深度计

9月16日，以智能影像技术发展趋势及产学研用探讨为主题的2022年未来影像行业峰会在北京召开，峰会由智能图像处理北京市工程研究中心（以下简称“中心”）举办，邀请院士专家以及50余家企业的近百位行业精英，进行了12场专题分享。工程研究中心主任、小米集团高级副总裁曾学忠介绍了中心过去一年取得的成绩，并对未来影像技术在手机、机器人、汽车、XR（扩展现实）以及AIoT等多个行业出现的新需求做了深入分析，并提出对于未来影像的三个思考点：在多维传感，增强影像方向，拓宽影像传感的维度，突破视觉的限制；在AI赋能，计算摄影领域，用AI算法与硬件进行深入结合，突破硬件的限制；在影像互联，计算互通技术上，用互联互通的计算，打破影像采集以及计算的限制。中国工程院院士、中心专家委主任丁文华院士肯定了中心在影像行业的科研牵引作用，并指出影像多媒体领域对前端基础图像处理技术存在极大需求及市场空间，希望今后中心能够持续发挥平台作用，加深影像行业的产学研用协同创新的深度与广度，为产业的进一步发展起到示范带头作用。中心研究中心常务副主任、清华大学脑与认知科学院院长季向阳教授分享了计算影像的技术发展，介绍了计算影像在光谱成像，多传感器融合，光路编码等多个维度上的突破建议，后续将利用中心的平台创新科研机制，更好地将高校科研技术转化到行业。影像硬件技术企业豪威科技、丘钛微电子、奥比中光分别从图像传感器、相机模组、3D相机领域进行了专题分享。豪威科技总经理刘志碧梳理了当前各个行业对图像传感器的技术需求，并对全局快门、Hybrid EVS、微型化相机等行业新技术做了全面分享。丘钛微电子副总裁胡三木分享了相机模组硬件的发展趋势，并对大光圈、防抖、大推力马达、moding等模组工艺的演进进行了分析。奥比中光高级副总裁江隆业分享了3D视觉在各新兴行业的应用情况，并对3D视觉未来的技术发展方向进行展望。新型影像技术企业与光科技、灵明光子、普诺飞思分别从光谱相机、深度相机及动态相机的技术发展路线以及应用场景切入，进行了专题分享；与光科技CEO王宇认为小型化的光谱传感器是未来的技术趋势，并详细介绍了小型化光谱传感器在辅助色差还原、健康检测上的重要作用；灵明光子CTO张超阐述了dToF替代iToF在远距离深度探测场景的明确趋势，并介绍了dToF在汽车、消费、工业等多个领域的应用价值。普诺飞思中国区GM杨雪飞阐述了这种新型传感器相比于FBS相机的巨大优势，并介绍了DVS在超慢动作检测、边缘跟踪以及高级驾驶辅助等场景下的价值。北京邮电大学、极感科技、黑芝麻智能就影像算法进行了主题分享。北京邮电大学计算机学院执行院长马华东教授就视频处理各算法的发展状况做了介绍，并指出了AI视频算法模型轻量化的发展路径。极感科技高级总监林曦在深度计算和分割算法的现状和发展做了分享，提出了未来影像算法芯片化和工程化的方向。黑芝麻智能总监王超就视觉算法在自动驾驶上的应用做了技术分享，从低噪声、大动态、低延迟等场景举例，提出了视觉算法的需求方向。小米手机部副总裁、相机部总经理易彦博士分享了小米在手机、机器人、XR、智能汽车、智能制造五大主要应用场景中影像技术的深度积累，他表示，未来将依托中心持续加大资源投入，联合更多的上下游产业伙伴，围绕影像行业的系统性需求，做好产业协同，提升行业整体竞争力。据了解，智能图像处理北京市工程研究中心由小米集团牵头，联合清华大学等高校与企业于2021年共同组建，该中心的主要发展目标为联合上下游企业、高校和科研院所等机构，开展图像处理软硬件核心技术的开发、验证以及成果转化等全链路的创新，以推动行业共同发展。

仪器外壳斑驳，内部管路老化性能跟不上业务发展？想采购新机替换掉“带病”工作的仪器苦于没有预算？上面这些都不是问题！珀金埃尔默都可以为您量身定制专业的深度保养服务。让旧仪器华丽转身，芳华更甚。保养前保养后Avio 200 外部深度保养我们可以提供的是仪器整机级别的深度保养，从外壳到内部管路的整新，光学系统、进样系统、石墨炉等的深度检测维护，乃至整个仪器的硬件性能拓展和提升。保养前保养后Avio 200 内部深度保养该业务将由珀金埃尔默全球领先的太仓工厂提供专业支持，给您带来真正的原厂深度保养！出厂标准：仪器固件和硬件已更新至最新版本，且通过现行珀金埃尔默工厂标准测试。深度保养进行中太仓工厂 ICP 生产线仪器金贵，担心拆装和运输的安全？由经过专业培训的珀金埃尔默工程师提供上门拆机、安装和调试服务，且享受全国(非偏远地区)免费包装和配送。专业物流团队为您的机器保驾护航限时优惠- SALES -即日起至2022年6月30日订购深度保养服务的客户，可享受每台仪器8折的特别礼遇。Q & A问仪器完成深度保养后的保修期是多久？答所有经深度保养过的仪器，均可享受一年的原厂质保期以及一次维护保养，免费提供质保期内仪器正常损坏的维修人工费和备件费。问深度保养怎么收费？答根据仪器的型号和当前的使用状况，先由售后服务工程师上门评估，然后由服务销售根据客户需求及评估报告定制化报价。

近日，中国科学院沈阳自动化研究所机器人学国家重点实验室智能腔道手术机器人研究组在单目内窥镜深度估计方面研究方面取得新进展。相关研究成果以A Geometry-Aware Deep Network for Depth Estimation in Monocular Endoscopy为题，发表在Engineering Applications of Artificial Intelligence（EAAI）上。　　该研究组提出了几何感知深度估计的框架，设计了梯度、法向和几何一致性损失函数，加强了几何一致性约束并提高了管腔结构的三维重建性能。此外，该团队提出了一套内窥镜合成RGB-D数据集。该数据集描述了在严重的反射和光照变化下的几何解剖结构，并提升了在合成的和真实数据领域的泛化学习能力。 　　科研人员运用这一方法在EndoSLAM数据集、Colondepth数据集和临床图像上进行详细的实验和分析。实验表明，相比于当前较多使用的SOTA方法，该方法生成了更一致的深度图和更加合理的解剖结构。该研究提出的合成数据集和源代码已开源（https://github.com/YYM-SIA/LINGMI-MR）。 　　该研究组致力于消化、腹腔、呼吸等人体腔道手术机器人的关键技术及系统研发，先后承担国家重点研发计划和国家自然科学基金重点项目等，在手术机器人的构型创成、感知、控制、手术导航以及智能化等方面取得了多项成果，并完成多台套的典型手术机器人系统，且部分成果已进入临床应用阶段。　　研究工作得到国家自然科学基金、国家重点研发计划、辽宁省自然科学基金和沈阳医工结合协同创新项目的支持。几何感知深度估计网络框架

在冬奥会所有比赛项目中，雪上项目约占70%。跳台滑雪、高山滑雪等都极具速度和技巧，雪特性以及气候变化对运动员的影响很大。作为冬奥雪上项目主场，张家口属于温带大陆性季风气候，早晚温差大、风大，白天气温温差大，雪会融化，到了晚上，雪温、空气相对湿度变化，雪的硬度也会发生变化。工作人员要及时监测赛场雪况，给运动员更好的比赛条件。雪的测试涉及参数众多，包括雪状、雪硬度、雪密度、雪深度、降雪量、雪压、穿透阻力、粒径、粘滞系数、移雪量、雪通量、雪浓度、雪晶浓度、雪面温度、雪水当量、雪中含水量和含冰量等。那么如何通过仪器揭示雪的“奥秘”呢？小编特整理了一些与“雪”有关的仪器，以供参考。积雪贯入仪贯入仪亦称穿透计，是一种测定土壤穿透阻力的仪器。而积雪贯入仪是一种测定积雪穿透阻力的仪器，可以用来表征雪硬度。随着南极科考事业的蓬勃发展以及北京和张家口共同获得2022年冬季奥林匹克运动会的举办权，冬奥会滑雪场和相关配套基础设施的建设工作也一直广受各界的关注。因此，南极机场跑道和滑雪场跑道等冰雪工程建设的发展，对于我国南极科考事业的发展和2022年北京冬季奥运会的顺利举办具有重要的战略意义。其中，压实积雪跑道的硬度测量所涉及的测试技术的发展以及相关贯入仪的研发是需要解决的首要技术问题。贯入仪是一种具有广泛应用前景的仪器，还可以在其上安装许多额外的传感器，从而可以在一次测试中获得大量信息，包括力学、微观结构、视觉、雪崩等。冰雪粒径检测仪和雪硬度计高山滑雪比赛项目中，运动员最高时速可达到 248km/h，对雪道硬度有苛刻要求。雪道表面必须保持结晶状态，近似于冰面，被称为冰状雪。冰状雪不是单纯让雪结冰，而是雪质硬化的过程，需要 " 精耕细作 "。如何评价“冰状雪”赛道质量？中国科学院南京天文光学技术研究所南极团队，参与承担了科技部“科技冬奥”重点专项中关于冰状雪赛道质量检测的专用仪器的研制工作，与中国气象科学研究院合作研发了冰雪粒径检测仪和雪硬度计，助运动员乘风破浪，为北京 2022 年冬奥会保驾护航。雪温雪状观测仪奥运气象保障要求气象数据获取达到“秒级、分钟级”，通过气象数据信息了解区域内气象要素实时变化，为组委会和运动员提供实时气象信息。针对冬奥会场地特殊的气象监测需要，航天新气象公司组织技术攻关小组，研究冬奥会雪务观测需求，设计了一款实时为赛事场地的短临预报服务提供数据支撑的雪温雪状观测仪。这款仪器能自动识别粉状雪、壳状雪、冰状雪、浆状雪四种雪状，并探测雪地实时温度。它支持蓝牙和4G通信，实时定位，在线地图回看坐标数据，可随时随地进行探测，一键生成数据报文、抓取图像，满足赛场精细化观测需求。这也是冬奥会官方指定的一款测雪气象装备。超声波积雪雪深计超声波积雪深度计是利用超声波技术测量积雪深度的仪器。在高于当地最大积雪深度的一根支杆上，装有一个超声波转换器，由其发出的声脉冲经雪面反射后又被它所接收。从测得声脉冲返回的时间就可算出转换器到雪面的距离，而转换器到地面的距离是固定的，故后者减去前者即为积雪深度。激光雪深计激光雪深计在工作时向目标射出一束很细的激光，由光电元件接收目标反射的激光束，计时器测定激光从发射到接收的时间，计算出从观测者到目标的距离，叠加基准面的初始值从而计算出雪深。融雪型雨雪量计融雪型雨雪量计是利用加热、不冻液等方式将固态降水（雪、雨夹雪）融化为液态后，进行雨雪量自动测量的仪器。融雪型雨雪量计由融雪装置、雨量传感器、记录器三部分组成，其中记录器可置于室内。国际上比较成熟的融雪型雨雪量计主要有三种，包括电加热式、不冻液式和燃气加热式。这三种雨雪量计均采用翻斗式雨量传感器。近几年我国也研制成几种融雪型雨雪量计，大多数为不冻液式。雪水当量测试仪雪水当量是指当积雪完全融化后,所得到的水形成水层的垂直深度。一种雪水当量仪的测量原理是基于雪层所引起的流体静压强（静力压），即：雪层对充满水袋内液体（水和乙二醇以1比1比例混合，有防冻作用）的压力转换为水袋内液体对传感器的压力，传感器内的液体上升，上升的液体对传感器产生一个压力，然后转换为电压模拟量输出到数据采集器，数据采集器采集信号并运算，最后得到雪水当量。同时测得的雪深，并利用“雪水当量=积雪平均密度*积雪深度”的计算公示即可得出积雪密度。雪面温度监测仪雪面温度测量是地面气象观测重要的一部分，不同于传统的固定位置的温度测量仪器。按照《地面气象观测规范》，雪面温度测量要符合规范要求，当降雪覆盖了温度传感器时，要人工将其拔出，并重新放置，并使得温度传感器一半位于雪中，另一半暴露于空气当中。风吹雪粒子监测系统风吹雪，由气流挟带起分散的雪粒在近地面运行的多相流，又称风雪流，简称吹雪。它是一种较为复杂的特殊流体，有较大的危害性。起动风速和雪的输送是风吹雪的主要形成过程。前者是指使雪粒起动运行的临界风速，它的大小既和雪的密度、粒径、粘滞系数等有关，又与太阳辐射、气温、地面粗糙度等外界条件相关。 “风吹雪”现象常发生在雪停之后，通常会出现在晴朗天气。风吹雪粒子监测系统利用可见激光，发射端和接收端之间产生直径非常小的光斑，在发射和接收器之间的光束衰减或阻断来识别雪粒和雪片。其可用来测量风吹雪粒子的通量、环境的温湿度及风力的大小，是测量暴风雪的高精度传感器，主要是测量风雪（暴风雪）的颗粒，风从地面被风吹起雪沙粒的大小的专业产品，可应用于雪通量的理论模型研究、雪崩预警、常规冰雪特性研究等领域。除以上仪器外，雪测量仪器还包括称雪器、积雪重量级、雪量计、移雪量测试仪等。

深度学习深度学习作为一项新技术，革新了现有应用程序并推动新兴产业的迅猛发展。Google、Amazon、Intel 和Nvidia提供的用于创建和训练神经网络的工具使技术获取更容易，促进新玩家凭借有竞争力的产品进入成熟市场。目前，深度学习的潜能已被广泛认可，也许您现在正在应用程序上使用深度学习。为了让机器视觉开发者能够充分利用这项技术，菲力尔推出了FLIR Firefly DL相机，它可以便捷地在现场部署受训过的网络。FLIR Firefly DLFLIR Firefly DL通过集成高质量的Sony Pregius图像传感器和符合GenICam的Intel Movidius Myriad 2视觉处理单元 (VPU)，将机器视觉和深度学习推断相结合。FLIR机器视觉相机尺寸小巧、重量轻且功耗低，是嵌入移动、桌面和手持系统的理想选择。VPU的概念位于FLIR Firefly DL核心的Intel Movidius Myriad 2视觉处理单元（VPU）是一种新型处理器。VPU结合了高速硬件图像处理过滤器、通用CPU内核以及平行矢量处理内核。与GPU的通用内核相比，用于加速相机内建推断的矢量内核针对神经网络的分支逻辑进行了更多优化，优化程度更高的VPU能够以低功率实现高性能。推断与深度学习的关系推断是在新捕获的、无标签真实数据上应用的深度学习。推断是指受训后的神经网络根据新数据做出预测的结果。推断应用了一个通过标记数据 (A) 训练未标记数据 (B) 的模型虽然有许多不同类型的网络可用于推断，但MobileNet特别适用于图像分类。MobileNet最初由Google设计，用作移动设备的高精度图像分类和分割。与那些计算昂贵且需要耗电量大GPU的网络相比，它也能够实现相同的精度。推断相机和“智能相机”的区别传统智能相机结合了机器视觉相机和运行基于规则的图像处理软件的单板计算机。智能相机可以较好解决简单问题，例如读取条形码或回答“孔是否应该位于该部分？”这类提问。推断相机的优势在于可处理更复杂或主观的问题，例如“这是出口级苹果吗？” 当使用已知的优质图像进行训练时，推断相机可以轻松识别基于规则的检查系统无法识别的非预期内缺陷，使其对差异性更加宽容。推断相机可通过丰富的描述元数据扩大现有应用。通过GenICam块数据，FLIR Firefly DL相机可以使用推断来标记传至主机的图像，该主机使用传统的基于规则的图像处理方式。通过这种方式，用户可快速扩展其现有视觉系统的能力。该混合式系统架构同样也可以触发传统视觉系统。使用 FLIR Firefly DL相机可以节省大量空间，因为传统智能相机中使用的计算硬件功耗效率更低，而且比FLIR FireflyDL相机中的VPU大得多。FLIR Firefly DL相机尺寸只有27mmx27mm，可随时集成到紧凑的空间中。FLIR Firefly DL是一个开放式平台，使用户可灵活利用快速进步的深度学习网络及其训练和优化的相关工具链。相反，使用专有工具对智能相机进行编程可能会落后于新技术。相机内建推断的优势在视觉系统边缘进行推断，可以促进系统速度、可靠性、功率效率和安全性的提升。★ 速度：边缘推断与其他形式的边缘计算一样，图像处理可在离开中央服务器，靠近数据源进行。无需将所有图像传输至远程服务器，只需传送描述数据。这将大幅减少系统需传输的数据量，使网络带宽和系统延迟降低。★ 可靠性：对于某些应用，FLIR Firefly DL不需要依靠服务器和网络基础设施，就可提升其自身可靠性。FLIR Firefly DL通过其内置的VPU，可作为独立传感器运行。它可捕捉图像并根据图像做出决策，然后使用GPIO信号触发操作。★ 功率效率：只在需要时触发视觉系统意味着更多的处理时间可用在传统基于规则的图像处理和分析上。深度学习推断可在满足特定条件时触发高功率图像分析。Myriad 2 VPU通过级联网络支持可节省额外功率。如此可以实现多层分析，只要满足前一个网络的条件，更复杂、功率更高的网络就可以启用。★ 安全：少量数据的传送便于加密，提升系统安全性。深度学习推断的应用FLIR Firefly DL提供了一条从深入学习的研发到实际应用程序的方便途径。它可随时作为独立传感器使用，捕捉图像并基于图像做出决策，从而触发GPIO行为。通过Intel神经计算棒，可用低于1000美元（约6300元）的成本建立起完整的视觉系统边缘推断。视觉系统开发人员可以使用Intel OpenVINO工具包在同一个驱动FLIR Firefly DL相机内建推断的VPU上轻松优化和验证神经网络的性能。这使得用户能够使用相同的相机，准确评估Myriad 2驱动的、并行于传统算法推断的性能。从GPU训练转移到神经计算棒开发和FLIR Firefly DL部署深度学习推断将从根本上改变视觉系统设计和编程的方式。它比使用传统基于规则的方式更加快速精确地做出复杂且主观的决策。通过集合Sony Pregius传感器、GenICam 界面和 Intel Movidius Myriad 2 VPU，FLIR Firefly DL相机将机器视觉与深度学习相结合。这种新型推断相机提供了一种在机器视觉应用中部署深度学习推断的理想路径。

2月29日，中国科学院上海药物研究所研究员黄河、柳红合作，研究设计合成了一种含有吡啶甲醛片段的可断裂分子探针2PCA-Probe，可实现对蛋白质N-端的深度富集检测。相关研究发表于《美国化学会志》。蛋白质水解是一种广泛存在的翻译后修饰方式，在多种生物过程中发挥重要作用。在正常组织中，大多数蛋白酶的活性受到严格调控，而在肿瘤组织中则往往被异常激活，并通过介导免疫逃逸、肿瘤细胞侵袭等多个途径促进肿瘤的发生发展。通过对蛋白质N-端进行系统检测可获得蛋白水解断裂信息，但现有的N-端组学检测方法存在操作复杂、检测深度不高等缺陷，限制了蛋白水解相关研究的进展。研究团队发现，吡啶甲醛片段与N-端氨基酸可以选择性发生环化反应形成咪唑烷酮结构，还可发生羟醛缩合反应，并由此发现该类标记方法生成的新诊断片段。通过该诊断片段信息，可以规避以往此类探针标记时遇到的限制，即无法标记2位氨基酸为脯氨酸的多肽。利用该方法，研究团队对三对结直肠癌组织和癌旁组织的N-端组进行了深度富集检测，共鉴定到了4686种N端多肽。进一步分析显示，肿瘤组织中的蛋白水解过程较癌旁组织更活跃，且肿瘤组织中发生水解的蛋白主要富集在代谢通路和免疫通路，这可能与肿瘤组织的代谢重编程和免疫逃逸过程相关。该研究建立了一种全新的N-端组深度检测方法，为疾病发病机制中的蛋白质水解过程研究提供了有力的新工具。2PCA-Probe探针结构及标记检测流程 图片来源于《美国化学会志》

2010年11月4日，美国宇航局“深度撞击”探测器对“哈特利2”号彗星进行了近距离拍摄。当时探测器距彗星的距离约为700公里。“哈特利2”号彗星是一个短周期彗星，1986年由天文学家马尔科姆哈特利发现，其直径约为1.2千米至1.6千米，每6.47年绕太阳一周。专家认为，这颗彗星之前的轨道可能靠近木星，后来可能是受到撞击等原因，其运行轨道逐渐靠近太阳。

安徽理工大学地球与环境学院青年教师陶晨与加拿大滑铁卢大学工程学院教授Wayne Parker和不列颠哥伦比亚大学教授Pierre Berube课题组合作，针对安大略省多伦多市Keswick污水回用中心冬季深度处理污染加剧的问题，进行了前期历史数据分析和后期实验研究，厘清了二级生物处理运行温度和深度处理超滤运行温度对膜污染的影响机制。相关研究成果发表于《分离纯化杂志》。二级和深度处理运行温度对膜污染影响机制的示意图 安徽理工大学供图污水深度处理是指城市污水经一级、二级处理后，为了达到一定的回用水标准，使污水作为水资源回用于生产或生活的进一步水处理过程。超滤被认为是一种非常有前景的污水回用处置方式，然而膜污染问题一直是限制其长期稳定运行以及运营成本管控的瓶颈性问题。 “因为膜污染会造成跨膜压差的上升，在维持目标处理效率的前提下，需要提高膜清洗与更换的频率，从而增加运营成本和能源消耗。一般来说，膜污染控制成本占运行成本的20%-30%；其中，膜清洗和膜更换成本分别占膜污染控制总成本的9%-30%和40%-65%。而对于污水深度处理的运行场景来说，这些数据会随着冬季温度的降低，进一步升高。”陶晨向《中国科学报》介绍。近年来，各国学者针对温度对膜污染的影响展开了相关研究，然而研究对象多为膜生物反应器（MBR）工艺。一方面，在深度处理中，因为膜不直接与污泥混合液接触，所以膜污染机理与MBR有很大区别；另一方面，深度处理中膜过滤过程与二级生物过程分开进行，温度对二者造成的影响程度不同且存在交叉影响，值得分别去探讨。此次研究中，陶晨等提出了活性污泥模型与实验结合的方法，通过新颖的实验设计，评价了温度通过影响二级生物过程及其代谢产物，以及温度影响膜固有性质对深度处理膜污染的影响机制。“我们研究发现，将二级生物处理运行温度从20℃降低到8℃，且超滤运行温度为20℃不变时，总膜阻力大幅度增加。这主要是由于二级生物过程在低温下产生的可溶性微生物产物大量增加导致，其中与生物质衰减相关的有机质（BAP）是最主要膜污染物质。”陶晨说。进一步地，降低超滤运行温度时，总膜阻力增加了122%，这一部分膜阻力的增加是由于膜孔径的减小和液体黏度的增加。研究发现，总膜阻力的增加并不是各部分影响的简单叠加，而是存在复杂的交互影响。陶晨说，该工作全面探讨了运行温度对膜污染的影响，为不同温度运行条件下设计膜污染缓解措施提供了理论基础，也为探讨其他极端运行条件下二级生物过程与膜污染间的关系提供了方法借鉴。”审稿人认为：作者研究了实际污水处理厂运行温度对深度处理膜污染的影响机制，区分了造成低温条件下总膜阻力上升的不同原因，是一项有趣的研究工作，对缓解膜污染并减少运行成本提供了理论参考，具有实际意义。

来自瑞士苏黎世大学和苏黎世理工大学的研究人员开发出一种称为漫反射光学定位成像(DOLI)的新技术，利用它可以高分辨率、无创观察活体小鼠大脑深部的微血管。该技术具有卓越的分辨率，可看到深层组织，为观察大脑功能提供了强大的光学工具，在研究神经活动、微循环、神经血管耦合和神经退化方面具有广阔的应用前景。相关研究发表在近日的美国光学学会期刊《光学》上。　　这种技术利用了1000—1700纳米之间的第二近红外(NIR-Ⅱ)光谱，这一范围光谱的散射较少，可使显微荧光成像的深度达到光扩散深度极限的4倍。　　在各种疾病的动物模型中，荧光显微镜经常被用来对大脑的分子和细胞细节进行成像。但此前，由于皮肤和颅骨的强烈光散射影响，荧光显微镜仅限于小体积和高度侵入性的操作。此次研究首次表明，3D荧光显微镜可帮助科学家以非侵入性方式，高分辨率地观察成年小鼠大脑。该显微镜有效覆盖了大约1厘米的视野。　　研究人员首先在模仿人体平均大脑组织特性的组织合成模型中测试了这项技术，证明他们可以在光学不透明的组织中获得最深达4毫米的显微分辨率图像。然后，他们在活小鼠身上测试了这项技术。他们给活小鼠静脉注射了荧光微滴，追踪这些流动的荧光微滴可以重建小鼠大脑深部微血管的高分辨率图。观察发现，借助DOLI技术可以完全无创地观察到脑微血管以及血流的速度和方向。　　研究人员表示，这种方法消除了背景光散射，并可在头皮和头骨完好无损的情况下进行。他们还观察到相机记录的斑点大小与微滴在大脑中的深度有很大的关系，这使大脑深度分辨成像成为可能。　　“在生物医学成像领域，实现深部活体组织的高分辨率光学观测是一个长期的目标。”研究小组组长丹尼尔拉赞斯基说。　　现在，研究人员正在努力优化DOLI技术，以提高其分辨率。他们还在开发改进的荧光剂，这些荧光剂更小、荧光强度更高，且在体内更稳定，这将大大提高该技术在清晰度和成像深度方面的性能。

p　　一、人工智能：从概念提出到走向繁荣/pp　　1956年，达特茅斯会议上提出了“人工智能”的概念，直到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。/pp　　目前的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破，主要归功于一种实现人工智能的方法——机器学习。/pp　　二、机器学习：一种实现人工智能的方法/pp　　机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，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。/pp　　机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。/pp　　传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。/pp　　三、深度学习：一种实现机器学习的技术/pp　　深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些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。最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。其实有不少想法早年间也曾有过，但由于当时训练数据量不足、计算能力落后，因此效果不尽如人意。深度学习摧枯拉朽般地实现了各种任务，使得似乎所有的机器辅助功能都变为可能。/pp　　四、三者的区别和联系/pp　　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。目前，业界有一种错误的较为普遍的意识，即“深度学习最终可能会淘汰掉其他所有机器学习算法”。这种意识的产生主要是因为，当下深度学习在计算机视觉、自然语言处理领域的应用远超过传统的机器学习方法，并且媒体对深度学习进行了大肆夸大的报道。/pp　　深度学习，作为目前最热的机器学习方法，但并不意味着是机器学习的终点。起码目前存在以下问题：/pp　　1. 深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理 /pp　　2. 有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法 /pp　　3. 深度学习的思想，来源于人脑的启发，但绝不是人脑的模拟，举个例子，给一个三四岁的小孩看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩也十有八九能做出那是一辆自行车的判断，也就是说，人类的学习过程往往不需要大规模的训练数据，而现在的深度学习方法显然不是对人脑的模拟。/pp　　深度学习大佬 Yoshua Bengio 在 Quora 上回答一个类似的问题时，有一段话讲得特别好，大致意思是，科学不是战争而是合作，任何学科的发展从来都不是一条路走到黑，而是同行之间互相学习、互相借鉴、博采众长、相得益彰，站在巨人的肩膀上不断前行。进入21世纪，纵观机器学习发展历程，可以简单总结为2000-2006年的流形学习、2006年-2011年的稀疏学习、2012年至今的深度学习。未来哪种机器学习算法会成为热点呢?深度学习三大巨头之一吴恩达曾表示，“在继深度学习之后，迁移学习将引领下一波机器学习技术”。/p

p style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em text-indent: 2em "2020年10月26日，第十五届国际基因组学大会(ICG-15)在武汉拉开帷幕。深圳华大智造科技股份有限公司(下称“华大智造”)在学术报告中分享了“大人群基因组学一站式解决方案”。该方案集样本前处理、文库制备、高通量测序、基因数据管理等模块为一体，从样本到报告全程自动化，目前可满足每年五万到百万级规模高深度全基因组测序需求，全流程均可按需定制。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　华大智造高级副总裁倪鸣表示：“可以看到，近年来大人群基因组测序和分析渐成趋势，国家级别的基因组测序项目不断涌现。全球范围内大人群基因组计划的实施，对高通量基因测序平台技术的水平，对基因测序方案的通量、成本、精准度、智能化等提出了更高要求，华大智造也希望为此贡献己力。”/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 450px " src="https://img1.17img.cn/17img/images/202010/uepic/9b327086-c705-4c70-a688-d724a3567919.jpg" title="倪鸣博士.jpg" alt="倪鸣博士.jpg" width="600" vspace="0" height="450" border="0"//pp style="text-align: center margin-top: 10px margin-bottom: 10px line-height: 1.5em "华大智造高级副总裁倪鸣在ICG-15分享解决方案/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　span style="color: rgb(255, 0, 0) "strong华大智造大人群基因组学一站式解决方案：四大模块， 测序系统超强定制/strong/span/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　华大智造在大会上分享的“大人群基因组学一站式解决方案”由生物样本库、建库中心、测序中心和数据中心四大核心模块构成。其中，生物样本库主要功能是将全血分离为血浆和白膜层，完成gDNA提取 建库中心则分为文库制备和DNB制备两部分，用于测序文库制备。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 408px " src="https://img1.17img.cn/17img/images/202010/uepic/0fda5a10-f7e1-4498-8f8c-60f8c0c55f48.jpg" title="3.png" alt="3.png" width="600" vspace="0" height="408" border="0"//pp style="text-align: center margin-top: 10px margin-bottom: 10px line-height: 1.5em "大人群基因组学一站式解决方案布局br//pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　而该方案的测序中心采用了超强定制的测序系统——DNBSEQ-T10× 4RS，这是基于华大智造独有DNBSEQ测序技术打造的超高通量测序仪，以满足超高通量测序需求。该测序系统的创新突破点在于，不同于以往华大智造测序平台采用的流道式芯片和封闭式反应系统，DNBSEQ-T10× 4RS运用了浸没式生化方案和开放式反应体系，实现了测序读长、测序质量以及成本投入之间的最佳平衡。一台DNBSEQ-T10× 4RS测序系统支持8张测序载片同时运行，每天可产出最高达20Tb(约200个高深度人类全基因组)的测序数据，单套测序系统可年产超过5万个高深度个人全基因组测序。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　采用该解决方案的前期测试数据显示， DNBSEQ-T10× 4RS测序系统检测SNP的准确度和灵敏度都超过99%，检测Indel的准确度和灵敏度超过98%，均已达到业内领先水平。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 337px " src="https://img1.17img.cn/17img/images/202010/uepic/b1cbd9a8-fdb6-4d01-a6aa-0b4a22c4183a.jpg" title="T10× 4.jpg" alt="T10× 4.jpg" width="600" vspace="0" height="337" border="0"//pp style="text-align: center "运行中的DNBSEQ-T10 × 4RS/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　最后一个重要模块——数据中心则使用华大智造ZTRON基因数据中心一体机，可实现样本管理、实验室生产、生信分析及数据治理等全周期基因数据管理。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 277px " src="https://img1.17img.cn/17img/images/202010/uepic/9d09841f-83dd-4db0-b6b8-be188225a664.jpg" title="2.png" alt="2.png" width="600" vspace="0" height="277" border="0"//pp style="text-align: center margin-top: 10px margin-bottom: 10px line-height: 1.5em "ZTRON基因数据中心一体机/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　据介绍，华大智造打造的“大人群基因组学一站式解决方案”拥有四大核心优势：第一，超高通量，单台测序仪年产高深度全基因组测序不低于5万人次 第二，超低成本，其所采用的新型测序方案可有效降低测序成本 第三，超强定制，能够实现全流程可定制化，满足五万到百万级基因组测序需求 第四，该方案从样本到报告全程实现自动化，使测序全流程操作更为便利。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　更进一步，通过其提供的基础版、扩容版方案，可根据客户需求设计设备数量与配置、场地、人员安排等，目前可实现测序深度30x、年产五万至百万的全基因组测序能力。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　span style="color: rgb(255, 0, 0) "strong大人群基因组学项目成全球趋势：依托成熟技术，开启精准医疗新时代/strong/span/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　近两年，华大智造凭借高通量测序整体解决方案及全流程运转能力，不断拓展高通量测序技术创新应用的想象空间。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　2019年9月，由华大智造自主研发的超高通量基因测序仪DNBSEQ-T7正式交付商用。作为全球日生产能力最强的基因测序仪，DNBSEQ-T7配备4联载片平台，四载片连载日产数据量高达6Tb，即一天最多可完成60例个人全基因组测序，是能够强有力推动测序产业跃迁的“超级生命计算机”。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　同年12月，阿联酋启动 “全民基因组计划”，其中华大智造负责建设高通量测序平台，为该计划提供了核心设备支撑，展示了我国基因测序设备制造领域的领先水平。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　当前，大规模人群基因组学研究项目成果正在全球范围内持续拓展，包括美国、新加坡、法国、阿联酋在内的多国政府先后启动国家级大人群基因组计划。不久前，英国政府颁布了全国性基因组学医疗保健战略——《基因组英国(Genome UK)》，将在未来持续利用基因组学对特定患者群体进行干预，以应对新的全球性流行病和公共卫生威胁，生命科学产业进入基因大数据时代。/pp style="text-align: justify margin-top: 10px margin-bottom: 10px line-height: 1.5em "　　在此趋势下，市场亟需高质量的全面测序方案，华大智造“大人群基因组学一站式解决方案”此番推出，得益于其深厚的技术积淀、强大的自主研发能力及定制化整体解决方案能力，这将进一步推动基因检测技术普及惠民，推动精准医疗发展，加速推进“人人基因组时代”进程。/p

近日，中科院自动化所研究员曾毅团队研究发现，从经典的到最先进的深度神经网络都难以像人一样具有较好的幻觉轮廓识别能力。相关研究成果发表于细胞出版社旗下期刊《模式》。神经网络和深度学习模型在过去十年中看似取得巨大成功，在许多给定的视觉任务中在指定方面超过了人类表现。然而，神经网络的性能仍然会随着各种图像扭曲和损坏而降低。一个非常极端的例子是对抗攻击，通过在图片上施加人眼难以察觉的微扰，能够使神经网络模型彻底失效。而人类的视觉系统在这些问题上具有高度鲁棒性，说明深度学习与生物视觉系统相比仍然存在根本性缺陷。为此，曾毅团队提出了一种名为交错光栅扭曲的图像干扰方法，作为量化神经网络模型幻觉轮廓感知能力的工具。结果表明，大多数预训练模型的表现接近随机。另外可以观测到当交错光栅之间的距离较小时，存在一些模型的结果与其他模型的分布有较显著的差别。他们最终发现，使用深度增强技术训练的模型相比其他模型能够显著增强模型对交错光栅扭曲数据集的识别。该研究还招募了24名人类受试者，以评估不同的参数设置下，人类的幻觉轮廓感知能力以及其对数字和图像识别的影响。研究发现，即使是当前最先进的深度学习算法在交错光栅效应的识别上也与人类水平相距甚远。论文第一作者、中科院自动化所工程师范津宇认为，该研究结合了认知科学和人工智能，提出了将传统机器视觉数据集转换成认知科学中的交错光栅幻觉图像，并首次对大量的公开预训练神经网络模型的幻觉轮廓感知能力的量化测量，从神经元动力学角度和行为学角度两个检验深度学习和神经网络模型对幻觉轮廓的感知。“这项研究从认知科学的角度检验和部分重新审视了当前看似成功的人工神经网络模型，并且证明人工神经网络模型与生物视觉处理过程仍然存在着很大差距，大脑运作的机理和智能的本质将继续启发人工智能，特别是神经网络的研究。”曾毅说。在他看来，要想从本质上取得突破，人工智能需要借鉴和受自然演化、脑与心智的启发，建立智能的理论体系，这样的人工智能才会有长远的未来。

在机械众多行业中,需要对重要零部件进行表面硬化处理,尤其是那些高速负荷等受力复杂而繁重条件下的工作零件,如钢件.通过适当的表面热处理方法(以渗碳为例)，使零件表层成为高碳层,以便得到高强度、高硬度、高耐磨性和高接触疲劳强度,并与低碳心部的塑性，韧性良好配合,以便改善零件的耐磨性和耐疲劳性,由此提高零部件的质量及寿命。常见的表面处理有：渗碳、氮化、碳氮共渗、火焰淬火、高频淬火、硬质阳极氧化、镀铬等。表面硬化层深度是评判工件表面质量好坏的重要指标,所以测量工件表面硬化层深度尤为重要。钢件硬化层深度测定包括总硬化层深和有效硬化层深度的测定总硬化层深: 从零件表面垂直方向测量到与基体金属间的显微硬度或显微组织没有明显变化的那一硬化层的距离。有效硬化层深: 当钢进行渗碳或碳氮共渗处理后，回火温度不超过200℃，从硬化层表面垂直向心部位置检测至HMV值550的距离。硬化层深度 常用标准如下:ISO2639-2002GB/T9450-2005GB/T5617-2005ISO3754:1976GB/T9451-2005等硬化层深度 -CHD计算方法确定硬度限值的方法有很多。因此，计算 CHD 值的方法也有很多。您选择的程序取决于所采用的硬化工艺。常见的计算方法如下:渗碳或碳部件 (EN ISO 2639)硬度限值 = 550 HVCHD (Eht) = 从表面到硬度为 550 HV 位置点的距离感应淬硬或火焰淬硬部件（EN 10328 和 ISO 3754）硬度限值 = 80％ × 表面硬度（min）CHD (Rht) = 从表面到硬度为表面硬度（min） 80% 位置点的距离氮化部件 (DIN 50190-3)硬度限值 = 核心硬度 + 50 HVCHD (Nht, NCD) = 从表面到硬度为核心硬度 + 50 HV 位置点的距离（max）硬化层深度测量选 择 的 测量方法及精确度取决于硬化层的性质和估计的厚度。本篇以轶诺FALCON5000G2为例,介绍显微硬度测量法轶诺FALCON5000G2的IMPRESSIONS 智能软件有内置的CHD/SHD/NHD模板,根据标准规定进行规范化的硬度测试。该测试既可在显微图像下，也可在全景图像下直接开始测试。可单独为 NHD测试设置额外的硬度核心点。按照标准，为了确保测试正确进行，测试点的间距会按照最小距离自动设置。省时测试模式在完成所有压痕后，会自动开始测量，当硬度值达到设置下限后，测试序列会自动停止。智能软件 轶诺IMPRESSIONS软件的目的是让复杂性可控优化操作舒适度轶诺的IMPRESSIONS软件具有一系列标准功能,例如自动测量、自动对焦、报告、测试程序存储等。IMPRESSIONS软件智能图表型用户界面包含了先进的应用程序和易学易用的工作流控制系统，只需3秒即可完成一次简单的设置。IMPRESSIONS 的布局和功能不仅能与您特定的应用要求相匹配，还能满足操作人员的偏好和需求。用户分级管理系统也使工作更加舒适和高效。15英寸纵向电容触摸屏为所有可能的应用程序创造了空间。针对有特殊需求的客户，可再选配一个15英寸纵向或24英寸横向的第二屏幕。针对有教学目的的用户（如高校等），也可通过机器标配的HDMI接口外接高清投影仪。“A P P"型的IMPRESSIONS 4对于应用要求更高的用户, 也许标准应用程序还不够用, 那么, 可以选择“A P P"型的应用式软件IMPRESSIONS 4 .

一、合作新篇章 近日，科迈恩（北京）科技有限公司与安捷伦科技（中国）有限公司再度围绕基于高分辨质谱的聚合物精细表征技术应用签署深度战略合作。双方将共同致力于推广聚合型化合物智能分析系统Polymer Studio结合高分辨质谱对于药用辅料及其制剂中的复杂组分自动表征与鉴定技术，展示LC-HRMS在以吐温、司盘、脂质体等为代表的聚合型药用辅料的质量评价中的独特优势，为制药行业广大用户提供前沿技术手段及整体解决方案。该项产学研用一体化合作也得到了中国医学科学院/协和医学院药物研究所张金兰教授及其团队的大力支持和肯定。 全新的Polymer Studio药用辅料智能表征分析软件暨数据库的发布填补了现有各国药典关于聚合型药用辅料质量精细表征与一致性评价的空白；缓解了高级药用辅料长期依赖进口的卡脖子问题；提供了抗体药及mRNA疫苗制剂中广泛使用的吐温系列辅料潜在的因氧化等因素导致疫苗失效及细胞毒作用的杂质分析方法，将在聚合型组分复杂体系的高分辨质谱表征这一“聚合物组学”的全新应用领域发挥重要和积极的作用。二、产品亮点1. 可扩展的天然及合成高分子聚合物系列高分辨质谱（MSn）数据库2. 制药领域最全面的聚合型药用辅料及有关物质（杂质）数据库（收载多达2万个化合物单体）3. 专利的高分辨质谱复杂组分精细表征高性能识别算法4. 专业UI界面、丰富、直观的数据分析结果5. 辅料一致性评价报告智能生成三、行业新应用 下一阶段双方将围绕生物、制药、食品、材料等相关高分子聚合物精细表征领域开展深度合作，针对行业Q-TOF质谱重点客户提供差异化解决方案，满足辅料软件用户的品种定制化需求，充分挖掘该分析平台的技术潜力，共同致力解决行业辅料相关质量分析挑战，促进双方人员技术交流和能力提升。 同时，双方还将共同开展相关应用领域公开性质的市场活动，推动企业界领袖、中国科学家及药品监管部门之间的技术交流，引领药用辅料质量分析、评价与控制技术发展趋势，进一步扩大安捷伦科技和科迈恩科技在制药行业及药用辅料质量分析与评价领域的服务能力和影响力。 双方自2019年首次开展战略合作以来，在提升我国药用辅料质控水平方面取得一系列进展。未来，科迈恩科技也将进一步加深与安捷伦科技在制药行业及药用辅料质量分析与评价领域的合作，逐步优化服务水平，完善解决方案内容，持续为行业创新与高质量发展贡献力量。关于科迈恩科技科迈恩科技秉持“让AI为创新分析技术赋能”的愿景，致力于让广大用户受益于大数据和人工智能技术对于检测能力的创新和提高。目前科迈恩科技已在智能化仪器数据分析、快检技术、新药研发、精准医疗、感官评价等工业级AI建模等领域拥有系列化产品或解决方案，涵盖色谱、质谱、光谱、核磁共振等多维分析大数据的融合。所服务的客户覆盖制药、快消品、农产品、临床、石化、环保、交通、汽车制造等诸多领域。关注“科迈恩科技”公众号，了解更多分析检测行业的解决方案如您对科迈恩科技有更多想了解，可通过仪器信息网和我们取得联系！400-860-5168转3905

助力科研，浦江论剑 ——思想碰撞深度交流会于2024年7月27日，在浦江举办的第一期新诺伙伴深度交流会取得圆满成功！此次交流会意指促进行业发展，&zwnj 思想交流。其关键在于全面推进经济、&zwnj 环境、&zwnj 社会和文化的多方面发展，&zwnj 通过科技创新、&zwnj 政策扶持、&zwnj 人才培养和国际合作等措施，&zwnj 实现协调可持续的发展目标。&zwnj &zwnj 只有全面推进这些方面的发展，&zwnj 才能实现协调可持续的发展目标。有效促进发展的策略包括：&zwnj &zwnj &bull &zwnj 个人和组织的参与至关重要，&zwnj 企业家应积极投身于实业发展，&zwnj 不断创新，&zwnj 在市场竞争中取得成功。&zwnj 普通员工应努力学习，&zwnj 提升专业素质，&zwnj 为企业的发展贡献力量。&zwnj 充分发挥本地高等院校人才的优势，&zwnj 建立院校与企业之间的沟通、&zwnj 交流和合作平台。&zwnj &bull 提高企业自主创新意识，&zwnj 构建“产政学研”合作研发体系，&zwnj 加强“产政学”科研开发体制。&zwnj &bull 推进制造业智能化改造，&zwnj 构建或借助工业互联网平台，&zwnj 促进产业链发展，&zwnj 打造行业新型生态圈。&zwnj 通过上述措施，&zwnj 可以有效地促进行业发展，&zwnj 加强思想交流，&zwnj 为实现全面发展和进步奠定坚实的基础。&zwnj

近年来，以深度学习为代表的计算超分辨方法可在不损失其他成像性能的前提下，提升显微图像分辨率或信噪比，表现出广阔的应用前景。然而，针对生物医学研究必需高保真度、可定量分析的图像要求，深度学习显微成像方法存在三大共性问题：受限于深度学习内秉的频谱频移(spectral-bias)问题，输出图像分辨率无法达到真值(ground truth)水平；受限于超分辨重建、去噪问题的病态性(ill-posed problem)和神经网络模型的不确定性(model-uncertainty)，重建或预测结果的真实性无法得到保障；深度神经网络的训练需要大量数据，但高质量训练数据的采集在许多应用场景下极其困难、甚至无法实现。当前，深度学习显微成像方法的研究和发展如火如荼，并表现出超越传统成像性能极限的潜力，但上述问题阻碍了现有深度学习超分辨或去噪方法在生物显微成像实验中的使用。 　　10月6日，中国科学院生物物理研究所李栋课题组联合清华大学自动化系、清华大学脑与认知科学研究院、清华-IDG/麦戈文脑科学研究院戴琼海课题组，美国霍华德休斯医学研究所博士Jennifer Lippincott-Schwartz，在Nature Biotechnology上，以长文(Article)的形式，发表了题为Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes的论文。该研究提出了一套合理化深度学习(rationalized deep learning，rDL)显微成像技术框架，将光学成像模型及物理先验与神经网络结构设计相融合，合理化网络训练、预测过程，从而实现了高性能、高保真的显微图像去噪与超分辨重建，并结合实验室自主研发、搭建的多模态结构光照明显微镜(Multi-SIM)与高速晶格光片显微镜(LLSM)，将传统TIRF/GI-SIM、3D-SIM、LLS-SIM和LLSM的成像速度/时程提升30倍以上，实现了当前国际最快(684Hz)、成像时程最长(最长可达3小时、60,000时间点以上)的活体细胞成像性能，首次对高速摆动纤毛(30Hz)中转运蛋白(IFT)的多种运输行为以及完整细胞分裂过程中核仁液液相分离(liquid-liquid phase separation)过程进行快速、多色、长时程、超分辨观测。Nature Biotechnology针对这一工作同时发表了评述文章(Research Briefing)。 　　具体而言，李栋/戴琼海研究团队提出的合理化深度学习结构光超分辨重建架构(rDL SIM)不同于现有超分辨神经网络模型的端到端(end-to-end)训练模式，而是采用分步重建策略，首先利用所提出的融合成像物理模型和结构光照明先验的神经网络对原始SIM图像进行去噪和高频信息增强，然后通过经典解析算法进行SIM重建以获得最终的超分辨图像。相比于该团队去年在Nature Methods上提出的超分辨重建神经网络模型DFCAN/DFGAN，rDL SIM可将超分辨重建结果的不确定性降低3~5倍，并实现更高的保真度和重建质量；相比于其他去噪算法(如CARE)，rDL SIM可恢复出调制在原始图像中的莫尔条纹，并将高频信息增强10倍以上。 　　此外，针对晶格光片显微镜、共聚焦显微镜等宽场照明或点扫描成像模态，该团队提出了一种可学习的傅立叶域噪声抑制模块(FNSM)。该模块可以利用OTF信息对显微图像中的噪声进行自适应滤除。科研团队以此构建了嵌入FNSM的通道注意力去噪神经网络架构，并基于显微成像数据本身的时空连续性，提出了时空交织采样自监督训练策略(TiS/SiS-rDL)。该策略无需额外采集训练数据、亦无需保证时序数据具有时间连续性，即可实现媲美监督学习效果的去噪神经网络的训练，解决了实际生物成像实验中高质量训练数据难以获取的难题。 　　合理化深度学习超分辨显微成像方法可适用于包括2D-SIM、3D-SIM、LLSM等在内的多种显微成像模态，提供高分辨率、高保真的显微图像重建性能，相较于传统方法最多可以提升30倍的成像时程和10倍的成像速度。借助rDL成像技术，研究团队开展了诸多过去的成像手段无法开展的超分辨活体成像实验，并与Lippincott-Schwartz、中科院分子细胞科学卓越创新中心研究员朱学良、中科院遗传与发育生物学研究所研究员何康敏探讨了其潜在的生物学意义，包括：对滴落在玻片上的U2OS细胞贴壁生长过程进行双色、长时程(1小时以上)、超分辨(97nm分辨率)观测，清晰、真实地记录了细胞粘附和迁移的动力学现象，且不干扰这一漫长、脆弱的生命过程；对高速摆动纤毛以当前最快的684Hz成像速率进行长达60,000个时间点的连续超分辨观测，且过程中无明显光漂白或细胞活性损伤，并对纤毛摆动模式和频率进行统计分析；对摆动纤毛及纤毛内转运蛋白(IFT)进行超快、超分辨双色成像，揭示了IFT在行进途中碰撞、重组、掉头等多种新行为；通过对cCAS-DNA与ER进行双色、长时程、超分辨成像，观测到cGAS-DNA在保持与ER持续接触过程中的定向运动、转向或扩散等行为，拓展了对膜性细胞器与无膜细胞器相互作用机制的认知；对HeLa细胞分裂过程中的核仁磷酸蛋白(NPM1)、RNA聚合酶I亚基RPA49及染色质(H2B)进行超长时程(12秒采集间隔，2.5小时以上)的三维超分辨活体成像，实现了对完整有丝分裂过程中NPM1与RPA49两种结构形态变化的三维超分辨活体连续观测，揭示了细胞有丝分裂过程中核仁形成以及NPM1、RPA49两种无膜亚细胞结构的相变、互作规律；以10Hz的全细胞体成像帧率对高尔基体进行长达10,000时间点的连续拍摄，并实现了对完整细胞分裂过程内质网、溶酶体、线粒体等亚细胞结构的三色、高速(秒量级)、超长时程(小时量级，1000个时间点)三维观测，探究了细胞有丝分裂过程中细胞器在子代细胞中的均匀分配机制。 　　李栋/戴琼海合作团队通过人工智能算法与光学显微成像技术的交叉创新，提出了合理化深度学习超分辨显微成像框架，解决了现有深度学习成像方法分辨率损失、预测不确定性、训练集不易采集等难题，可为多种活体显微成像模态提供30倍以上的成像速度与时程的提升，为细胞生物学、发育生物学、神经科学等领域的发展提供了重要的研究工具。同时，该研究团队所坚持和倡导的人工智能算法与光学成像原理交叉创新、软硬结合的研究思路，为现代光学显微成像的发展开辟了新的技术路径。 　　研究工作得到国家自然科学基金、科技部、中科院、中国博士后科学基金、腾讯“科学探索奖”、清华大学“水木学者”计划的支持。图1.合理化深度学习超分辨显微成像神经网络架构图2.合理化深度学习超分辨显微成像方法应用概览

6月26日，复享光学深度光谱应用课堂清华篇在清华大学材料学院成功举办！本次活动由清华大学材料学院与复享光学联合主办，针对复享光学自主研发的显微角分辨光谱仪的原理和应用，以线下交流、线上同步答疑的形式为学校师生进行培训宣讲，并由复享光学应用专家提供设备操作教学，吸引了北京诸多著名高校老师学生前来交流学习。独出机杼，别出心裁；复享光学应用专家孙沛智博士以独到的见解和生动的比喻为大家阐述了显微角分辨光谱技术的科学背景及应用案例，大家纷纷表示“秒懂”、“已get”，并引发了在场师生们的广泛交流，针对复享光学显微角分辨光谱仪的强大功能产生了浓厚的兴趣，且对其广阔的应用领域进行了深入探讨。眼见为实，精密测量；在午后的上机演示环节，复享光学应用专家姜自敏博士详细介绍并演示了仪器的操作方法，系统性的讲述了相关应用的实验范例，让ARMS不再是学生们眼中“高冷”的测量仪器，许多同学对ARMS测量结果纷纷表示认可，相约测样。轻松驾驭，相约“顶刊”；复享光学一直以来致力于关注光子技术前沿，积极探索光谱技术的应用场景，通过结合多维光场的感知与关键物质特性的计算重构,再融合先进的深度学习技术,构建AI时代的全面深度光谱分析框架，为诸多先进制造应用场景提供强劲的光学分析引擎,并使之在科研创新、先进制造、薄膜光电和光子集成场景中得到应用普及。未来，复享光学将走进更多高校，与老师、学生们探讨各种专业光谱技术问题，交流最前沿的信息和成果，敬请期待我们的下一站吧~

光学超分辨显微成像技术使人们能够从微观纳米尺度观测细胞内的动态生命活动，是当今细胞生物学、发育生物学、神经科学等生命科学领域的重要研究工具。基于深度学习的超分辨成像技术在保证成像指标，如速度、时程或视野等性能的前提下，进一步提升了显微图像分辨率或信噪比，表现出更大的应用前景。近日，中国科学院生物物理研究所与清华大学，联合美国霍华德休斯医学研究所等研究团队，在Nature Biotechnology杂志上发表了题为“Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes”的研究论文。该研究提出了一套合理化深度学习显微成像技术框架，将光学成像模型及物理先验与神经网络结构设计相融合，合理化网络训练、预测过程，从而实现了高性能、高保真的显微图像去噪与超分辨重建，并结合实验室自主研发、搭建的多模态结构光照明显微镜与高速晶格光片显微镜，将传统成像速度/时程提升30倍以上，实现了当前国际最快、成像时程最长的活体细胞成像性能，并首次对高速摆动纤毛中转运蛋白的多种运输行为以及完整细胞分裂过程中核仁液-液相分离过程进行了快速、多色、长时程、超分辨观测。综上，本研究提出了一种合理化深度学习超分辨显微成像框架，解决了现有深度学习成像方法分辨率损失、预测不确定性、训练集不易采集等难题。同时，人工智能算法与光学显微成像技术的交叉创新，也为现代光学显微成像的发展开辟了新的技术路径。　　原文链接：　　https://www.nature.com/articles/s41587-022-01471-3

6月2日至4日，中国城镇供水排水协会在山西太原召开饮用水和城市污水深度处理技术研讨会暨科学技术委员会年会。参加会议并致辞的有太原市自来水公司王健雄经理，中国水协科技委韩德宏主任，太原市城乡管理委员会领导，山西省建设厅领导，中国城镇供水排水协会李振东会长。安恒公司总经理万众华，总经理助理周晨参加了会议。&ldquo 十二五&rdquo 期间，我国预计将新增城镇污水处理能力7000万m3/d以上，氨氮等水质指标也将纳入污染物减排责任目标，重点流域、区域的城镇污水处理厂需要达到国家《城镇污水处理厂污染物排放标准》的一级A或更高排放标准。另外，国家新的《生活饮用水卫生标准》（GB5749-2006）（以下简称《标准》）将于2012年7月1日全面实施，饮用水的安全问题仍然备受关注。针对上述情况，各位到场的专家通过报告和技术交流等形式，对饮用水和城市污水深度处理、消毒、生物安全性和供水安全保障与应急技术等方面开展了深入研讨和交流。中国水协副会长、秘书长邵益生发言题目为《我国城市水务发展战略与规划的若干思考》；建设部城市供水水质监测中心宋兰合总工程师发言题目为《城市供水水质评价方法探讨》；无锡市排水总公司李激副总经理发言题目为《无锡城镇污水处理厂深度处理技术研究和改造案例》；深圳市水务（集团）有限公司张金松总工程师发言题目为《饮用水深度处理工艺技术要点》；安恒公司总经理万众华总经理的发言题目为《水质监测与安全风险识别的新技术方向》；安恒公司的重要合作伙伴美国哈希公司郑波经理的发言题目为《氯氨消毒工艺的精确控制及优化技术---氯氨及游离氨在线监测新技术》。这些精彩的发言都得到了大家的关注。安恒公司做为业界值得信赖的水管理专家，多次出席参加了中国水协举办的技术研讨会和交流会。安恒公司一直致力于水质分析业务数十年，积累了丰富的经验，2010年安恒公司成立管网运行管理事业部，并自主研发了《Leakview管网漏损监控系统》（以下简称Leakview)。Leakview是安恒公司管网运行事业部推出的由软硬件配合组成，基于云计算的远程管网漏损监测系统，它将用户的管网漏损监测设备的管理移到了远程的云计算服务中，为中小水司的管网管理信息化提供一个快捷易行的解决方案。这标志着国内管网漏损监测上升新台阶，同时，这也是安恒公司管网运行管理事业的一个重要开端。

由于其特异的宏微观基元拓扑构型，力学超材料在刚度、韧性、减隔振和热膨胀等性能方面显著优于传统均质材料，受到了航空航天、生物医学、电子电路和土木工程等领域的广泛关注。生物体经过长期进化形成的各类器官，与超材料的概念相契合，即通过多层级微结构实现超常物理力学特性，同时生物器官的微结构基元还呈现出梯度渐变、长程无序等特征。目前，针对力学超材料发展的拓扑优化方法和机器学习设计方法，主要面向周期性结构，对于仿生梯度超材料的逆向设计和优化，缺乏高效率、高保真的计算分析方法。 图1深度神经多网络系统实现多属性胞元的定制总体思路框图近期，来自北京理工大学的研究者们提出了一种加速梯度力学超材料逆向设计的深度学习方法。发展了一种由对抗神经网络(GAN)、性能预测网络(PPN)和结构生成网络(SGN)组成的多重网络深度学习框架，如图1所示，可实现力学性能参数和拓扑构型的快速双向映射。基于此深度学习框架，将各向异性材料杨氏模量、剪切模量和泊松比组成的属性空间，类比于R-G-B色彩空间，进而将梯度力学超材料逆向设计转换为色彩匹配问题。利用HTL树脂3D打印（NanoArch S140，摩方精密）制备了超材料结构样件，采用数字图像相关（DIC）方法验证了逆向设计的有效性。相关成果以“A Deep Learning Approach for Reverse Design of Gradient Mechanical Metamaterials”为题发表在《International Journal of Mechanical Sciences》期刊。图2 周期性超材料的应力应变曲线和泊松比应变曲线，其中左侧插图为3D打印试件，右侧插图为有限元分析模型。（a） 正泊松比结构。（b）零泊松比结构。（c）负泊松比结构；该研究中，首先基于拓扑优化方法得到了不同杨氏模量E、泊松比υ和剪切模量G的超材料胞元，并建立对应的属性空间作为数据样本。随后，基于Keras平台搭建了具备三个卷积解码/编码网络的深度神经网络系统，用于实现结构性能评估、结构补充与结构生成。基于拓扑优化样本实现PPN网络的离线训练，同时结合随机结构训练GAN网络以补充胞元属性空间。最后，基于属性空间扩充后的样本进一步训练SGN网络，对于任意的力学参数目标，均可在0.01秒内给出胞元构型，实现了多属性胞元的快速逆向设计。针对优化设计和网络预测得到的特定属性结构进行3D打印（如图2所示），并开展DIC压缩试验表征了其模量与泊松比，验证了算法的准确性和有效性。 图3 相邻胞元结构连通性的实现：（a）单元边界的定义和连接的分类（具有不同颜色的结构表示不同的属性）；（b）SGN网络调整初始设计；（c）经过网络匹配得到的最终结构。在超材料胞元快速逆向设计的基础上，创新提出了一种结构像素化方法，通过结构的E-υ-G属性与R-G-B通道一一映射，将结构属性数据库转化为像素数据库。首先基于像素匹配的方式生成满足宏观属性需求的初始设计，随后网络系统根据结构的连通性要求进一步优化胞元结构，保证宏观结构的可制造性，如图3所示。研究者们以髋关节假体为例，开展了梯度超材料结构的快速设计。如图4所示，髋关节假体在人体中主要承受非轴向载荷，如果嵌入骨骼中的部分发生弯曲，受到弯曲拉应力作用的一侧，将牵引其上附着的骨组织，诱发组织损伤。模仿实际骨骼的力学属性分布特征，采用神经网络系统在不同位置自动排列模量与泊松比梯度变化的超材料胞元（图5），从而调整了宏观结构的变形模式，使髋关节植入结构的两侧，均保持在压应力状态，解决了假体界面失效的问题。计算模型基于围绕假体的凹槽，用于模拟假体插入骨骼,固定凹槽的底端并在假体的顶部施加非对称压缩载荷。同时他们还建立了一个多材料模型，每个晶胞区域代表一种材料，材料性质与超材料模型中相同位置的晶胞的E-G-υ一致。两种模型的水平位移计算结果如图5f所示，槽左侧的位移为负，而右侧的位移为正，这表明假体两侧的界面被均匀挤压。假体与骨牢固结合，有效防止界面破坏，梯度结构具有完美的连接状态，类似于超材料模型的设计目标。超材料模型和多材料模型的计算结果高度一致，证实了他们提出的超材料设计方法的准确性，这种有效的连接策略在满足增材制造要求的同时实现了与多材料设计相同的性能。图4 人体髋关节假体的受力状态。（从外到内为皮肤、髋骨和假体。假体受到不对称轴向压缩力作用，中间的粉红色区域被选为目标设计区域。） 图5 深度神经网络系统实现梯度模量/泊松比髋关节结构设计：（a）具有生物相似结构的梯度模量分布；（b）受变形模式启发的泊松比分布；（c）叠加后的最终力学性能分布；（d）GSN网络在像素匹配后调整结构；（e）满足目标模量和泊松比设计要求的超材料髋关节结构。（f）模拟假体受载的位移云图，等效多材料模型（上）和超材料模型（下）。

p　　美国麻省理工学院(MIT)科学家在6月12日出版的《自然· 光学》杂志上发表论文称，他们开发出一种全新的光学神经网络系统，能执行高度复杂的运算，从而大大提高“深度学习”系统的运算速度和效率。/pp　　“深度学习”系统通过人工神经网络模拟人脑的学习能力，现已成为计算机领域的研究热门。但由于在模拟神经网络任务中，需要执行大量重复性“矩阵乘法”类高度复杂的运算，对于依靠电力运行的传统CPU(中央处理器)或GPU(图形处理器)芯片来说，这类运算太过密集，完成起来非常“吃力”。/pp　　通过几年努力，MIT教授马林· 索尔贾希克和同事开发出光学神经网络系统的重要部件——全新可编程纳米光学处理器，这些光学处理器能在几乎零能耗的情况下执行人工智能中的复杂运算。索尔贾希克解释道，普通眼镜片就能通过光波执行“傅里叶变换”这样的复杂运算，可编程纳米光学处理器采用了同样的原理，其包含多个激光束组成的波导矩阵，这些光波能相互作用，形成干涉模式，从而执行特定的目标运算。/pp　　研究小组通过测试证明，与CPU等电子芯片相比，这种光学芯片执行人工智能算法速度更快，且消耗能量不到传统芯片能耗的千分之一。他们还用可编程纳米光学处理器构建了一个神经网络初级系统，该系统能识别出4个元音字母的发音，准确率达到77%。他们的最终目标是，将可编程纳米光学处理器交叉铺成多层结构，构建光学网络神经系统，模拟人脑中神经元执行复杂的“深度学习”运算。/pp　　索尔贾希克表示，新光学处理器还能用于数据传输中的信号处理，更快速实现光学信号与数字信号间的转换。未来，在大数据中心、安全系统、自动驾驶或无人机等所有低能耗应用中，基于新光学处理器的复杂光学神经网络将占据重要席位。/p

尊敬的液相色谱仪用户，您好!　　为进一步提高分析人员使用及维护液相色谱仪的水平，特此在常州、南通举办制药及相关行业液相色谱仪深度免费培训班，邀请对象为各药品生产经营企业、原料及中间体生产企业及其他相关单位中使用及维护液相色谱仪两年以上的人员。　　授课人员为岛津(中国)公司及普今公司液相色谱资深工程师。为取得更好的好效果，学员名额限为50 名，我们会按照回执中的手机发短信确定人员。　　《常州》　　一、培训时间：2009 年12 月12 日　　二、培训地点：常州质量技监督培训中心(常州市兰陵北路520 号)　　三、培训安排：　　报到时间：上午8：00—9：00　　授课：上午：9：00~11：30 液相色谱仪输液泵深度解析 梯度方式对测试结果影响的解析 岛津/Waters/Agilent 自动进样器对比解析 　　午餐及午休：11：30~13：00　　授课：下午：13：00~16：30 紫外检测器深度解析 色谱工作站应对GMP / FDA 功能讲述 应对2010 版药典新增仪器介绍 　　四、其它活动：培训班期间穿插抽奖活动，奖品丰厚 　　五、现场拆解液相色谱仪品牌：岛津LC-10ATvp LC-10ADvp SPD-10Avp Waters Alliance 2695 Breeze 1525 UV2487　　《南通》　　一、培训时间：2009 年12 月15 日　　二、培训地点：南通药监局八楼会议室(南通市人民西路88-5 号)　　三、培训安排：　　报到时间：上午8：00—9：00　　授课：上午：9：00~11：30 液相色谱仪输液泵深度解析 ——(岛津姚劲挺)梯度方式对测试结果影响的解析 ——(岛津姚劲挺)岛津/Waters/Agilent 自动进样器对比解析 ——(岛津姚劲挺)　　主办方：普今公司是专业的色谱4S 服务商，是岛津在江苏南区(苏州/南通/无锡/常州)的总代理，也是授权的岛津分析仪器的服务商。公司成立六年来一直以三个“专注于”为服务理念，即“专注于色谱仪器，专注于重点品牌，专注于一个区域”。公司目前专业技术服务人员七名，技术销售人员八名，年销售中高端色谱仪器超过百台，目前是江苏最大的专业色谱公司。　　报名回执(传真至0512-67071555 ，电话13901544062 或登陆www.sp4s.com 直接注册)　　常州培训班邀请函 南通培训班邀请函

新诺仪器为助力科研，尽一步之力2024年5月24日，由Energy Materials 主办，东南大学、OAE Publishing Inc.、西安艾克伦斯信息科技有限公司、江苏省能源研究会承办，上海交通大学、南京大学、西安交通大学、南京理工大学、南京航空航天大学、南京邮电大学、南京信息工程大学、江苏大学、南京工业大学、西安建筑科技大学、西安石油大学、中国检验检测学会新能源分会、江苏省能源研究会储能专委会、江苏省颗粒学会能源颗粒专委会共同协办的的第二届新能源材料创新发展论坛暨新能源产业发展深度赋能大会在南京富力万达嘉华酒店盛大开幕。会议以"能源材料创新与可持续发展"为主题，旨在搭建一个高端的学术交流平台，包括材料科学、能源工程、环境保护等领域的杰出代表在内的众多国内外专家学者汇聚一堂，就氢能与燃料电池、锂离子电池与固态电池、新型储能技术与器件、钠/钾电池材料与技术、光伏/光电催化转化材料与技术等热门议题展开深入探讨与交流。同时，本论坛不仅为参会者提供了一个学习、交流、借鉴的机会，还将进一步助推新能源材料领域的创新和可持续发展。精彩学术分享：上海新诺仪器集团有限公司新诺仪器很荣幸受邀参加此次会议，新诺仪器专注于粉未成型解决方案，是集实验室通用仪器的研发、生产、定制代理、销售和服务为一体的综合型科技公司。公司主营的压片机系列，等静压机系列，热压机系列及配套冷热压模具。新诺研发人员根具市场需求，使用人员反馈，不断研发更新，力求于所生产的设备实用性更强，操作更方便，让实验变的更简单，一直是我们奋斗的目标。新诺精彩花絮新诺还是那个新诺，产品不断更新，闪亮依旧闪学院的院士教授等齐聚新诺展位新诺代理商近距离了解新诺产品与东南大学吴宇平（大会主席）Kenneth I. Ozoemena院士（University of the Witwatersrand）合影新诺旗下：上海医诺凯生物技术有限公司自产：干燥箱、培养箱、试验箱、电阻炉等高端实验箱体设备的国产化研发智造商！

摘要：本文首先简单回顾了辉光放电光谱仪（Glow Discharge Optical Emission Spectrometry，GDOES）的发展历程及特性，然后通过实例介绍了GDOES在微米涂层以及纳米超薄膜层深度剖析中的应用，并简介了深度谱定量分析的混合-粗糙度-信息深度（MRI）模型，最后对GDOES深度剖析的发展方向作了展望。1 GDOES发展历程及特性辉光放电发射光谱仪应用于表面分析及深度剖析已经有近100年的历史。辉光放电装置以及相关的光谱仪最早出现在20世纪30年代，但直到六十年代才成为化学分析的研究重点。1967年Grimm引入了“空心阳极-平面阴极”的辉光放电源[1]，使得GDOES的商业化成为可能。随后射频（RF）电源的引入，GDOES的应用范围从导电材料拓展到了非导电材料，而毫秒或微秒级的脉冲辉光放电(Pulsed Glow Discharges，PGDs)模式的推出，不仅能有效地减弱轰击样品时的热效应，同时由于PGDs可以使用更高激发功率，使得激发或电离过程增强，大大提高了GDOES测量的灵敏程度，极大推动了GDOES技术的进步以及应用领域的拓展。GDOES被广泛应用于膜层结构的深度剖析，以获取元素成分随深度变化的关系。相较于其它传统的深度剖析技术，如俄歇电子能谱（AES）、X射线光电子能谱（XPS）和二次离子质谱（SIMS）或二次中性质谱（SNMS），GDOES具有如下的独特性[2]：（1）分析样品材料的种类广，可对导体/非导体/无机/有机…膜层材料进行深度剖析，并可探测所有的元素(包括氢)；（2）分析样品的厚度范围宽，既可对微米量级的涂层/镀层，也可对纳米量级薄膜进行深度剖析；（3）溅射速率高，可达到每分钟几微米；（4）基体效应小，由于溅射过程发生在样品表面，而激发过程在腔室的等离子体中，样品基体对被测物质的信号几乎不产生影响；（5）低能级激发，产生的谱线属原子或离子的线状光谱，因此谱线间的干扰较小；（6）低功率溅射，属层层剥离，深度分辨率高，可达亚纳米级；（7）因为采用限制式光源，样品激发时的等离子体小，所以自吸收效应小，校准曲线的线性范围较宽；（8）无高真空需求，保养与维护都非常方便。基于上述优势，GDOES被广泛应用于表征微米量级的材料表面涂层/镀层、有机膜层的涂布层、锂电池电极多层结构和用于其封装的铝塑膜层、以及纳米量级的功能多层膜中元素的成分分布[3-6]，下面举几个具体的应用实例。2 GDOES深度剖析应用实例2.1 涂层的深度剖析用于材料表面保护的涂层或镀层、食品与药品包装的柔性有机基材的涂布膜层、锂电池的多层膜电极，以及用于锂电池包装的铝塑膜等等的膜层厚度一般都是微米量级，有的膜层厚度甚至达到百微米。传统的深度剖析技术，如AES，XPS和SIMS显然无法对这些厚膜层进行深度剖析，而GDOES深度剖析技术非常适合这类微米量级厚膜的深度剖析。图1给出了利用Horiba-Profiler 2（一款脉冲—射频辉光放电发射光谱仪—Pulsed-RF GDOES，以下深度谱的实例均是用此设备测量），在Ar气压700Pa和功率55w条件下，测量的表面镀镍的铁箔GODES深度谱，其中的插图给出了从表面到Ni/Fe界面各元素的深度谱，测量时间与深度的转换是通过设备自带的激光干涉仪（DIP）对溅射坑进行原位测量获得。从全谱来看，GDOES测量信号强度稳定，未出现溅射诱导粗糙度或坑道效应（信号强度随溅射深度减小的现象，见下），这主要是因为铁箔具有较大的晶粒尺寸。同时还可以看到GDOES可连续测量到~120μm，溅射速率达到4.2μm/min（70nm/s）。从插图来看， Ni的镀层约为1μm，在表面有~100nm的氧化层，Ni/Fe界面分辨清晰。图1 表面镀镍铁箔的GODES深度谱，其中的插图给出了从表面到Ni/Fe界面的各元素的深度谱图2给出了在氩-氧（4 vol%）混合气气压750Pa、功率20w、脉冲频率3000Hz、占空比0.1875条件下，测量的用于锂电池包装铝塑膜（总厚度约为120μm）的GODES深度谱，其中的插图给出了铝塑膜的层结构示意图[7]。可以看出有机聚酰胺层主要包含碳、氮和氢等元素。在其之下碳、氮和氢元素信号的强度先降后升，表明在聚酰胺膜层下存在与其不同的有机涂层—粘胶剂，所含主要元素仍为碳、氮和氢。同时还可以看出在粘胶剂层下面的无机物（如Al，Cr和P）膜层，其中Cr和P源于为提高Al箔防腐性所做的钝化处理。很明显，图2测量的GDOES深度谱明确展现了锂电池包装铝塑膜的层结构。实验中在氩气中引入4 vol%氧气有助于快速溅射有机物的膜层结构，同时降低碳、氮信号的相对强度，提高了无机物如铬信号的相对强度，非常适合于无机-有机多层复合材料的结构分析，而在脉冲模式下，选用合适的频率和占空比，能够有效地散发溅射产生的热量，从而避免了低熔点有机物的碳化。图2一款锂电池包装铝塑膜的GDOES溅射深度谱，其中的插图给出了铝塑膜的层结构示意图[7]2.2 纳米膜层及表层的深度剖析纳米膜层，特别是纳米多层膜已被广泛应用于光电功能薄膜与半导体元器件等高科技领域。虽然传统的深度剖析技术AES，XPS和SIMS也常常应用于纳米膜层的表征，但对于纳米多层膜，传统的深度剖析技术很难对多层膜整体给予全面的深度剖析表征，而GDOES不仅可以给予纳米多层膜整体全面的深度剖析表征，而且选择合适的射频参数还可以获得如AES和SIMS深度剖析的表层元素深度谱。图3给出了在氩气气压750Pa、功率20w、脉冲频率1000Hz、占空比0.0625条件下，测量的一款柔性透明隔热膜（基材为PET）的GODES深度谱，如图3a所示，其中最具特色的就是清晰地表征了该款隔热膜最核心的三层Ag与AZO（Al+ZnO）共溅射的膜层结构，如图3b Ag膜层的GDOES深度谱所示。根据获得的溅射速率及Ag的深度谱拟合（见后），前两层Ag的厚度分别约为5.5nm与4.8nm[8]。很明显，第二层Ag信号较第一层有较大的展宽，相应的强度值也随之下降，这是源于GDOES对金属膜溅射过程中产生的溅射诱导粗糙度所致。图3（a）一款柔性透明隔热膜GDOES深度谱；（b）其中Ag膜层GDOES深度谱[8]图4给出了在氩气气压650Pa、功率20w、脉冲频率10000Hz、占空比0.5的同一条件下，测量的SiO2(300nm)/Si(111)标准样品和自然生长在Si(111)基片上SiO2样品的GODES深度谱[9]。如果取测量深度谱的半高宽为膜层的厚度，由此得到标准样品SiO2层的溅射速率为6.6nm/s（=300nm/45.5s），也就可以得到自然氧化的SiO2膜层厚度约为1nm（=6.6nm/s*0.15s）。所以，GDOES完全可以实现对一个纳米超薄层的深度剖析测量，这大大拓展了GDOES的应用领域，即从传统的钢铁镀层或块体材料的成分分析拓展到了对纳米薄膜深度剖析的表征。图4 （a）SiO2(300nm)/Si(111)标准样品与（b）自然生长在Si(111)基片上SiO2样品的GDOES深度谱[9]3 深度谱的定量分析3.1 深度分辨率对测量深度谱的优与劣进行评判时，深度分辨率Δz是一个非常重要的指标。传统Δz(16%-84%)的定义为[10]：对一个理想（原子尺度）的A/B界面进行溅射深度剖析时，当所测定的归一化强度从16%上升到84%或从84%下降到16%所对应的深度，如图5所示。Δz代表了测量得到的元素成分分布和原始的成分分布间的偏差程度，Δz越小表示测量结果越接近真实的元素成分分布，测量深度谱的质量就越高。但是随着科技的发展，应用的薄膜越来越薄，探测元素100%（或0%）的平台无法实现，就无法通过Δz(16%-84%)的定义确定深度分辨率，而只能通过对测量深度谱的定量分析获得（见下）。图5深度分辨率Δz的定义[10]3.2 深度谱定量分析—MRI模型溅射深度剖析的目的是获取薄膜样品元素的成分分布，但溅射会改变样品中元素的原始成分分布，产生溅射深度剖析中的失真。溅射深度剖析的定量分析就是要考虑溅射过程中，可能导致样品元素原始成分分布失真的各种因素，提出相应的深度分辨率函数，并通过它对测量的深度谱数据进行定量分析，最终获取被测样品元素在薄膜材料中的真实分布。对于任一溅射深度剖析实验，可能导致样品原始成分分布失真的三个主要因素源于：①粒子轰击产生的原子混合（atomic Mixing）；②样品表面和界面的粗糙度（Roughness）；③探测器所探测信号的信息深度（Information depth）。据此Hofmann提出了深度剖析定量分析著名的MRI深度分辨率函数[11]： 其中引入的三个MRI参数：原子混合长度w、粗糙度和信息深度λ具有明确的物理意义，其值可以通过实验测量得到，也可以通过理论计算得到。确定了分辨率函数，测量深度谱信号的归一化强度I/Io可表示为如下的卷积[12]： 其中z'是积分参量，X(z’)为原始的元素成分分布，g(z-z’)为深度分辨率函数，包含了深度剖析过程中所有引起原始成分分布失真的因素。MRI模型提出后，已被广泛应用于AES，XPS，SIMS和GDOES深度谱数据的定量分析。如果假设各失真因素对深度分辨率影响是相互独立的，相应的深度分辨率就可表示为[13]：其中r为择优溅射参数，是元素A与B溅射速率之比（）。3.3 MRI模型应用实例图6给出了在氩气气压550Pa、功率17w、脉冲频率5000Hz、占空比0.25条件下，测量的60 Mo (3 nm)/B4C (0.3 nm)/Si (3.7 nm) GDOES深度谱[14]，结果清晰地显示了Mo (3 nm)/B4C (0.3 nm)/Si (3.7 nm) 膜层结构，特别是分辨了仅0.3nm的B4C膜层， B和C元素的信号其峰谷和峰顶位置完全一致，可以认为B和C元素的溅射速率相同。为了更好地展现拟合测量的实验数据，选择溅射时间在15~35s范围内测量的深度剖析数据进行定量分析[15]。图6 60×Mo (3 nm)/B4C (0.3 nm)/Si (3.7 nm) GDOES深度谱[14]利用SRIM 软件[16]估算出原子混合长度w为0.6 nm，AFM测量了Mo/B4C/Si多层膜溅射至第30周期时溅射坑底部的粗糙度为0.7nm[14]，对于GDOES深度剖析，由于被测量信号源于样品最外层表面，信息深度λ取为0.01nm。利用（1）与（2）式，调节各元素的溅射速率，并在各层名义厚度值附近微调膜层的厚度，Mo、Si、B（C）元素同时被拟合的最佳结果分别如图7（a）、（b）和（c）中实线所示，对应Mo、Si、B(C)元素的溅射速率分别为8.53、8.95和4.3nm/s，拟合的误差分别为5.5%、6.7%和12.5%。很明显，Mo与Si元素的溅射速率相差不大，但是B4C溅射速率的两倍，这一明显的择优溅射效应是能分辨0.3nm-B4C膜层的原因。根据拟合得到的MRI参数值，由（3）式计算出深度分辨率为1.75 nm，拟合可以获得Mo/B4C/Si多层薄膜中各个层的准确厚度，与HR-TEM测定的单层厚度基本一致[15]。图7 测量的GDOES深度谱数据(空心圆)与MRI最佳拟合结果(实线)：(a) Mo层，(b) Si层，(c) B层；相应的MRI拟合参数列在图中[15]。4 总结与展望从以上深度谱测量实例可以清楚地看到，GDOES深度剖析的应用非常广泛，可测量从小于1nm的超薄薄膜到上百微米的厚膜；从元素H到Lv周期表中的所有元素；从表层到体层；从无机到有机；从导体到非导体等各种材料涂层与薄膜中元素成分随深度的分布，深度分辨率可以达到~1nm。通过对测量深度谱的定量分析，不仅可以获得膜层结构中原始的元素成分分布，而且还可以获得元素的溅射速率、膜层间的界面粗糙度等信息。虽然GDOES深度剖析技术日趋完善，但也存在着一些问题，比如在GDOES深度剖析中常见的溅射坑底部凸凹不平的“溅射坑道效应”（溅射诱导的粗糙度），特别是对多晶金属薄膜的深度剖析尤为明显，这一效应会大大降低GDOES深度谱的深度分辨率。消除溅射坑道效应影响一个有效的方法就是引入溅射过程样品旋转技术，使得各个方向的溅射均等。此外，缩小溅射（分析）面积也是提高溅射深度分辨率的一种方法，但需要考虑提高探测信号的强度，以免降低信号的灵敏度。另外，GDOES深度剖析的应用软件有进一步提升的空间，比如测量深度谱定量分析算法的植入，将信号强度转换为浓度以及溅射时间转换为溅射深度算法的进一步完善。作者简介汕头大学物理系教授 王江涌王江涌，博士，汕头大学物理系教授。现任广东省分析测试协会表面分析专业委员会副主任委员、中国机械工程学会高级会员、中国机械工程学会表面工程分会常务委员；《功能材料》、《材料科学研究与应用》与《表面技术》编委、评委。研究兴趣主要是薄膜材料中的扩散、偏析、相变及深度剖析定量分析。发表英文专著2部，专利十余件，论文150余篇，其中SCI论文110余篇。代表性成果在《Physical Review Letters》，《Nature Communications》，《Advanced Materials》，《Applied Physics Letters》等国际重要期刊上发表。主持国家自然基金、科技部政府间国际合作、广东省科技计划及横向合作项目十余项。获2021年广东省科技进步一等奖、2021年广东省高校科研成果转化路演赛“新材料”小组赛一等奖、2021年粤港澳高价值大湾区专利培育布局大赛优胜奖、2020年广东省高校科研成果转化路演赛“新材料”小组赛一等奖、总决赛一等奖。昆山书豪仪器科技有限公司总经理 徐荣网徐荣网，昆山书豪仪器科技有限公司总经理，昆山市第十六届政协委员；曾就职于美国艾默生电气任职Labview设计工程师、江苏天瑞仪器股份公司任职光谱产品经理。2012年3月，作为公司创始人于创立昆山书豪仪器科技有限公司，2019年购买工业用地，出资建造12300平方米集办公、研发、生产于一体的书豪产业化大楼，现已投入使用。曾获2020年朱良漪分析仪器创新奖青年创新入围奖；2019年昆山市实用产业化人才；2019年江苏省科技技术进步奖获提名；2017年《原子发射光谱仪》“中国苏州”大学生创新创业大赛二等奖；2014年度昆山市科学技术进步奖三等奖；2017年度昆山市科学技术进步奖三等奖；多次获得昆山市级人才津贴及各类奖励项目等。主持研发产品申请的已授权专利47项专利，其中发明专利 4 项，实用新型专利 25项，外观专利7项，计算机软件著作权 11项。论文2篇《空心阴极光谱光电法用于测定高温合金痕量杂质元素》，《Application of Adaptive Iteratively Reweighted Penalized Least Squares Baseline Correction in Oil Spectrometer 》第一编著人；主持编著的企业标准4篇；承担项目包括3项省级项目、1项苏州市级项目、4项昆山市级项目；其中：旋转盘电极油料光谱仪获江苏省工业与信息产业转型升级专项资金--重大攻关项目（现已成功验收，获政府补助660万元）、江苏省首台（套）重大装备认定、江苏省工业与信息产业转型升级专项资金项目、苏州市姑苏天使计划项目等；主持研发并总体设计的《HCD100空心阴极直读光谱仪》、《AES998火花直读光谱仪》、《FS500全谱直读光谱仪》《旋转盘电极油料光谱仪OIL8000、OIL8000H、PO100》均研发成功通过江苏省新产品新技术鉴定，实现了产业化。参考文献：[1] GRIMM, W. Eine neue glimmentladungslampe für die optische emissionsspektralanalyse[J]. Spectrochimica Acta, Atomic Spectroscopy, Part B, 1968, 23 (7): 443-454.[2] 杨浩，马泽钦，蒋洁，李镇舟，宋一兵，王江涌，徐从康，辉光放电发射光谱高分辨率深度谱的定量分析[J]，材料研究与应用, 2021, 15: 474-485.[3] Hughes H. Application of optical emission source developments in metallurgical analysis[J]. Analyst, 1983, 108(1283): 286-292.[4] Lodhi Z F, Tichelaar F D, Kwakernaak C, et al., A combined composition and morphology study of electrodeposited Zn–Co and Zn–Co–Fe alloy coatings[J]. Surface and Coatings Technology, 2008, 202(12): 2755-2764.[5] Sánchez P, Fernández B, Menéndez A, et al., Pulsed radiofrequency glow discharge optical emission spectrometry for the direct characterisation of photovoltaic thin film silicon solar cells[J]. Journal of Analytical Atomic Spectrometry, 2010, 25(3): 370-377.[6] Zhang X, Huang X, Jiang L, et al. Surface microstructures and antimicrobial properties of copper plasma alloyed stainless steel[J]. Applied surface science, 2011, 258(4): 1399-1404.[7] 胡立泓，张锦桐，王丽云，周刚，王江涌，徐从康，高阻隔铝塑膜辉光放电发射光谱深度谱测量参数的优化[J]，光谱学与光谱分析,2022,42:954-960.[8] 吕凯, 周刚, 余云鹏, 刘远鹏, 王江涌, 徐从康，利用ToF-SIMS 和 Rf-GDOES 深度剖析技术研究柔性衬底上的隔热多层膜[J], 材料科学,2019,9:45-53.[9] 周刚, 吕凯, 刘远鹏, 余云鹏, 徐从康, 王江涌，柔性功能薄膜辉光光谱深度分辨率分析[J], 真空, 2020,57:1-5.[10] ASTM E-42, Standard terminology relating to surface analysis [S]. Philadelphia: American Society for Testing and Materials, 1992.[11] Hofmann S. Atomic mixing, surface roughness and information depth in high‐resolution AES depth profiling of a GaAs/AlAs superlattice structure[J]. Surface and interface analysis, 1994, 21(9): 673-678.[12] Ho P S, Lewis J E. Deconvolution method for composition profiling by Auger sputtering technique[J]. Surface Science, 1976, 55(1): 335-348.[13] Wang J Y, Hofmann S, Zalar A, et al. Quantitative evaluation of sputtering induced surface roughness in depth profiling of polycrystalline multilayers using Auger electron spectroscopy[J]. Thin Solid Films, 2003, 444(1-2): 120-124.[14] Ber B, Bábor P, Brunkov P N, et al. Sputter depth profiling of Mo/B4C/Si and Mo/Si multilayer nanostructures: A round-robin characterization by different techniques[J]. Thin Solid Films, 2013, 540: 96-105.[15] Hao Yang, SongYou Lian, Patrick Chapon, Yibing Song, JiangYong Wang, Congkang Xu, Quantification of high resolution Pulsed RF GDOES depth profiles for Mo/B4C/Si nano-multilayers[J], Coatings, 2021, 11: 612.[16] Ziegler J F, Ziegler M D, Biersack J P. SRIM–The stopping and range of ions in matter[J]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 2010, 268(11-12): 1818-1823.

p　　10月27至28日，由中国科学院大连化学物理研究所作为主持单位承担的国家重点研发计划“深度覆盖的蛋白质组精准鉴定与定量新技术”项目启动会在生物楼学术报告厅举行。项目负责人张丽华研究员，项目组专家大化所张玉奎院士、中科院高能物理所柴之芳院士，复旦大学杨芃原教授，北京大学刘虎威教授，国家纳米科学中心赵宇亮研究员，国家蛋白质科学中心秦钧研究员，项目指导专家中科院武汉数学物理研究所刘买利研究员，中国人民解放军军事医学科学院甄蓓研究员，科技部高技术研究发展中心主管聂启昌，中科院前沿科学与教育局生命科学处主管路浩，我所职能部门相关人员以及各子课题承担单位的专家和代表70余人参加了会议。/pp　　项目启动会由张玉奎主持，大化所科技处副处长张宇首先代表所里致辞。随后，张玉奎为专家颁发聘书，聂启昌介绍了项目管理规定。张丽华向项目专家组汇报了项目的整体情况，各课题负责人分别汇报了各课题的任务目标、研究内容、实施方案以及研究计划等情况。专家组对本项目实施方案进行了审议讨论，对本项目给予了充分的肯定，同时对项目实施提出了合理中肯的建议，对本项目今后的开展具有积极的推动作用。/pp style="text-align: center"img src="http://img1.17img.cn/17img/images/201710/insimg/ecfb9c48-126a-4791-a0e4-7e9de81626a1.jpg" title="W020171030526310365904_副本.jpg"//pp　　国家重点研发计划“深度覆盖的蛋白质组精准鉴定与定量新技术究”项目设置四个课题。课题一、可变剪切和新生肽链组的高灵敏鉴定技术 课题二、基于高效标记和特征肽段的蛋白质组精准定量技术 课题三、基于高效分离的蛋白质组深度覆盖定量技术 课题四、纯化蛋白质的全序列高准确测定技术。通过本项目的实施，将在蛋白质组精准鉴定与定量领域取得一批具有自主知识产权的突破性和创新性研究成果。为推动我国蛋白质科学跨越式发展，并达到国际领先水平提供重要技术支撑。/pp style="text-align: center "img src="http://img1.17img.cn/17img/images/201710/insimg/8f950f66-961a-4770-914d-bd2ebf603e80.jpg" title="W020171030526310378848_副本.jpg"//p

溅射深度剖析作为表面分析的常规技术，被广泛应用于膜层结构元素成分随深度变化的表征，但由于溅射、样品粗糙度以及测量信号来源于距样品表面不同的深度等因素的影响，使得测量的深度谱与原始的膜层结构比较可能会有较大的畸变。对测量深度谱数据进行定量分析，不仅可以确定样品的膜层结构，还可以获得其界面粗糙度、元素间的互扩散系数、元素的溅射速率、以及溅射深度分辨率等定量信息。报告讨论了多晶样品深度剖析中溅射诱导粗糙度产生的原因及消除的方法。并以4Si(15nm)/Al(15nm) AES、XPS和ToF-SIMS，以及60Si(3.7nm)/B4C(0.3nm)/Mo(3.0nm) 脉冲-射频-GDOES等深度谱为例，讨论了溅射诱导粗糙度对测量深度谱的影响及其相应的定量分析。同时还提出了将TV正则化与MRI深度分辨率函数结合，对深度谱数据进行反卷积定量分析的新方法，并应用于8Ni(25nm)/Cr(25nm) AES、60Si(3.5nm)/Mo(3.5nm) 脉冲-射频-GDOE和ToF-SIMS深度谱的定量分析，获得的膜层结构与HR-TEM的测量结果相吻合。点击查看视频回放王江涌，博士，教授，1984年武汉大学理论物理专业学士；1989年四川大学原子与分子物理专业硕士；1997年南非自由州大学表面物理专业博士；1998-2001年美国堪萨斯州立大学物理系研究助理；2001-2009年德国马普金属研究所高级研究员；2009年起任汕头大学物理系教授。从事表面分析工作近三十年，在薄膜相变及深度剖析定量分析领域做出了诸多创新性工作。发表英文专著2部，论文150余篇（SCI 110余篇）。现任广东省分析测试协会表面分析专业委员会副主任委员、中国机械工程学会表面工程分会常务委员；《功能材料》、《材料科学研究与应用》与《表面技术》等期刊编委、评委。

仪器化划入方法已经成功应用于测试各种材料（包括硬的合金、陶瓷、金属、岩石[1]和软的高分子聚合物、碱硅酸盐凝胶[2]等）的断裂韧度（跨越两个数量级）在材料科学与工程领域具有巨大应用前景，尤其是评估微米级材料或多尺度复合材料（比如碎屑-橡胶混凝土[3]、再生混凝土[4]、水泥[5]、页岩[1, 6, 7]，骨头[8]、功能梯度和复合涂层[9]）的断裂性能，其诸多优势包括：结果与传统方法（比如单边缺口试样的三点弯曲、紧凑拉伸）测量值一致；重复性好；材料体积小；设备操作、数据分析简单；近乎无损检测（微米级划入测试划入深度一般在十几微米）；尤其是试样制备简单，不需要预制缺口或裂纹；测试成本和周期都大大减小[10]。仪器化划入过程的实物图和示意图见图 1[11]。在仪器化划入过程中，利用侧向力和压入深度可以计算出材料的断裂韧度。仪器化划入表征断裂韧度主要有两种理论：一种是线弹性断裂力学（linear elastic fracture mechanics or LEFM）；另一种是能量尺寸效应理论（microscopic energetic size effect laws or ESEL）。理论都是假设在压头前端存在沿水平扩展的裂纹，见图 2[12]。这种裂纹模式在直刚刀压头划入石蜡的实验中体现得最好，见图 3[13]。对于直压头：三维裂纹的横截面是长方形。能量释放率可以由J-积分计算，再结合断裂准则，即可以建立利用侧向力和压入深度计算断裂韧度的关系式。图 1 仪器化划入测试实物图及示意图：（a）直钢刀压头划入石蜡；（b）倾斜直钢刀压头划入测试示意图；（c）Rockwell C压头划入薄膜材料；（d）轴对称压头划入示意图（压入深度d，压头尖端圆角半径R，侧向力FT，划痕方向x）图 2 利用轴对称压头划入过程的侧视图（左图）和正视图（右图）。x 是划痕方向，FT 是水平侧向力，FV 是竖直正压力，d 是压入深度，n 是压头与材料接触界面朝材料外侧的单位法向，A 是承载侧向力的面积投影，p 是压头与材料接触界面的周长图 3 石蜡在直钢刀压头仪器化划入过程中压头前端水平扩展的裂纹：（a）实验结果；（b）理想的裂纹形状示意图（具有长方形横截面的三维裂纹，需要裂纹长度l、刀具宽度w、压入深度d 三个尺寸表征）不同的学者提出了不同的分析方法，断裂韧度Kc 可以通过拟合仪器化划入的实验数据获得[10, 14-19]：其中Λ=A/(2P)是名义长度，p 和A 分别是周长和水平投影面积（见图 2），都是压入深度d 的函数[12]。利用线弹性断裂力学可以直接计算出断裂韧度Kc已知压头几何形状可以得到p(d)和A(d)，f=2p(d)A(d) 即压头形状函数：对于圆锥压头，f 与d3 成正比；对于圆球压头，f 与d2 成正比。图 4是利用Rockwell C压头划入钢材的结果[20]。示意图见图 4（a）。在划入过程中，施加线性增大的正压力FV，如图 4（b），同时记录侧向力FT 和压入深度d。数据与划痕残余形貌一一对应，形貌见图 4（c），并且可以利用声发射分析断裂过程，如图 4（d）。图 4 利用圆锥压头分析钢材料的断裂韧度：（a）圆锥压头仪器化划入过程示意图（划痕方向沿X 轴，FV 和FT 分别是正压力和侧向力）；（b）划入过程中在施加线性加载的正压力的同时记录侧向力；（c）划痕残余形貌；（d）侧向力和压入深度的关系（左轴）和声发射（右轴）当圆锥部分起主导作用时，FT/d3/2趋近于一条水平线，这说明划入过程由断裂机制控制，声发射信号也直接验证了断裂的发生。可见，利用划入方法测试材料的断裂韧度需要适合的加载条件，只有当载荷足够大，断裂机制占主导时才能应用线弹性断裂力学的公式计算断裂韧度，但是过大的载荷会产生很多扩展方向不同的裂纹，使得只有一条裂纹扩展的假设不成立。声发射信号是确定断裂发生的有效手段，可以用于区分断裂的程度（剧烈的断裂会使得声发射信号饱和），寻找适合的加载力范围。FT/d3/2一直在波动，这种锯齿状数据是切削的典型特征，与传统测试（比如紧凑拉伸中只有一个裂纹产生）明显不同，划入过程中会产生很多裂纹，所以有必要对平稳段的数据取平均[21]。仪器化划入方法已经成功应用于各种材料的断裂韧度表征[22, 23]，比如：高分子材料（聚碳酸酯PC[18]、改性石墨烯添加的环氧树脂基复合材料[24]）、玻璃（熔融石英硅[25]、K9玻璃[26]）、金属（紫铜[27, 28]）、半导体材料（单晶硅和碳化硅[29]）等。表 1比较了部分材料的仪器化划入测试结果与传统方法测试结果，划入法测试与传统方法测试结果大体一致，差异很有可能是由于材料的各向异性和不均匀造成的，因为划入法表征的是表面微观区域的力学性能，传统方法测试的是宏观力学性能。所以划入法可以表征材料断裂韧度的分布，适合于异质复合材料各组织以及界面的力学性能表征，研究不同尺度结构的断裂性能，这些都是先进材料及微纳米器件发展迫切需要解决的关键测试表征技术，尤其在表面微观力学领域有广阔的应用前景。表 1 利用仪器化划入方法表征各种材料的断裂韧度（MPa• m1/2）压头（形状尺寸）及方法材料（牌号）：划入法测的断裂韧度（传统方法测试值）单位（国家）[参考文献]Rockwell C压头（2θ=120°，R=200 μm），线弹性断裂力学铝合金(AA 2024)：34.4±3 (32~37)热塑性聚合物（Delrin Grade 150）：2.5±0.2 (2.9±0.5)麻省理工学院（美国）[20] Rockwell C 压头（2θ=120°，R=200 μm），线弹性断裂力学钠钙玻璃：0.71±0.03 (0.70)耐热高硼硅玻璃：0.68±0.02 (0.63)热塑性聚合物(Delrin 150E) ：2.75±0.05 (2.8)热塑聚碳酸酯：2.76±0.02 (2.69)铝合金(2024-T4/T351) ：28.8±1.3 (26~37)AISI-1045：62.2±2.6 (50)AISI-1144：62.2±2.6 (57~67)Titanium 6Al-4V：77.0±3.4 (75)麻省理工学院（美国）[22]直钢刀压头，线弹性断裂力学（LEFM）和能量尺寸效应方法(ESEL)石蜡：0.14 (0.15)水泥：0.66~0.67 (0.62-0.66)侏罗纪石灰岩：0.56 (ESEL), 0.34 (LEFM)A-51w：0.82 (ESEL), 0.81 (LEFM)B-4w：0.74 (ESEL), 0.72 (LEFM)B-12w：0.78 (ESEL), 0.78 (LEFM)麻省理工学院（美国）西北大学（美国）伊利诺伊大学厄巴纳-香槟分校（美国）[21]直钢刀压头、Rockwell C线弹性断裂力学水泥（直钢刀压头）：0.66±0.05 (0.67)钢材（Rockwell C压头）：40±0.2 (50)麻省理工学院（美国）[11]直钢刀压头能量尺寸效应方法水泥：0.66(0.65~0.67)伊利诺伊大学厄巴纳-香槟分校（美国）[23]Rockwell C压头线弹性断裂力学（LEFM）和能量尺寸效应方法(ESEL)塑料（Delrin）：3.26 (LEFM)，2.85 (ESEL)聚碳酸酯（Lexan）：2.87 (LEFM)，2.38 (ESEL)熔融石英硅：0.96 (LEFM)，0.96 (ESEL)传统测试结果：塑料（2.8）、聚碳酸酯（2.2）、熔融石英硅（0.8）科罗拉多大学（美国）麻省理工学院（美国）[28]Rockwell C压头能量尺寸效应方法聚缩醛 ：3.16 (2.8)石蜡：0.14 (0.14)聚碳酸酯（Lexan 934）：2.8 (2.69)铝：32.53 (32)伊利诺伊大学厄巴纳-香槟分校（美国）[40]圆球压头线弹性断裂力学熔融石英硅：0.7 (0.68~0.75)K9玻璃：0.85 (0.82)福州大学（中国）[45,46]Rockwell C压头线弹性断裂力学聚碳酸酯：2.3 (2.2)福州大学（中国）[43]作者简介刘明，福州大学机械工程及自动化学院教授，福建省闽江学者特聘教授、福州大学旗山学者海外人才、福建省高层次境外引进C类人才，全国钢标准化技术委员会力学及工艺性能试验方法分技术委员会金属材料微试样力学性能试验方法工作组（SAC/TC183/SC4/WG1）委员、ISO 14577系列国际标准制修订国内工作组成员。1985年出生于哈尔滨市，哈尔滨工业大学本科、硕士，肯塔基大学（美国）博士，法国巴黎高科矿业工程师学校材料研究所博士后、华盛顿州立大学（美国）博士后。主要研究领域为微观力学及仪器化压入划入测试方法。作者邮箱：mingliu@fzu.edu.cn 参考文献[1] A.-T. Akono, P. Kabir, Microscopic fracture characterization of gas shale via scratch testing, Mechanics Research Communications, 78 (2016) 86-92.[2] C.V. Johnson, J. Chen, N.P. Hasparyk, P.J.M. Monteiro, A.T. Akono, Fracture properties of the alkali silicate gel using microscopic scratch testing, Cement and Concrete Composites, 79 (2017) 71-75.[3] A.-T. Akono, J. Chen, S. Kaewunruen, Friction and fracture characteristics of engineered crumb-rubber concrete at microscopic lengthscale, Construction and Building Materials, 175 (2018) 735-745.[4] A.-T. Akono, J. Chen, M. Zhan, S.P. Shah, Basic creep and fracture response of fine recycled aggregate concrete, Construction and Building Materials, 266 (2021) 121107.[5] J. Liu, Q. Zeng, S. Xu, The state-of-art in characterizing the micro/nano-structure and mechanical properties of cement-based materials via scratch test, Construction and Building Materials, 254 (2020) 119255.[6] M.H. Hubler, F.-J. Ulm, Size-Effect Law for Scratch Tests of Axisymmetric Shape, Journal of Engineering Mechanics, 142 (2016).[7] A.-T. Akono, Energetic Size Effect Law at the Microscopic Scale: Application to Progressive-Load Scratch Testing, Journal of Nanomechanics and Micromechanics, 6 (2016) 04016001.[8] A. Kataruka, K. Mendu, O. Okeoghene, J. Puthuvelil, A.-T. Akono, Microscopic assessment of bone toughness using scratch tests, Bone Reports, 6 (2017) 17-25.[9] H. Farnoush, J. Aghazadeh Mohandesi, H. Cimenoglu, Micro-scratch and corrosion behavior of functionally graded HA-TiO2 nanostructured composite coatings fabricated by electrophoretic deposition, J Mech Behav Biomed Mater, 46 (2015) 31-40.[10] A.T. Akono, N.X. Randall, F.J. Ulm, Experimental determination of the fracture toughness via microscratch tests: Application to polymers, ceramics, and metals, J. Mater. Res., 27 (2012) 485-493.[11] A.-T. Akono, F.-J. Ulm, An improved technique for characterizing the fracture toughness via scratch test experiments, Wear, 313 (2014) 117-124.[12] A.T. Akono, F.J. Ulm, Fracture scaling relations for scratch tests of axisymmetric shape, J. Mech. Phys. Solids, 60 (2012) 379-390.[13] A.-T. Akono, F.-J. Ulm, Z.P. Bažant, Discussion: Strength-to-fracture scaling in scratching, Eng. Fract. Mech., 119 (2014) 21-28.[14] G.I. Barenblatt, The mathematical theory of equilibrium cracks in brittle fracture, in: H.L. Dryden, T. von Kármán, G. Kuerti, F.H. van den Dungen, L. Howarth (Eds.) Advances in Applied Mechanics, Elsevier, 1962, pp. 55-129.[15] H.M. Hubler, F.-J. Ulm, Size-effect law for scratch tests of axisymmetric shape, J. Eng. Mech., 142 (2016) 04016094.[16] A.-T. Akono, Energetic size effect law at the microscopic scale: Application to progressive-load scratch testing, J. Nanomech. Micromech., 6 (2016) 04016001.[17] D. Zhang, Y. Sun, C. Gao, M. Liu, Measurement of fracture toughness of copper via constant-load microscratch with a spherical indenter, Wear, 444–445 (2019) 203158.[18] M. Liu, S. Yang, C. Gao, Scratch behavior of polycarbonate by Rockwell C diamond indenter under progressive loading, Polymer Testing, 90 (2020) 106643.[19] M. Liu, Microscratch of copper by a Rockwell C diamond indenter under a constant load, Nanotechnol. Precis. Eng., 4 (2021) 033003.[20] A.T. Akono, P.M. Reis, F.J. Ulm, Scratching as a Fracture Process: From Butter to Steel, Phys. Rev. Lett., 106 (2011) 204302.[21] A.-T. Akono, G.A. Bouché, Rebuttal: Shallow and deep scratch tests as powerful alternatives to assess the fracture properties of quasi-brittle materials, Eng. Fract. Mech., 158 (2016) 23-38.[22] 刘明, 李烁, 高诚辉, 利用圆锥压头微米划痕测试材料断裂韧性, 摩擦学学报, 39 (2019) 556-564.[23] 刘明, 李烁, 高诚辉, 利用微米划痕研究TiN涂层的失效机理, 计量学报, 41 (2020) 696-703.[24] S. Li, J. Zhang, M. Liu, R. Wang, L. Wu, Influence of polyethyleneimine functionalized graphene on tribological behavior of epoxy composite, Polymer Bulletin, (2020).[25] M. Liu, Q. Zheng, C. Gao, Sliding of a diamond sphere on fused silica under ramping load, Materials Today Communications, 25 (2020) 101684.[26] M. Liu, J. Wu, C. Gao, Sliding of a diamond sphere on K9 glass under progressive load, Journal of Non-Crystalline Solids, 526 (2019) 119711.[27] D. Zhang, Y. Sun, C. Gao, M. Liu, Measurement of fracture toughness of copper via constant-load microscratch with a spherical indenter, Wear, 444-445 (2020) 203158.[28] C. Gao, M. Liu, Effects of normal load on the coefficient of friction by microscratch test of copper with a spherical indenter, Tribology Letters, 67 (2019) 8.[29] 刘明, 侯冬杨, 高诚辉, 利用维氏和玻氏压头表征半导体材料断裂韧性, 力学学报, 53 (2021) 413-423.

蛋白质组学的发展方兴未艾，是后基因组时代重点关注的热点领域，新思路，新技术层出不穷，应用领域和场景不断拓展。Seer公司就是在这种大背景下诞生的一家科技新锐，为全球同行开启了一扇通向——大规模，高深度，无偏蛋白质组学的大门。本次采访，让我们聚焦Seer公司技术体系在肿瘤早筛领域的应用。　　Seer公司提供的Proteograph™XT平台利用经过特殊制作的纳米粒子磁珠，在跨数十个数量级丰度之间，非特异性地结合各类蛋白，无需额外去除高丰度蛋白，再利用高性能的质谱技术，达到高精度测量。在兼顾深度，增强蛋白组分析通量的情况下，实现对大规模血液蛋白的可重复性定量分析，创造了无偏差高通量探寻生物标记物的机会。　　Max Mahoney 是 Seer 公司最早的员工之一，参与设计开发了数个专利的纳米颗粒和ProteographTM系统，先后担任全球高级应用科学家、区域商业负责人等职。Max更是助力中国蛋白质组学发展的老朋友。2022年初，在他的中国之行中，见证了Seer公司和应脉医疗“蛋白质组学新技术和应用卓越创新中心”在上海揭幕，全程指导完成了中国第一台、第二台Seer ProteographTM 系统的安装、调试、培训、样品测试、质谱检测、数据分析等全部流程。2023年，Max亚洲之行，让我们一起聆听对他的采访。　　Seer是蛋白质组学行业领头企业，于2020年在纳斯达克上市。作为Seer公司最早的核心员工之一，你能不能简单介绍一下公司及发展历程?　　MAX：Seer的经历非常传奇，而且方兴未艾。公司成立于2017年，是一家非常年轻的企业。公司的愿景和目标是：推动蛋白质组学发生革命性变革。Seer的设备和检测试剂本身就非常强大，能让人类从前所未有的全新角度理解蛋白质组，所以极具竞争力。2020年12月底公司完成了首台设备的交付及安装。2022年初推出了第一款商业可用的解决方案，不仅限于美国，也在全球市场进行销售。预计在2024年初会有大量成果发表。　　近年来癌症早期筛查的创新技术飞速涌现，蛋白质组学在癌症早期筛查方面具备怎样的潜力?与其它组学相比有哪些优势?　　MAX：其实，癌症筛查这个概念已经存在很多年了，但是直到二、三十年前都是被动进行的。意思是，患者感觉身体有异样或者不舒服了才会寻求诊断和治疗。早期癌症筛查的出现从根本上改变了人类对癌症的认知以及后续治疗。随着精准医学的推广，人类终于有能力在疾病最终成型前就检测到它，再针对特定患者类型制定具体的治疗方案。基因组学的发展，实现了海量基因组数据的获得，驱动肿瘤早筛取得前所未有的进步。接下来，蛋白质组学的研究跟基因组学类似，我们已经能够利用海量数据充分理解血清或血浆的蛋白质组，理解器官的蛋白质组。未来，这项技术会从根本上改变我们看待以及管理人类健康的方式。　　但蛋白质组却会根据身体状况而改变，所以它提供的是一个动态的指标，动态缩影。让大家能实时掌握自己的健康状况。直到5年前，蛋白质组内容的易获得性才得到大幅提升。现在，大规模蛋白质组研究已经不是遥不可及的幻想，已经成为了现实。我坚信，当人类可以彻底了解蛋白质组，我们对于人体健康的认知也会发生根本性变革。　　2022年9月，应脉医疗宣布在中国市场取得了重大成绩，SEER全球总部与应脉医疗的研发团队合作，成功突破了5,000个血浆蛋白的检测数量。这项成就对于癌症早期筛查会产生怎样的推动作用?Seer在这方面还有哪些战略部署?　　MAX：首先，无论是对于单一样本还是组群样本，5,000这个数字都是一个巨大的成就。但这还只是刚刚起步。Seer平台潜力无限。通过Seer与应脉的合作，无偏发现蛋白质组学领域的样本数量将持续提升。也许几年之后再回看现在，5,000都显得微不足道。通过赋能以Seer为代表的核心技术，结合后端的质谱检测设备，样本数量会持续增长。而且不仅仅是蛋白质组，像蛋白质存在形式，蛋白质的翻译后修饰，蛋白质间相互作用等其它类型的样本数量都会进一步增长。　　随着样本数量增加，人类对于生物复杂性的理解也会被刷新，未来进展本质上将取决于对数据的利用能力。生物知识已经有了，问题是怎么能更容易地获得内容，这也是Seer和应脉医疗合作要解决的问题。在5,000蛋白质样本的基础上，通过大规模研究，这个上限会不断突破，7,000，1万，甚至2万，数据库正在不断扩充。　　Seer产品的技术原理是什么?如何助力科研人员打通痛点难点?　　MAX：Seer是基于沃尔曼效应(Vroman Effect) 对蛋白冠加以利用，Seer采用多种纳米颗粒，用不同颗粒形成不同蛋白冠，以此获得信息，达成新的生物学见解。　　近年来，新的蛋白质分析技术不断涌现。Seer的技术受到高度关注。Seer的独特优势在于何处?　　MAX：优势很多。首先就是无偏检测平台。这是种基于理论假设的研究方式。研究人员不需要知道目标蛋白质或目标肽就可以进行研究。传统的定向研究法要求必须对研究对象有一定的假设，或有一定的背景知识。相比之下，Seer技术使用纳米颗粒为基础的无偏平台，对蛋白质组的动态范围进行全范围取样。不但能了解与你所研究的疾病相关联的已知信息，更重要的是能发现从未与任何疾病建立联系的未知新信息。而且这些发现的前提是，不需要知道筛查目标的机制或生物学原理。我们的平台是一个真正的发掘性平台，一个真正能为研究人员赋能的发现工具。　　Seer技术的第二大优势是对检测样本的物种和样本类型不加区分。也就是说，检测对象适用于任何生物体液。血浆、血清、脑髓液、尿液、条件介质等各类生物体液与Seer技术的纳米颗粒组合都兼容。检测对象也不限于一个物种，不限于人类。猪、老鼠的血浆跟人类很相似，都可以作为样本物种或样本类型。Seer平台的无偏发现特质，与多物种、多类型体液取样能力相结合，一定会成为改变游戏规则的核心技术，助力全球的研究人员和企业。　　Seer的ProteographTM是一个高创新、全自动化的系统，这款产品的特征是什么?临床上的主要应用是什么?　　MAX：Seer作为一个高端平台，提供的是一个真正的终端到终端的解决方案。　　自从Seer进入中国市场以来，很多科学家对它产生了极大的兴趣。现在公司也正在推出新产品。新产品有什么新特征呢?　　MAX：Seer的最新产品Proteograph XTTM十分值得期待，是基于近年来的客户反馈完成的。在保留了之前全部优势的基础上，通量提升2.5倍，综合成本进一步下降，对于大队列客户更加友好。　　只要Seer这家公司还存在一天，研发就是我们的立身之本。我们推出第一款商业可行的解决方案后，一直在收集客户反馈，开发最新产品。现在我们非常期待在中国市场推出最新产品。

继黄山浦溪河项目成功合作之后，黄山市政府各级领导认识到了聚光科技在环境监测治理领域内的实力以及热诚为黄山市政府服务的决心，希望能够在多个领域与聚光科技开展长期合作。 黄山市政府各级领导参观聚光科技生产线　　10月14日下午，黄山市副市长徐德书率领环保局局长程烈光、安监局局长吴灵强、黄山区副区长石平、歙县副县长吴立民、徽州区副区长胡志成等领导前来聚光科技洽谈合作。　　创始人王健亲自接待各位领导，陪同参观公司展厅、实验室和生产线。陈道东、倪勇、王静、周超等参与接待并座谈，先后汇报了智慧环保、智慧安监、工业园区污水处理等解决方案。黄山市领导对聚光科技的产品和技术非常感兴趣，约定后续聚光科技派出专业技术团队前往黄山各工业园区进行现场实地调研，制定针对性的解决方案。 聚光科技与安徽黄山市政府各级领导洽谈深度合作　　此次洽谈交流将推动聚光科技在多个领域内与黄山市政府开展合作，聚光科技在迈向“中国生态环境综合服务领导者”的道路上跨进了一大步。

centerimg alt="" src="http://epaper.xiancn.com/newxarb/res/2018-03/02/07/res03_attpic_brief.jpg" height="272" width="400"//centerp　　西安军民融合产业创新发展的“西安模式”正在加速成型。/pcenterp style="text-align:center"img style="width: 400px height: 565px " title="" alt="" src="http://epaper.xiancn.com/newxarb/res/2018-03/02/07/res07_attpic_brief.jpg" height="565" hspace="0" border="0" vspace="0" width="400"//p/centerp style="text-align: center "strong　　漫画中国/东方IC/strong/pp　　春节期间一部《红海行动》在全国燃爆，热爱军事的影迷们更是从影片中领略到了无人机在现代战场上的风采。我市的潘祈帆是一名90后小伙子，受到不少军迷们的询问，因为他的公司曾参与了我军几款无人机的研发工作。“不能泄密是前提，但无人机作战的基本原理还是能给朋友们分享的。”/pp　　我市80后的女创业者刘晓雅则早在2015年的九三阅兵时便激动地拍下阅兵视频发了朋友圈：“我们做的，我骄傲。”她作为联合创始人的诺维北斗，早已成为我市“民参军”企业的代表之一。/pp　　西安，这座军工实力雄厚的城市，如今不仅拥有航空、航天、船舶、兵器、军工电子等优势军工主导产业，“军转民”、“民参军”也逐渐形成了全要素、多领域、高效益的发展格局，军民融合产业创新发展的“西安模式”正在加速成型。/pp　　随着西安获批建设国家中心城市，深化军民融合，辐射带动地方经济发展，打造以西安为中心、横贯关中平原的军民融合产业带，建设创新引领的现代产业体系，成为西安的新使命，也为军民融合深度发展指明了方向。/pp　　strong勇担国家使命 军民融合的西安实践/strong/pp　　早在2015年，西安就成为全国8个全面创新改革试验区域之一，这为我市建设发展提供了新的契机与动力。根据国务院批复的《西安市系统推进全面创新改革试验方案》，相关重点任务就包括以特色产业基地(园区)为平台，建设国家军民深度融合创新示范区。/pp　　肩负着军民深度融合发展的国家使命，西安的确有着自身的先天优势。国家发改委新闻发言人孟玮就认为“建设军民融合创新高地”是关中平原城市群发展规划中的一大亮点。因为从发展基础看，关中平原城市群工业体系完整、产业聚集度高，科教资源、军工科技等位居全国前列，航空航天、新材料、新一代信息技术等战略性新兴产业发展迅猛，是全国重要的装备制造业基地、高新技术产业基地、国防科技工业基地。而西安更是其中的龙头。/pp　　综观西安发展的诸多重大机遇，军民融合是国家赋予西安最鲜明的改革试验任务。我市要在军民融合体制机制创新、军民资源开放共享、军工科技成果转化、军民融合服务体系、军民融合产业发展等方面形成“西安模式”，加快建设国家军民深度融合示范城市。为不辱使命，将先天优势转化为现实动力，市第十三次党代会报告提出，建设国家军民深度融合示范城市。/pp　　为统筹我市军民融合发展，加强顶层设计和战略规划，我市成立了军民融合领导机构、常设办事机构。并出台了《西安市军民融合产业标准化项目扶持管理办法》、《西安市军工资源共享管理暂行办法》等一系列政策措施。同时，开展与本地军工企业、科研院所的干部交流。事实证明，人才的互动促进了信息交流、资源融合和项目合作，为全市军民融合的深度发展营造了良好的氛围。/pp　　为鼓励军民融合创新发展，在空间承载上，我市构建以高新区军民融合产业园、经开区军民融合装备制造园、西安国家民用航天产业基地、西安兵器工业科技产业基地等为基础的“两园四基地”。在公共服务上，西安科技大市场搭建了军民融合信息服务平台，汇聚了各类军工和国防类科技资源，吸收“军转民”“民参军”等企业超过350家，吸纳数以百计的科研院所开放共享大型仪器设备，积极促进“产—学—研—用”合作和协同配套。在政府综合配套支持上，我市试行军品研制生产单位政策普惠，帮助“民参军”企业申请预研资金、科研经费，以及技术改造等优惠政策。/pp　　经过全市共同努力，西安军民融合在体制机制、承载空间、公共服务、政府配套和主体活力等方面得到了明显优化。在军民深度融合的多个领域寻求重点突破，培育了一批重大创新平台、龙头工程、创新示范企业和新兴产业。/pp　　strong发挥三大基地优势 军民融合引领大西安现代产业体系构建/strong/pp　　“聚焦‘三六九’，振兴大西安”。盘点西安在军民融合行业中的产业亮点，西安依托西安装备制造业基地、高新技术产业基地、国防科技工业基地优势，不断深化军转民与民参军，军民融合产业园区功能日渐完善，带动作用愈发明显，基本形成了“以军带民、以民促军、军民融合”的多元化、集群化发展格局，创新引领着大西安现代产业体系的构建。据今年的市政府工作报告披露，我市民参军企业达到400家，军民融合产业营业收入突破2000亿元。/pp　　在以装备制造为代表的工业领域，我市六大千亿级产业集群加速壮大，汽车产业迈入千亿级。百亿级工业企业总数达到11家。规模以上先进制造业总产值3167.7亿元、增长20.6%。我市创建“中国制造2025”试点示范城市通过国家评估。国家通用航空产业综合示范区已经获批。特别是在航空制造业领域，我市重点发展大型运输机、新舟系列飞机、无人机等整机制造 在航天领域，将加紧实施新一代运载火箭、卫星测控等重大项目 在兵器领域，将重点发展装备制造、新材料、新能源等产业 在电子信息领域，将重点发展通信、集成电路等产业 在船舶领域，将重点发展水中兵器、舰船动力等产业 在核技术领域，将重点发展民用核技术、核燃料、核电设备等产业。以新能源汽车和航空制造等为主的万亿级先进制造业正在积极构建。/pp　　我市提出的重点打造“3+1”万亿级支柱性产业，除上述万亿级先进制造业，还包括“以电子信息为主的万亿级高新技术产业”。依托的也正是西安的科教资源优势和国防科技产业优势。/pp　　科教资源优势，历来是西安的重大优势，据统计陕西和西安各类科研机构达到1176家，各类高等院校116所，国家级重点实验室22个，国家级工程技术研究中心7个等。其中大量为国防科工院所。国防科技产业更是西安的传统优势产业。我市已经云集军工单位超过110家，从业人员超过20万人，行业门类齐全，基本涵盖了航空、航天、兵器、船舶、电子信息、核技术6大领域，国防科技工业研发和生产能力居全国前列。其中，航天科研生产力量占全国近1/3，航空产业资产规模、人才总量和科技成果占全国近1/4，被称为中国的“航天动力之乡”和“航空城”，拥有集科研、试验、生产于一体的完整军工产业链，具有发展军民融合产业的“先天优势”。“构建科技产业园区、创新基地、公共研发平台、加速器、孵化器、众创空间等多层次、全体系的创新创业载体”被写入了我市“十三五”规划纲要，大量科技创业者在西安的开放沃土上耕耘收获。在高新技术产业中，以人工智能、航空航天、光电芯片、新材料、新能源、智能制造、信息技术、生物医药等为代表的硬科技“八路军”在我市蓬勃兴起，这些既是优势产业关键领域的创新方向，也正是战略性新兴产业的发展方向，是军民融合的重点产业领域。/pp　　军民融合的深度发展正在推动传统优势产业转型升级，构建出富有竞争力的现代产业体系，为大西安乃至关中平原城市群追赶超越夯实产业基础。/pp　　strong新使命新征程 军民融合发展的 西安模式正在推向深入/strong/pp　　雄关漫道真如铁，而今迈步从头越。《关中平原城市群发展规划》提出，以西安全面创新改革试验为牵引，统筹推进军工、科研创新机制改革，做大做强航空、航天、船舶、兵器、军工电子等五大优势主导产业，创新军民融合发展路径，打造军民深度融合发展示范区，努力在创新驱动发展方面走在全国前列。/pp　　要打造以西安为中心、横贯关中平原的军民融合产业带，先要做强自身。将建设国家中心城市的使命扛在肩上的西安，在军民深度融合发展的创新之路上加快了脚步。/pp　　前不久，《西安市军民融合补短板促发展实施方案》出台，从加大体制机制改革力度、加快推进“军转民”步伐、支持军民融合公共服务平台建设、引进培育军民融合人才等9个方面发力。/pp　　刚刚结束的两会上，市政府工作报告指出，要加快推进“两区”建设。聚焦统筹科技资源、深化军民融合两大改革任务，坚持复制推广改革经验与深化提升创新成果同步推进，体现西安特色，形成“西安模式”，2018年我市将积极拓展科技大市场功能，推广“一院一所一校”改革经验，实现全市技术合同交易额达到 850亿元，就地转化率超过30%，研发投入占生产总值比重保持在5%以上的目标。同时，扎实推进国家知识产权强市和运营试点城市建设，支持建好国家知识产权军民融合运营平台和中国(西安)高端装备制造产业保护中心。推动军工企业混合所有制改革和军工科研院所事转企改革，统筹抓好军民融合“两园三基地”建设，积极创建“国家军民融合标准化试点城市”。全年军民融合产业营业收入达到2500亿元以上，民参军企业数达到430家以上。支持高新区自创、自贸“双自联动”发展，打造引领创新发展、支撑开放合作的“双示范”样板区。/pp　　为实现这一系列目标，我市计划在金融服务领域，围绕打造丝路国际金融中心的目标，加快建设科技、文化、军民融合3个金融示范区的建设，鼓励发展创业投资、私募股权投资、产业投资等基金，吸引更多境内外金融机构和高层次金融人才向西安聚集。在空间聚集上，坚持产业“特而强”、功能“聚而合”、形态“小而美”、机制“新而活”，突出生产、生活、生态“三生融合”，重点围绕硬科技、文化旅游、军民融合等优势资源，重点加快建设50个左右特色小镇。在产业规划上，推动物联网、虚拟现实、增强现实等新技术与实体经济深度融合。积极发展众创、众包、众扶、众筹等新模式，支持人工智能、增材制造、大数据等新产业聚集发展。/pp　　深化军转民民参军，发展五大产业，搭建军民深度融合新平台，以西安全面创新改革试验为契机，建立多层次对接协调机制，创新军民融合发展路径……/pp　　面对国家赋予西安的新使命，如今的西安已经在新的征程上，奋力奔跑，勇敢前行!/p