：2013年

主要应用领域：国防以及电力部门 特点： ？ 体积小 ？ 抗电磁干扰 （一）ns级电磁脉冲场测量系统 主要技术指标：能够对上升时间、半宽均为ns量级的电磁脉冲（如核电磁脉冲）进行时域波形测量；线性测量范围从100 V/m到超过100 kV/m，带宽范围从100 kHz到1 GHz。 （二）μs级电磁脉冲场测量系统 主要技术指标：能够对上升时间、半宽均为μs量级的电磁脉冲（如雷电电磁脉冲）进行时域波形测量；线性测量范围从100 kV/m到1000 kV/m。 （三）连续波电场测量系统 主要要技术指标：带宽范围从100 kHz到18 GHz，灵敏度达20 mV/m。

本发明一种方钴矿系热电材料的合成方法采用钴、锑、铁、镍、锡的氯化盐或硝酸 盐作原料，在内衬聚四氟乙烯的高压釜中于 140-190o C 进行反应，经过滤洗涤后进行热 处理最终制得所需产物，因此本发明方法具有原料便宜易得、设备简单、合成温度低、 工艺简单易于实现控制、产物粒度细、纯度高等优点。为制备高效热电转换器件提供优 质材料。

在化工及环保等领域中气液传质是重要的一个基本过程之一。气液传质在传统的气液传质设备如各种塔器和搅拌槽等在重力场下除与气液接触面的大小、气液流动状况、气液本身的物性因素等有关外，还与重力加速度g密切相关。Onda等关联了大量气液传质数据，分别提出了液相、气相传质系数的经验关联：液相传质系数，而气相传质系数与g无关。Vivian等通过对湿壁塔气体吸收过程的研究，Norman等利用溶质渗透理论，都导出。但在重力场中g是一个恒定的有限值，因此在重力场中，无论采用何种新填料，如何改进塔和釜的结构，改变气液进出口以及塔中的流动状况都不能从根本上大幅度提高传质效率。 70年代未，英国帝国化学公司（ICI）受美国宇航局在太空失重时传质不可能发生这一实验结果的启发，设计出了一种超重力新型传质设备—旋转填充床（Rotating Packed Bed, 简称RPB）。    RPB超重新型传质技术的问世将导致传质设备发生革命性的变化，它通过提高离心力，使重力场中的g转变为旋转加速度g/，这一加速度不再是常数，其大小由转速和床层结构决定，以突破重力场下g的限制而强化体积传质系数，又由于超重力场独特的操作方式，可以使填料的有效相界面积增大，最终使液相体积传质系数得以增大，从而大幅度提高传质速率。    本技术就是利用超重力场设备对脱硫技术难题进行了深入的研究，开发了超重力场脱除气体中二氧化硫、氨气技术。

北京大学量子材料中心王健研究组与合作者在钛酸锶（SrTiO3）衬底上外延生长的单原胞层厚（0.55 nm）铁硒（FeSe）薄膜中观测到了具有磁激发迹象的玻色模式和强非磁性杂质诱导的准粒子束缚态。两项发现为超导机制备受争议的单原胞层铁硒薄膜提供了异号配对的重要实验证据，表明在该体系中尽管界面电–声耦合被认为可以增强超导特性，自旋涨落对于库珀对的配对有着不可忽略的作用，或对铁基高温超导机理的统一理解提供重要参考。 提升超导转变温度和理解库珀配对机制是超导领域两个最重要的研究方向。在以往的铁基超导研究中，基于电子–空穴费米口袋嵌套的s±波配对被广泛接受。然而对于AxFe2−ySe2 (A = K, Rb, Cs, Tl)、(Li1−xFex)OHFe1−ySe，尤其是单原胞层 FeSe/SrTiO3等一系列重电子掺杂铁硒化合物，重电子掺杂会导致费米能级上移，进而导致布里渊区中心Γ点的空穴费米口袋降至费米能级以下，使得电子–空穴费米口袋嵌套理论失效。因而，铁基超导中的s±配对图像受到严峻挑战。 钛酸锶衬底上外延生长的铁硒薄膜具有铁基超导家族最简单的分子结构和最高的超导转变温度（能隙闭合温度的典型值为65 K），自2012年被清华大学薛其坤团队发现以来在国际凝聚态物理领域掀起了研究热潮。前期，北京大学王健研究组与薛其坤研究组合作采用电输运和抗磁性测量首次报道了单层铁硒中高温超导的直接证据（Chin. Phys. Lett. 31, 017401 (2014)，被Science编辑选择文章Science 343, 230 (2014)报道）。然而，其中的超导配对机制，一直存在争议，始终悬而未决。 为了揭示单层铁硒中的超导配对机制，王健研究组开展了一系列系统的实验。实验中的单层铁硒超薄膜采用分子束外延技术生长于钛酸锶衬底。通过原位超高真空（~10−10 mbar）原位扫描隧道谱探测，研究组发现超导能隙外存在由电子–玻色子耦合导致的鼓包（hump）结构。系统的扫描隧道谱实验揭示以该鼓包为特征的玻色模式更接近磁激发信号（图1），极有可能是充当配对媒介、且连接布里渊区近邻角落（M点）电子费米口袋的(π,π)自旋涨落。超导序参量作为复数，其在费米面上的分布存在同相位（保号：sign-preserving）与反相位（异号：sign-reversing）两种情形。杂质散射作为一种相位敏感技术，已广泛应用于以往超导配对研究。其中非磁性杂质尤为特殊，其选择性地局域破坏s±波、d波等异号配对，实验上表现为诱导超导能隙内的束缚态，而对传统保号s波配对无明显效应，因此可用于区分异号和保号配对图像。王健研究组采用沉积于单层铁硒表面的强非磁性杂质铅（Pb）吸附原子作为散射中心，实验中发现相对于正常超导谱形，铅原子在超导带隙边界附近诱导出电子型谱权重增强，同时超导能隙减弱（图2）。该特征是‘隐’束缚态的典型信号。系统的势散射强度调节（图2(d)）等实验也印证了这一观点，有力地说明单层铁硒超导能隙函数存在异号。同时，基于异号配对图像，如扩展s±波（图2(e)），南京大学王强华教授与南京师范大学高绎教授理论上定性复现了非磁性杂质诱导的超导谱形重构。上述的玻色模式与非磁杂质散射两项研究成果一致支持单层铁硒中存在以自旋涨落为媒介的异号配对，为最终澄清单层铁硒的界面高温超导机制奠定了重要基础，同时也预示具有不同费米面构型的铁基高温超导体或存在统一解释。图1. 单原胞层 FeSe中具有磁激发迹象的玻色模式。(a) 单原胞层 FeSe的扫描隧穿谱，显示超导能隙外由电子–玻色子耦合导致的鼓包结构；(b) Ω/2Δ1与Δ1的统计负关联（Ω：玻色模式能量；Δ1：内超导能隙）。图2. 单原胞层 FeSe中强非磁性杂质诱导的准粒子束缚态。(a) Pb吸附原子的STM形貌图；(b) Pb吸附原子和正常单原胞层 FeSe的扫描隧穿谱，显示9.5 mV处存在‘隐’束缚态；(c) 跨Pb吸附原子的扫描隧穿线谱；(d) 101组Pb吸附原子扫描隧穿谱（黑实线下方）与无吸附原子时的扫描隧穿谱（黑实线上方）对比；(c) 扩展s±波图像下非磁性杂质的模拟局域态密度谱。 两项工作分别于2019年5月22日和2019年7月15日发表于Nano Letters（Nano Lett. 19, 3464−3472 (2019)）、Physical Review Letters（Phys. Rev. Lett. 123, 036801 (2019)）。论文链接：https://pubs.acs.org/doi/10.1021/acs.nanolett.9b00144、https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.123.036801。 其中Nano Letters文章北京大学博士生刘超飞为第一作者，北京大学王健教授为通讯作者；Physical Review Letters文章，北京大学博士生刘超飞、王子乔和南京师范大学高绎教授为共同第一作者，北京大学王健教授和南京大学王强华教授为共同通讯作者。 以上工作得到了国家自然科学基金、国家重点研发计划、量子物质科学协同创新中心、中科院卓越创新中心、北京市自然科学基金、江苏省自然科学基金等经费的支持。王健特别感谢谢心澄、王垡、徐莉梅、任泽峰以及量子物质科学协同创新中心在北大超高真空分子束外延与低温扫描隧道显微镜实验室搭建过程中给予的支持。

本发明公开了一种家具制造的3D打印机及其打印方法。它包括控制系统、导轨、机械手、喷头、固定板、轮架、桁架、钢丝绳、支撑架、升降轴、配重板、从动链轮、链条、主动链轮、第一电机、滑轮、第二电机、齿条、卷筒、第三电机。本发明适用于小型日常的家具打印。预先设定好需要打印的家具模型之后，第一电机、第二电机、第三电机带动喷头在XYZ三个方向上运动，将调配好的打印材料经碰头喷出，打印材料层层叠加之后形成家具。本发明结构简单，方式新颖，可以打印出种类多样、形状复杂，具有个性化的各类家具，同时打印时间短。