本发明公开了一种可重复利用柔性有机电致发光器件，从下至上依次包括印有图文信息的塑料薄膜 层、不干胶层、阳极层、空穴传输层、发光层、电子传输层和阴极层；所述的不干胶层通过滚涂方式粘 附在阳极层上；所述阳极层、空穴传输层、发光层、电子传输层和阴极层通过真空蒸镀方式紧密贴合在 一起，所述的塑料薄膜层与不干胶层可反复剥离与粘结地贴合在一起。本发明所制得的柔性有机电致发 光器件作为薄型灯箱的光源，可以通过塑料薄膜层的反复剥离与粘结达到重复使用的目的，使图

本成果以原有的直写型3D打印技术为基础，通过对于现有3D打印技术的进一步开发，实现简便，高效的微结构构筑技术。实现微结构纳米晶器件的高效构筑，进一步提升器件的光溢出效率。 一、项目分类 关键核心技术突破 二、技术分析 成果源于国家自然科学基金“异价掺杂量子点的合成、聚合物基复合块体3D打印制造与性能研究”，项目编号51872030。本成果以原有的直写型3D打印技术为基础，通过对于现有3D打印技术的进一步开发，实现简便，高效的微结构构筑技术。实现微结构纳米晶器件的高效构筑，进一步提升器件的光溢出效率。传统发光器件由于器件材料的折射率高于空气，光从器件内部向空气传播时，部分光会在器件的内表面发生全反射，从而无法实现高效的光溢出效果。2017年，Nature Photonics上报道的块体荧光器件内部发出的光大量的在器件边缘聚集（75%），正面与背面光溢出量的总和仅仅为25%(Nature Photonics, 2017,11,177-185.)。本成果以器件内部微结构构筑为基础，通过微结构在器件内部的全反射界面构筑，改变光在材料内部的传输路径，实现器件正面的光溢出效果增强。 本专利的高光溢出效果可以广泛的应用于激光器、LED照明领域，提升能源利用效率。目前本专利可以将块体材料单侧约为~25%的溢出效率提升至~80%，约为3.2倍的提升。保守估计将此技术用于实际器件中，可以实现2倍以上的提升，这就意味着对于能源的消耗可以降低至原有的50%。照明约占全球能源消耗的15%-19%，全球温室气体排放的5%-6%。据统计2021年，全球照明市场总市值达到8089亿元。照明技术是任何一个国家与地区都不可或缺的，高效的照明技术不仅可以为解决全球的能源危机提供有效解决途径，同时为减少碳排放作出巨大贡献，产生巨大的经济效益。

课题组基于NiO生长工艺和异质PN的前期研究基础（Weibing Hao, et.al., Applied Physics Letters, 118, 043501, 2021），设计了结终端扩展结构（Junction Termination Extension, JTE），并优化退火工艺，成功制备出耐高压且耐高温的氧化镓异质结二极管。

传统PZT压电陶瓷应用广泛，但在居里温度较低，环境温度较高时，PZT陶瓷样品极易退极化。随着压电材料的应用范围的进一步拓展，一些极端条件对压电陶瓷的应用提出了新的挑战。北京大学工学院实验室利用高居里点的钪酸铋 - 钛酸铅压电陶瓷制备了基于 d31模式和d33模式的应用于高温环境中的压电振动能量回收器，器件可以稳定地工作在 150℃以上的高温环境中。高温下由于电畴被活化，器件的压电系数和相应的输出功率比室温时提高一倍以上。 与压电能量回收器不同的是，压电驱动器是一种利用压电效应，将电能转化为机械能实现纳米级驱动的器件，压电驱动器利用压电材料的准静态逆压电效应实现10微米至100微米的微小位移；同时，还可以利用压电陶瓷的高温谐振动效应制备高温压电马达。

本申请涉及一种实现微型LED显示器件封装制作方法，通过设计新型的微型LED阵列显示器件结构，结合电极外引光刻工艺与贴片封装工艺，以进行微型LED阵列显示器件与驱动电路板的封装集成。一方面通过制备电极外引结构，可以增大像素的电极面积，使得贴片键合过程更容易操作且精确度更高，有效简化键合的步骤；另一方面结合漏印锡膏技术，将芯片与基板键合，减少金线或者合金等物料的使用，并且通过采用芯片高像素密度阵列式制作，提升生产效率，并降低生产成本。

本发明涉及一种具有存储功能的晶体管器件的应用，属于半导体器件技术领域。针对现有二维电荷陷阱存储器中因缺乏合适电荷陷阱介质导致的可靠性差及集成度低等问题，本发明提出采用二维碘化铅（PbI<subgt;2</subgt;）作为电荷陷阱层，利用其天然存在的碘空位缺陷实现高效电荷捕获。所述器件由二维半导体材料（如WSe<subgt;2</subgt;）与PbI<subgt;2</subgt;通过范德华异质结构集成，形成栅控存储单元。该器件具有大存储窗口、高开关比、快速写入速度、多级存储能力、高久性及长数据保持时间。本发明为高集成度、低功耗非易失性存储器提供了创新解决方案。

本发明公开了一种微型皮拉尼计的制备方法及其与体硅器件集成加工的方法。集成加工的方法包括：在硅基片正面制备体硅器件所需的绝缘层及电路引线；在硅基片的背面或正面沉积一层绝缘隔热材料，刻蚀去除其四周部分得到绝缘隔热层；在绝缘隔热层上制备加热体和电极；在没有加热体的一面制备图形化的光刻胶掩膜；在有加热体的一面沉积金属膜；将金属膜粘贴在表面有氧化层的硅托片上；对有光刻胶掩膜的一面进行感应耦合等离子体干法刻蚀，刻穿硅基片；去除光刻胶掩膜和金属膜，得到集成结构。本发明能有效提高皮拉尼计的制备与其它工艺的兼容性，解决皮拉尼计与体硅器件集成封装工艺难度大，风险高，成本高且产量低的技术问题。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

神经递质作为神经元与神经元及神经元与细胞之间沟通的媒介分子，介导了发育、信息感知，运动及大脑的高级认知功能。随着生化分离纯化技术的发展以及人们对大脑精细结构的进一步了解，现如今已发现有几十种重要的神经递质。而神经系统在时间和空间上的高度复杂性对研究特定神经递质的动态变化及其功能提出了极大的挑战。本项目成功构建了一系列新型的基因编码的神经递质荧光探针，可实现对特定神经递质动态变化的灵敏检测。该类荧光探针利用大多数已知的神经递质所对应的特异性G蛋白偶联受体（GPCR）与循环重排的荧光蛋白（cpGFP）融合，利用循环重排荧光蛋白的荧光强度变化来指示GPCR的激活，进而反应外源神经递质的浓度变化（图一）。我们命名该类荧光探针为GRAB探针，即为GPCR Activation Based Sensor的缩写。