我国淡水鱼资源丰富。鱼蛋白酶解液是一种高蛋白、低脂肪的蛋白水解制品， 但是不易贮存和加工，将酶解之后酶解液进行喷雾干燥得到水解蛋白粉，不仅利于贮存和运输，而且为酶解液的后续利用提供了便利，既可以作为一种安全的食品配料，也可以直接冲调饮用。氨基酸分析也显示鱼水解蛋白粉的氨基酸组成与人体肌肉成分极为接近，易于被人体摄入吸收且利用率很高，是良好的蛋白质强 化剂。 蛋白粉的溶解度对蛋白粉的应用范围影响很大，而国内关于低分子量高溶解度蛋白粉的制备尚处于空白状态。 本发明制得的鱼水解蛋白粉的分子量低；溶解度达到 95%以上；利用淡水鱼生产，来源丰富；本发明为淡水鱼的高值化利用提供了一条新的途径；利用生物酶解技术，效率高，无污染；产品安全有效、无毒副作用；低分子量的鱼水解蛋白粉比鱼蛋白更易消化吸收，可以作为食品原料或辅料应用于婴幼儿营养配方食品、方便食品、速溶饮品和调味品等，市场前景广阔。

近日，华东师大精密光谱科学与技术国家重点实验室袁翔课题组在三维拓扑绝缘体HfTe5中观测到一维外尔费米子。

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

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

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

锂离子动力电池在实际工作中需要很高的能量和功率密度，所以需要有些正极材料在高电压(4V 以上)还能进行锂离子的嵌入/脱出反应，而在这样高的电压下，现有的有机电解液体系不能满足要求。另外，锂离子动力电池的电解液还需要能满足大电流充放电和高温工作的要求。目前的电解液体系是把 LiPF6为电解质盐溶解于以环状碳酸酯[如碳酸乙烯酯(EC)或碳酸丙烯酯(PC)]和直链碳酸酯[如碳酸二甲 酯(DMC)或碳酸二乙酯(DEC)]混合溶剂中，不能满足锂离子动力电池的上述要求。我们近年来在对正极材料进行表面改性的基础上，进行了高电压新电解液体系的研究，可行的解决途径包括优化有机电解液体系、添加适当添加剂、选择新型锂盐以及使用离子液体等。 该电解液可以提高电解液与高电压正极的相容性，减少充电过程中电解液在高电压正极材料表面的分解，并可以在正负极表面形成稳定的 SEI 膜，使得正极材料的充放电容量及循环稳定性显著提高；而且工艺简单、易于实施、原料成本低廉、适于工业化生产，应用前景广阔。

项目成果/简介:锂离子动力电池在实际工作中需要很高的能量和功率密度，所以需要有些正极材料在高电压(4V 以上)还能进行锂离子的嵌入/脱出反应，而在这样高的电压下，现有的有机电解液体系不能满足要求。另外，锂离子动力电池的电解液还需要能满足大电流充放电和高温工作的要求。目前的电解液体系是把 LiPF6为电解质盐溶解于以环状碳酸酯[如碳酸乙烯酯(EC)或碳酸丙烯酯(PC)]和直链碳酸酯[如碳酸二甲 酯(DMC)或碳酸二乙酯(DEC)]混合溶剂中，不能满足锂离子动力电池的上述要求。我们近年来在对正极材料进行表面改性的基础上，进行了高电压新电解液体系的研究，可行的解决途径包括优化有机电解液体系、添加适当添加剂、选择新型锂盐以及使用离子液体等。 该电解液可以提高电解液与高电压正极的相容性，减少充电过程中电解液在高电压正极材料表面的分解，并可以在正负极表面形成稳定的 SEI 膜，使得正极材料的充放电容量及循环稳定性显著提高；而且工艺简单、易于实施、原料成本低廉、适于工业化生产，应用前景广阔。

一种抗肿瘤活性的大黄素和5-氟尿嘧啶拼合物及其制备方法，属于用于抗肿瘤药物的衍生物。本发明的大黄素和5-FU拼合的衍生物，为3-取代的1-(1,6,8-三甲氧基-3-甲基-9,10-蒽醌-2-甲基)-5-氟尿嘧啶衍生物，其制备方法是以大黄素为原料，经6,8-二甲基化、2位羟甲基化、1位甲基化、再将2位羟甲基氯代，然后与5-FU的N1位连接，最后将得到的拼合物与不同的卤代烷或取代氯苄进行N3-烷基化，得到目标化合物。本发明的大黄素和5-氟尿嘧啶的拼合物对肿瘤细胞和正常细胞具有较好的选择性，可用于制备治疗癌症的药物。体外抗肿瘤实验表明，本发明提供的拼合物与5-FU及大黄素相比，对正常细胞的毒性明显降低。

一种类转录激活因子(TranscriptionActivatorLikeEffectors，TALE)，其特征在于所述类转录激活因子(TALE)能够与人类CCR5基因活性区域或者CXCR4基因活性区域中的DNA片段识别并结合，所述人类CCR5基因活性区域一共有3个，所述CXCR4基因活性区域一共有2个。TALE与核酸内切酶连接形成融合蛋白TALEN，利用该TALEN对CCR5基因或者CXCR4基因的特定位点进行剪切，可以使得进行基因调控后的细胞具备抵御HIV病毒的能力。

Technical parameters: (1) SRM Power rating: 3~10kW or Customizable Rotational speed: 0~6000rpm or Customizable Efficiency: > 90% (2) Controller Power: 3~10kW or Customizable Voltage: 36~96VDC or Customizable System efficiency: > 90% Speed range: 0~6000rpm or Customizable Starting torque: 4TN Locked-rotor torque: 6TN Working environment: -20℃~55℃ Communication mode: CAN bus Contact Information: Prof. Jun Cai, Novel Motor Drive and Control Research Team, C-MEIC, Nanjing University of Information Science and Technology Email: j.cai@nuist.edu.cn