|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
云南省科技廳關(guān)于2024年科技特派團、科技特派員申報工作的通知
為組織動員全省科技資源聚焦服務(wù)鄉(xiāng)村振興主戰(zhàn)場，現(xiàn)將云南省2024年科技特派團、科技特派員申報有關(guān)事宜通知如下。
農(nóng)村科技處
2023-07-31
林志博士及其合作者在雙分量玻色體系相關(guān)研究中取得重要進展
項目成果/簡介:我校物理與材料科學學院林志博士和復旦大學物理系/應(yīng)用表面物理國家重點實驗室陳焱課題組，通過Floquet 設(shè)計研究光晶格中雙分量超冷原子體系，構(gòu)造出可以看成“兩粒子躍遷過程”的新型兩體相互作用，即在體系的“人工維度”上引入新奇的人工配對躍遷相互作用，用于研究傳統(tǒng)凝聚態(tài)體系中難以實現(xiàn)的新奇量子多體效應(yīng)。 當前人們主要研究人工維度上的人工規(guī)范勢，對于更一般的相互作用——人工配對躍遷相互作用還沒被研究過。林志博士和陳焱教授課題組發(fā)現(xiàn)該奇異的相互作用導致了體系中會出現(xiàn)兩種新奇的量子物質(zhì)態(tài)，即分子超流態(tài)和非整數(shù)莫特絕緣體態(tài)。這里的非整數(shù)莫特絕緣體態(tài)作為一種新奇的量子莫特絕緣體態(tài)被首次揭示，其特性是：保持每個格點上總粒子數(shù)是整數(shù)，而各自分量的粒子數(shù)是非整數(shù)的莫特絕緣體態(tài)。 該項研究代表了超冷量子氣體研究領(lǐng)域中的實質(zhì)性進展，將會促進進一步的理論研究和實驗研究。
安徽大學
2021-04-11
林志博士及其合作者在雙分量玻色體系相關(guān)研究中取得重要進展
我校物理與材料科學學院林志博士和復旦大學物理系/應(yīng)用表面物理國家重點實驗室陳焱課題組，通過Floquet 設(shè)計研究光晶格中雙分量超冷原子體系，構(gòu)造出可以看成“兩粒子躍遷過程”的新型兩體相互作用，即在體系的“人工維度”上引入新奇的人工配對躍遷相互作用，用于研究傳統(tǒng)凝聚態(tài)體系中難以實現(xiàn)的新奇量子多體效應(yīng)。 當前人們主要研究人工維度上的人工規(guī)范勢，對于更一般的相互作用——人工配對躍遷相互作用還沒被研究過。林志博士和陳焱教授課題組發(fā)現(xiàn)該奇異的相互作用導致了體系中會出現(xiàn)兩種新奇的量子物質(zhì)態(tài)，即分子超流態(tài)和非整數(shù)莫特絕緣體態(tài)。這里的非整數(shù)莫特絕緣體態(tài)作為一種新奇的量子莫特絕緣體態(tài)被首次揭示，其特性是：保持每個格點上總粒子數(shù)是整數(shù)，而各自分量的粒子數(shù)是非整數(shù)的莫特絕緣體態(tài)。 該項研究代表了超冷量子氣體研究領(lǐng)域中的實質(zhì)性進展，將會促進進一步的理論研究和實驗研究。
安徽大學
2021-02-01
業(yè)大學.jpg){kind=logo}
一種能區(qū)分小麥初生根、次生根的分根套管裝置
本實用新型涉及一種能區(qū)分小麥初生根、次生根的分根套管裝置，包括內(nèi)PVC管和外PVC管，內(nèi)PVC管設(shè)置在外PVC管內(nèi)部縱向中心線位置；內(nèi)PVC管頂部設(shè)有分根錐形帽，分根錐形帽頂部中間位置設(shè)有填土注水孔，分根錐形帽上部錐形側(cè)面上分布有多個種植孔；內(nèi)PVC管管壁側(cè)面分布有多個水分平衡孔。該實用新型的優(yōu)勢在于內(nèi)管頂部錐形帽的設(shè)計，既可以實現(xiàn)更好的初生根、次生根分離，又可以填土，注水；內(nèi)管壁有水分平衡孔，可以保證初生根、次生根的生長環(huán)境一致，具有分離徹底，操作方便，干擾少，苗存活率較高等優(yōu)點。
青島農(nóng)業(yè)大學
2021-04-11
藥大學.jpg){kind=logo}
中藥液體制劑的陶瓷膜分高在線耦合超聲方法
【發(fā) 明 人】潘林梅；郭立瑋；黃敏燕；朱華旭【技術(shù)領(lǐng)域】本發(fā)明涉及一種陶瓷膜分離的技術(shù)，特別涉及一種適用于陶瓷膜微濾中藥液體制劑的膜分離方法?！菊?nbsp; 本發(fā)明公開了一種中藥液體制劑的陶瓷膜分離在線耦合超聲方法，步驟為：藥液加壓至膜組件中，調(diào)節(jié)陶瓷膜工作壓力與溫度，打開滲透液閥門，測定單位時間內(nèi)滲透液流出量，截留液循環(huán)流回原料罐，陶瓷膜管處于功率為5～20W的超聲中，工作壓差為0.1～0.5MPa，藥液溫度范圍為5～85℃。所述的超聲由探頭式超聲發(fā)生器發(fā)生，超聲探頭進入陶瓷膜管的深度占陶瓷膜管總長的10～90％。藥液為中藥酒類液體制劑或以水為溶劑的中藥液體制劑。可以在線控制膜污染、降低清洗頻率、顯著提高膜的分離效率。
南京中醫(yī)藥大學
2021-04-13
超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取的方法
本發(fā)明涉及生物質(zhì)能利用技術(shù)，旨在提供一種超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取的方法。該方法包括：收獲分形維數(shù)為1.21～1.24、細胞壁厚度為0.07～0.08μm的濕藻，然后進行超聲波輻照改性，控制超聲波輻照功率和時間使?jié)裨逯屑毎姆中尉S數(shù)上升為1.46～1.51，細胞壁厚度減小為0.04～0.06μm；向處理后的濕藻中加入萃取劑，進行油脂萃??；所述濕藻細胞是指含水率在10～90％的微藻細胞的集合體。本發(fā)明利用超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取，省去了傳統(tǒng)方法中濕藻細胞的脫水干燥等高能耗步驟，通過提高藻細胞分形維數(shù)和降低細胞壁厚度，使萃取劑對細胞內(nèi)油脂的萃取效率提高到85-90％。
浙江大學
2021-04-13
基于光譜擬合與差分算法的光纖傳感動態(tài)信號解調(diào)方法
本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動態(tài)信 號解調(diào)方法，包括：掃描得到光譜紋波；對光譜紋波進行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進行差分處理獲得差值信號；對光譜 紋波的極值點進行擬合獲得上下邊緣包絡(luò)曲線；對上下邊緣包絡(luò)曲線 進行差分處理獲得光譜變化函數(shù)，將差值信號與光譜變化函數(shù)進行歸 一化處理，獲得去包絡(luò)后差值信號，根據(jù)掃描速度和初始波長將波長 換算為時間，獲得去包絡(luò)后時域動態(tài)信號。本方法對紋波光譜及其擬 合曲線進行差分獲得動態(tài)信號，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復的動態(tài)
華中科技大學
2021-04-14
基于分形彈簧結(jié)構(gòu)的 RFID 電子標簽、射頻天線及制備方法
本發(fā)明公開了一種基于平面分形彈簧結(jié)構(gòu)的 RFID 電子標簽射頻天線，其為由多個呈分形彈簧結(jié)構(gòu)的線圈段依次首尾相連形成的閉合線圈。本發(fā)明還提供了基于所述射頻天線的 RFID 電子標簽，射頻天線附著于基板上，線圈段的彈簧伸縮方向與其處的基板區(qū)域受到的拉伸方向一致。本發(fā)明還提供了制備所述 RFID 電子標簽的方法。本發(fā)明 RFID 電子標簽在基板橫向和縱向分別布置有與基板拉伸方向一致的多級彈簧分形結(jié)構(gòu)的射頻天線，存在較大的變形冗余，能夠承受軸向和橫向拉伸與壓縮，具有很大的彎曲變形能力，從而使其可以貼在人體
華中科技大學
2021-04-14
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預測方法
本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預測方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預測模 型；步驟 3，根據(jù)待預測圖像的圖像差分熵，采用圖像編碼質(zhì)量預測模型即可獲得待預測圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡單，高效，無需消耗較大的硬件
武漢大學
2021-04-14
基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要創(chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過在真實高光譜圖像數(shù)據(jù)上的實驗表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。
主要技術(shù)指標
不同數(shù)據(jù)集下的訓練樣本與測試樣本數(shù)參閱表 1. 在該訓練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無需使用 GPU 資源在保證精度的同時有效提升了分類的精度和效果，同時在較少訓練樣本條件下仍能得到較好的分類精度和分類效果。
表 1. 不同數(shù)據(jù)集下的訓練樣本選取數(shù)量
表 2. PaviaU 大學數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學
2023-03-22