|
搜索
搜 索
高等教育領域數字化綜合服務平臺
長春博盛量子科技有限公司
長春博盛量子科技有限公司坐落在光電技術發達的長春市，公司地理位置優越比鄰長春光機所，是一個新型的集研發，生產，銷售為一體的高科技光電技術企業。博盛量子公司員工和團隊以光電技術學,光學,化學，計算機軟件學等專業多學科的老中青三代科技人員為主體，包括博士生導師、教授和科研人才，多名高級工程技術人員。
博盛量子擁有自主創新，自主研發的激光器、激光功率計、光源、太陽模擬器、光學晶體、高分辨率紅外激光卡、高精密濾光片、高密度激光護目鏡及可定制尺寸光學積分球等產品，為光電科學工作者提供一個較好的產品平臺。為了國家光電技術的發展，為了中華民族的光學前景，博盛公司員工義不容辭地承擔起光電革命的責任，在當代光電技術學艱難攀登，在光電技術全球化激烈競爭中，艱苦奮斗，奮發圖強。博盛公司員工要以創新性的先進實用技術、優質產品、以自己的學識服務于我國光電技術學，服務于工作在光電技術行業的眾多辛勞的科研工作者，同時更要成為我國高技術光電產業的堅固基石和砥柱。
長春博盛量子科技有限公司
2021-01-15
一種用于空間相位調制的預編碼方法
本發明預編碼方法主要為接收端根據估計得到的信道矩陣H，得到預編碼向量。具體方法如下：根據SM-PSK系統的星座圖中任意兩點間的最小距離。確定這兩個星座點所對應的發射天線的序號m和n。若m＝n，此時不必采用本步驟余下算法，直接即最后選用的θ為初始向量。若m≠n，設角度偏移值Δθ＝2π/N，根據備選的預編碼向量的集合可選取最優的作為預編碼向量。本發明的有益效果為，能夠使星座點間最小歐式距離變大，在使系統在引入極小的反饋量和增加很小的復雜度的情況下，使系統的BER性能得到顯著的提高。
電子科技大學
2021-04-10
一種用于相位采集與同步精準調制的裝置
本實用新型公開了一種用于相位采集與同步精準調制的裝置。激光器發出激光經相位型分束鏡發生透射和折射，透射光作為物光，依次經半波片、散射介質后，再經第一反射鏡反射到分束鏡一側；反射光作為參考光，經第二反射鏡反射后，再經位相型電光調制器調制后入射到分束鏡另一側，兩束光在分束鏡中反射和投射，參考光和物光相重疊分別入射CCD相機和空間光調制器被接收。本實用新型能在測量空間光調制器面板光場相位分布的同時，實現高精度、高分辨率的相位調制，在醫學成像、信息安全等諸多領域有著巨大的應用潛力。
浙江大學
2021-04-13
一種磁浮平面電機動子初始相位定位方法
本發明公開了一種磁浮平面電機位置初始定位方法，該方法包 括以下步驟：在磁浮平面電機動子不同位置放置 4 個霍爾傳感器，通 過測量電機靜止時各個傳感器所在位置的磁通密度，選取磁通密度最 低的 3 個測量值作為觀測值，結合磁鋼陣列上磁通密度分布模型，通 過特定的數學模型來計算磁浮平面電機幾何中心所處的磁場相位，實 現平面電機動子幾何中心初始磁場相位定位及旋轉角度定位。該方法 通過增加冗余傳感器及對傳感器合理排布避免傳感器在磁場峰值進行 數據采集，提升了定位精度。
華中科技大學
2021-04-14
MCU1000A-8 八路相位采集記錄儀
MCU1000A-8是一款多通道相位分析儀，實現對多路信號的相位一致性測量，具有穩定的測試精度和測試速度。
功能特點
頻率范圍：10 MHz~4 GHz
分辨率：10 Hz
輸入功率：0 dBm~-50 dBm
相位測量誤差不大于2 ° （輸入功率不小于－20 dBm)
相位測量誤差不大于3 ° （輸入功率：－50 dBm~-20 dBm)
應用領域
電纜測試
相控陣和雷達系統測試
成都玖錦科技有限公司
2022-08-05
一種基于相位補償的脈沖信號峰值檢測方法
本發明公開了一種基于相位補償的脈沖信號峰值檢測裝置及方 法，屬于核輻射探測技術領域；現有技術中的檢測裝置及方法，檢測 精度不高或成本很高；本發明提供的檢測裝置包括輸入緩沖電路，輸 入濾波器、移相濾波器、遲滯比較器、閾值檢測電路、噪聲抑制電路 和相位補償電路，該設計具有較強的靈活性，可拓展性強，通過更改 濾波電路類型和電路參數即可實現對任意類型和頻率的脈沖檢測；電 路結構簡單，檢測精度高，工作穩定，抗干擾能力強，對 ADC 采樣率 和 MCU 性能要求低，應用該設計可有效減小能譜分析儀器設計成本 和程
華中科技大學
2021-04-14
量子點熒光探針快速檢測生物活性分子
完成人簡介：樊君，西北大學教授，西北大學化工學院副院長， 陜西省化工過程實驗教學示范中心主任，指導博、碩士生研究方向包括反應工程、碳一化工、納米材料、分離工程、精細化工產品開發研究等。
成果內容：基于量子點的熒光探針分析對推動即時檢測（POCT）技術的發展具有十分重要的意義。本項目以制備功能型納米熒光探針為主，主要包括量子點熒光探針（QDs）和稀土摻雜上轉換納米顆粒（UCNPs），并利用制備的熒光探針實現了對生物活性分子的定量檢測。項目設計了基于熒光共振能量傳遞（FRET）的QDs熒光探針和基于CuMn雙摻雜的ZnS QDs比率熒光探針，分別實現了對生物活性分子多巴胺和葉酸的定量檢測（圖13），結果表明所制備的探針具有較高的選擇性和靈敏度，項目成果將為醫學檢測和POCT技術提供技術支持。
不同反應時間得到的CdTe量子點在紫外燈下的實物圖及其吸收和發射光譜
成果優勢： 量子點(quantum dots，QDs)是指顆粒半徑小于激子波爾尺寸半徑的納米晶粒，屬于三維尺度限域的零維納米材料，其尺寸一般在10nm以下。QDs有許多顯著地光學性質：優良的抗光漂白能力； 較寬的吸收光譜；發射光譜窄；較大的斯托克斯位移(Stokes shif)。
成果成熟度：中試階段。
轉化方式：技術轉讓等。
市場展望：本項目的研究結果對提高疾病診治水平，推動醫學科技前沿發展，形成經濟新增長點，帶動大健康產業發展等都將具有十分重要的意義。
西北大學
2021-05-11
量子點熒光防偽技術研究成果
福州大學物信學院李福山教授、福州大學化學學院鄭遠輝研究員與TCL集團工業研究院錢磊博士的合作研究論文“Inkjet-printed unclonable quantum dot fluorescent anti-counterfeiting labels with artificial intelligence authentication” 在Nature子刊《Nature Communications》在線發表。 量子點具有優異的光電特性，其圖案化在發光顯示，熒光標記和智能傳感領域具有廣闊的應用前景。量子點薄膜形貌最終決定了其光電器件應用，論文采用高精度噴墨打印技術制作微米級量子點發光圖案，創新性的在基板表面構建具有隨機分布的聚甲基丙烯酸甲酯（PMMA）微納米顆粒，作為噴墨打印輸運過程中的聚集釘扎點，強化微米級墨滴蒸發流動以及量子點組裝過程中的差異性，形成不可復制“花狀”發光圖案；成功應用于低成本，可柔性化，自然條件下隱蔽，具有多重防偽級別和商業化的價值的不可復制全彩熒光防偽標簽。并且首次引入了人工智能（AI）技術對噴墨打印量子點防偽熒光標簽進行驗證，并成功識別出不同的清晰度、亮度、旋轉角度、放大倍率以及這些參數混合的“花狀”圖案，實現了防偽標簽的高效準確識別。
福州大學
2021-04-10
量子點熒光防偽技術研究成果
福州大學物信學院李福山教授、福州大學化學學院鄭遠輝研究員與TCL集團工業研究院錢磊博士的合作研究論文“Inkjet-printed unclonable quantum dot fluorescent anti-counterfeiting labels with artificial intelligence authentication” 在Nature子刊《Nature Communications》在線發表。 量子點具有優異的光電特性，其圖案化在發光顯示，熒光標記和智能傳感領域具有廣闊的應用前景。量子點薄膜形貌最終決定了其光電器件應用，論文采用高精度噴墨打印技術制作微米級量子點發光圖案，創新性的在基板表面構建具有隨機分布的聚甲基丙烯酸甲酯（PMMA）微納米顆粒，作為噴墨打印輸運過程中的聚集釘扎點，強化微米級墨滴蒸發流動以及量子點組裝過程中的差異性，形成不可復制“花狀”發光圖案；成功應用于低成本，可柔性化，自然條件下隱蔽，具有多重防偽級別和商業化的價值的不可復制全彩熒光防偽標簽。并且首次引入了人工智能（AI）技術對噴墨打印量子點防偽熒光標簽進行驗證，并成功識別出不同的清晰度、亮度、旋轉角度、放大倍率以及這些參數混合的“花狀”圖案，實現了防偽標簽的高效準確識別。
福州大學
2021-02-01
在量子物理與機器學習研究的進展
生成模型的研究重點是如何從給定的數據集合中學習到數據的聯合概率分布，以及從學習到的概率分布中高效地生成新的樣本。研究團隊提出將數據的聯合分布概率編碼成量子多體態的概率幅的模平方。進一步地，他們提出在經典計算機上使用矩陣乘積態(Matrix Product States)來模擬學習的過程。矩陣乘積態的參數，即張量網絡的張量元，可以通過類似密度矩陣重整化群(Density Matrix Renormalization Group)的算法進行學習，最終形成一個具有泛化能力的生成模型。這個學習算法結合了量子物理與機器學習各自的優點：它不僅可以利用GPU高效地學習到模型參數，還可以利用張量網絡的靈活性動態地調節模型表達能力。此外，與傳統的基于統計物理的生成模型（例如玻爾茲曼機）相比，玻恩學習機還具備直接生成無關聯樣本的強大能力，從而可以高效地生成新的數據。 基于量子態的概率生成模型融合了量子物理與機器學習的思想，是一個嶄新的研究領域。玻恩學習機借助量子態內稟的概率解釋及其強大的表達能力，意在為機器學習和人工智能提供更為先進的生成模型和學習算法。此外，這類模型在量子信息處理，量子計算以及多體物理中具有應用潛力。展望將來，最令人興奮的前景應該會是在一臺量子計算機上實現玻恩學習機，從而以全新的方法進行概率型的學習和建模。這項工作用使用張量網絡模擬量子計算機的運行，向無監督量子機器學習邁近了一步。作用在一幅MNIST圖片上的矩陣乘積態以及它的糾纏譜
北京大學
2021-04-11