|
搜索
搜 索
高等教育領域數字化綜合服務平臺
東南大學腦科學與智能技術研究院在“Nature Methods”發表最新研究成果
近日，東南大學腦科學與智能技術研究院在神經元自動追蹤算法基準測試與性能預測方面取得重要研究進展。
東南大學
2023-04-19
國務院關于印發《推動大規模設備更新和消費品以舊換新行動方案》的通知
《行動方案》提出，到2027年，工業、農業、建筑、交通、教育、文旅、醫療等領域設備投資規模較2023年增長25%以上。
國務院
2024-03-14
科大訊飛胡江院：從新質生產力發展看AI人才培養創新與實踐
數字化與大學教學創新改革學術活動
中國高等教育博覽會
2024-06-11
中國傳媒大學物理虛擬仿真實驗平臺項目競爭性磋商公告
中國傳媒大學物理虛擬仿真實驗平臺項目競爭性磋商
中國傳媒大學
2022-06-23
安徽大學天體物理團隊在太陽暗條感應爆發研究領域取得新進展
項目成果/簡介:我校物理與材料科學學院新組建的天體物理團隊，與中國科學院國家天文臺合作，在太陽暗條感應爆發研究領域取得新進展。 太陽暗條是懸浮于太陽高溫稀薄大氣中冷而密的等離子體。暗條爆發是觸發太陽耀斑和日冕物質拋射等嚴重影響近地空間環境太陽爆發事件的重要誘因。多個暗條間的感應爆發是一種常見的暗條爆發形式，但是，由于高質量觀測數據積累有限等客觀條件的限制，對于此類暗條爆發完整過程的觀測報道較為罕見，因此，相應的物理圖像也難以獲得直接的觀測證據支持。近期，安徽大學物理與材料科學學院天體物理團隊張軍、宋志平、汪鵬和中國科學院國家天文臺侯義軍、李婷等人綜合利用空基和地基太陽觀測數據，并借助非線性無力場外推方法，對一個典型暗條感應爆發事件的完整物理過程進行了詳細研究。從感應爆發發生前的磁場位型、發生時的觀測特征和發生后的磁場重構等角度構建一個完備的演化證據鏈條，揭示了暗條感應爆發過程的完整物理圖像，并指出發生在兩個暗條上覆磁場間的外部磁重聯及其造成的上覆磁場重構觸發了暗條間的感應爆發。
安徽大學
2021-04-10
一種面向服務器整合的高效物理機到虛擬機轉換方法
本發明公開了一種面向服務器整合的高效物理機到虛擬機(P2V) 轉換方法，該方法能夠最小化 P2V 轉換過程中的失效時間，包括：(1) 設計了本地 P2V 轉換方法，通過配置對應的虛擬鑰匙將物理服務器轉 換為一臺本地虛擬服務器。該本地虛擬服務器共享源物理服務器的底 層硬件資源，并且避免了傳統 P2V 轉換方法中耗時的磁盤拷貝和同步 過程。(2)磁盤同步模塊，在遠程虛擬化平臺上初始化一個虛擬機鏡像， 該鏡像和本地虛擬服務
華中科技大學
2021-04-14
一種融合多尺度特征的激光掃描數據物理平面自動化提取方法
本發明涉及一種融合多尺度特征的激光掃描數據物理平面自動化提取方法。本發明解決的現有問題 主要包括:1發展了基于信息熵的最佳鄰域自適應確定方法，克服了點密度變化、噪聲、數據缺失等因 素對三維點局部幾何特征計算的影響;2綜合利用基于點的特征(維數特征，法向量等)和基于區域的 特征(粗糙度、緊湊度、尺度、長寬比等)進行物理平面區域提取，提高了物理平面提取的準確性;3 擴展了現有平面分割方法的適用范圍，本發明適用于機載、車載、固定站等多種類型激光掃描數據的物 理平面提取。發明的整體技術流程圖如下圖。
武漢大學
2021-04-13
中共中央、國務院：持之以恒加強基礎研究，發揮好重要院所、高校的國家隊作用
著眼建設世界一流大學和一流科研院所，加強科教基礎設施和產教融合平臺建設。
新華社
2022-12-19
北京郵電大學網安院密碼攻防教學實驗平臺采購項目競爭性磋商
北京郵電大學網安院密碼攻防教學實驗平臺采購項目競爭性磋商
北京郵電大學
2022-06-23
功能納米與軟物質研究院Mario Lanza教授課題組在Nature Electronics上發表論文
隨著憶阻器在非易失性存儲器、模擬人類大腦的深度學習等重要領域的研究逐步深入，憶阻器的研究得到越來越多的重視。在固態電子器件和電路中應用二維材料，將有助于擴展摩爾定律，并能獲得優于CMOS的先進產品。基于二維材料的憶阻器能夠應用于信息存儲和神經態計算，具有高熱穩定性，閾值型和雙極型阻變共存，增強、抑制和弛豫的高度可控性，以及出色的機械穩定性和透明度等優點。 近日，功能納米與軟物質研究院Mario Lanza教授在Nature子刊《Nature Electronics》上發表了題為“Wafer-scale integration of two-dimensional materials in high-density memristive crossbar arrays for artificial neural networks”的封面文章。作者提出二維材料六方氮化硼（h-BN）可以作為高密度憶阻陣列的阻變材料，構建可用于圖像識別的人工神經網絡的器件。其獲得h-BN基憶阻陣列器件成品率高達98%，且表現出超低的周期間差異性（低至1.53％）和出色的器件間差異性（低至5.74％）。圖像分類器的仿真結果表明，所測得的器件I-V曲線的均一性足以匹配理想軟件實現所需的精度。
蘇州大學
2021-02-01