新葡京娱乐场-大陆娱乐场开户注册

一種IIB-VIA族化合物粉末的合成方法，以VIA族非金屬粉末和IIB族金屬粉末為原料，使用包括坩堝、管式反應室和移動式加熱爐的合成裝置，原料平鋪在坩堝內，坩堝放入管式反應室并將管式反應室關閉和密封，采用向管式反應室充入保護氣體、或同時抽真空和充入保護氣體的方式將管式反應室內的壓強調節至1×102～1×105Pa，在爐溫升至500～800℃時控制移動式加熱爐以5～20cm/min速率移動，當移動式加熱爐從管式反應室裝有坩堝部段的一外側移動至另一外側，即完成了IIB-VIA族化合物的合成反應，然后將移動式加熱爐的爐溫升至700～1000℃，并使移動式加熱爐在管式反應室裝有坩堝部段往返移動1～2次，即完成退火處理。此種方法安全、工藝簡單，制備的IIB-VIA族化合物粉末粒徑均勻。

本發明提供了一種苯丙酮類化合物的合成方法，屬于有機合成技術領域，能夠簡化合成苯丙酮類化合物的反應步驟，并降低反應成本。所述苯丙酮類化合物的合成方法，包括：將丙基苯、有機酸、碘、叔丁基過氧化氫加入到反應釜中，在80℃?120℃下反應8?24小時；待反應結束后，利用有機溶劑萃取反應溶液，并經干燥處理，得到苯丙酮類化合物。本發明可用于苯丙酮類化合物的合成制備中。

新冠肺炎常規通過病史、CT等進行病情評估，但重癥病房應用超聲不便，還需要評估重癥患者的心臟等多器官，然而操作者絕大多數不是專業超聲醫生，這為如何在治療重癥患者的過程中更好地發揮超聲的作用提出了難題。深圳國際研究生院袁克虹團隊與深圳華聲醫療技術股份有限公司合作，用人工智能技術賦能5G超聲設備，增添采集心肺關鍵標準切面的導航以及關鍵參數的自動測量等功能，輔助醫生對重癥病人進行動態評估和治療。 袁克虹團隊與深圳華聲醫療技術股份有限公司1月中旬組成研發團隊，在已有合作工作的基礎上，針對新冠肺炎重癥患者臨床超聲的迫切需求開展聯合攻關，半個月就獲得了較好的成果。該技術從2月初開始在武漢協和西院等多家醫院使用，在一定程度上輔助了醫生對重癥患者進行疾病的動態評估和治療指導。 目前該技術正由國家感染性疾病臨床研究中心（深圳市第三人民醫院）牽頭開展進一步研究，將完善和改進現有功能，優化遠程診斷流程，實現超聲為醫生治療重癥患者提供更智能、更可靠、更專業的幫助。

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性預測服務器首頁致癌性預測結果頁相關綜述對本服務器的介紹RF-hERG-Score預測藥物引起的hERG相關心臟毒性2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。特異性重打分函數顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。lncRNA-蛋白質相互作用預測模型的性能比較lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。 成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性預測服務器首頁 致癌性預測結果頁 相關綜述對本服務器的介紹 RF-hERG-Score預測藥物引起的hERG相關心臟毒性 2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。 特異性重打分函數顯著虛擬篩選性能顯著較高 篩選出兩個候選抑制劑 3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。 lncRNA-蛋白質相互作用預測模型的性能比較 lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

青少年人工智能資源與創新平臺為激發青少年利用原創算法解決真實復雜問題的興趣，面向全國中小學發布覆蓋人工智能主要技術領域的研究問題，設立相應選題。 一、項目分類 關鍵核心技術突破 二、技術分析 主要功能： 資源中心。資源中心包含各個名師人工智能課程及應用案例，還包含各類精品開源軟硬件資源的匯聚。 資訊通知。公告元卓計劃工作的最新動態及行業內的最新消息。 直播頻道。邀請專家進行直播互動。 在線編程。可以在網頁頁面中直接編寫代碼和運行代碼。 互動論壇。注冊用戶可以在網站論壇討論課題。

產品詳細介紹    該實驗室結合圖形化編程（Scratch）和代碼編程（Python）方式，以【數學知識+信息技術+3D設計+編程】為主要切入點，選用IME3D系列化軟件中的3D編程設計軟件Scrath3D和Python3D，及其配套的項目制（PBL）基礎和主題課程體系，將編程邏輯、3D設計和開源硬件相結合，開展編程式3D設計教育課程和各項活動。 該實驗室的課程內容特色： 充分結合所學的數學知識，如圓錐、圓柱、直線/曲線的斜率等基本概念，并將其通過Scratch、Python等編程方式進行3D數學建模，對生活中常見的物品進行模仿設計，使其成為具有一定功能的創意產品 運用Scrtach3D和Python3D設計軟件讓學生學習3D編程設計的方法，提升學生自主設計能力和聯系理解學科知識的能力，在揭示3D建模背后原理的同時，為學生提供理解編程學習的獨特平臺 完成一定內容學習和嘗試后，結合多種設計方法，進行綜合運用性的主題作品設計制作，如用數學的方法來測量學校建筑物的高度，分析模型的特點和結果，并利用合適的編程式3D設計軟件構建其模型和3D打印完成作品 結合開源硬件，在給定主題的引導下，進行功能分析、3D設計和編程操作，同時利用3D打印成品進行產品組裝，實現功能 編程教學軟件：

Yanshee 機器人采用Raspberry Pi + STM32 開放式的硬件平臺架構，有豐富的開源資源持。具有17 個自由度的高度擬人設計，并支持模塊化拆裝；支持AI 語音/ 視覺技術；支持多傳感器及通信模塊，并兼容多種開源傳感器包；提供自研工具軟件并適配專業開源軟件，支持Python、Java、C/C++、BLockly 等多種編程語言及多種AI 應用的學習和開發。

四川新尚人工智能科技有限公司（簡稱“新尚AI”）是新尚集團旗下專注于人工智能與機器人領域，集研發、制造及銷售于一體的科技企業（制造子公司：四川德創機器人科技有限公司），同時也是本科教育、職業教育、K12教育全階段、貫穿式教育解決方案提供商。 新尚AI基于新尚集團16所雙一流高校資源及電子科技大學聯合實驗室，在K12、高職及本科教育方面形成合力。新尚AI為K12教育打造領先、綜合、完整的科創教育解決方案，實現從教、學、管、評、賽、培（教師培訓）、研（教學研究）、創（科創）所有環節的全鏈條覆蓋和閉環打通；同時新尚AI也為本科教育、職業教育提供新工科、新職教教育創新解決方案，以校企協同為契機，通過遞進式培養、項目制課程、實驗室建設和專業共建等方式賦能教育，建設高校科技成果轉化中心，打造產教融合示范樣板。

一、項目簡介 水下潛水器是海洋立體監測系統的重要移動平臺，在深海工程檢測、地質勘探、科學考察、環境監測與軍事應用等方面有重大需求與發展前景。《國家“十二五”海洋科學和技術發展規劃綱要》明確了“開發水下自航行剖面測量技術，形成近海實時、快速觀測能力”的重點任務。目前國內外水下潛水器普遍采用細長或開架結構和螺旋槳驅動，具有推進效率低，轉彎半徑大和輻射噪聲大的弱點，急需在減阻和探測能力上取得突破。本項目圍繞水下小型機器人高精度探測與識別重要需求，研究基于人工智能的水下探測與識別技術，在水聲仿生智能探測、目標特征提取和分類識別上開展技術攻關，并研制樣機。海圖公司開發多款水下機器人產品，618展示得到重要認可。基于人工智能的小型水下機器人可廣泛應用于海洋與內陸，有顯著產業化前景。 二、前期研究基礎 科研依托廈門大學海洋與地球學院、水聲通信與海洋信息技術教育部重點實驗室，具備開展水聲實驗的良好設施：嘉庚號科考船、一艘海洋二號實驗船、兩處岸邊實驗站、一個大型水聲水池、水聲換能器、測量放大器、丹麥B&K公司的聲學測量儀器譜分析儀等。已研制多款水下仿生機器人并在水池完成測試。研究團隊憑借跨學科優勢，把仿生聲學探測與水下機器人技術相結合，取得創新成果。本項目實施所需要的實驗方法與技術已經具備，并已在以往研究中得到成功應用，從而具備扎實的科研基礎。 三、應用技術成果 在仿生探測方面，研究基于人工智能的水下探測與識別技術。仿生最優能量傳輸與波束控制、仿生目標探測與人工智能識別可以提高水聲探測指向性、抑制混響并具備定向水聲通信能力，能夠突破現有水下機器人水聲探測和通信限制。在基于人工智能的海洋仿生機器人研發方面，利用生物醫學成像測量鯨豚流線體形、結構和組織特性，設計仿生機器人具有仿生形態和柔性特性，突破現有水下機器人結構和材料設計理念。研究水聲仿生智能探測、目標特征提取和分類識別提升仿生機器人水下工作能力。在仿生水下機器人樣機研制、傳感和模式識別等取得應用成果。 四、合作企業 海圖志（廈門）智能科技有限公司由福建省海洋與漁業廳批準的雙創干部蘇芃牽頭成立，組織了西北工業大學、華南理工大學、廈門大學、福州大學、福建師范大學等院校博士專家40余人組成，2015年開始，經過了2-3年的基礎理論研究，已經申報和取得相關的專利軟著20項。開發過相關的水下裝備設備包括水下光學成像攝像機、水下光學鏡頭、水聲定位設備、水下潛器等等，具備一定的開發研究的基礎。得到省委于偉國書記、中國工程院院長周濟、國家海洋局林山青副局長等等領導的認可。相關的產品取得福建省618青年海洋創新創意成果獎第一名，第六屆全國海洋航行器設計與制作大賽一等獎，19屆中國國際高新技術成果交易會優秀產品獎、中國創新創業大賽福州市三等獎。海圖志（廈門）智能科技有限公司取得廈門海峽科創基金的以5000萬估值的投資，在廈門設立海洋機器人創業基地。 海圖志（廈門）智能科技有限公司小型水下產品在2016年深圳高交會上引起了科技部、云南省科技廳、廣西省海洋局等其他省市領導的重視，2017年福建618項目成果交易會上得到中國工程院院長、福建省省長（現任省委書記）、國家海洋局副局長、福建省副省長、省發改委主任等專家領導的肯定。