《中国科学院与荣成合办研究所落户威海》

  • 来源专题:集成电路
  • 编译者: shenxiang
  • 发布时间:2019-04-30
  • 4月23日,荣成市与中国科学院产业合作暨荣成经济开发区重点项目落地签约仪式举行,荣成微电子与智能技术产业研究院等9个项目集中签约。中国科学院微电子研究所—荣成微电子与智能技术产业研究院同时揭牌。

    荣成微电子与智能技术产业研究院是荣成市与中国微电子技术领域最高学术机构——中国科学院微电子研究所合作成立的微电子与智能技术研发机构和产业化转化平台。这次荣成微电子与智能技术产业研究院落户的同时,中国科学院微电子研究所高精度多模卫星定位系统与芯片公司、低能耗物联网系统与芯片公司、智能驾驶系统公司三大“种子期项目”也一起入驻科技创业园。

    中国科学院微电子研究所副总工程师陈杰介绍,研究院的主要研究和产业化方向为,物联网芯片与应用系统、人工智能芯片与应用系统、新能源汽车电子核心芯片、新能源汽车自动驾驶系统、精准农业、海洋产业智能系统及其他微电子及智能信息技术系统。

    仪式上,除中国科学院微电子研究所—荣成微电子与智能技术产业研究院外,同时签约的还有芯长征科技功率器件封装、 达因金控儿童制药、海纳膜科技、众恒高科智慧系统、全利核工程技术、昊太智能设备、中科银河芯高性能传感芯片、中经天平信息技术等项目。

    此次签约对荣成市加快新旧动能转换、补齐高新技术短板将起到重要作用,荣成市将以最大的支持、最优的服务、最好的礼遇,促成项目早开工、早投产、早见效,实现双方互利共赢。

    据了解,作为荣成市“双招双引”的承接平台,科技创业园配备了32套专家公寓,与中国海洋大学、中国科学院海洋所等22家高校院所建立合作关系,拥有4家国家级研发机构,29家省级研发机构。

    为助力园区企业快速发展,荣成市政府与中国科学院创业投资管理有限公司共同发起建立了中国科学院创业投资荣成子基金,为园区内的高新技术创新创业型企业提供资金支持。中国科学院创投荣成基金公司董事长朱诚在仪式上表示:下一步要将中国科学院更多的项目引入荣成,在这里落地、生根,加速打造新旧动能转换的‘桥头堡’。”

相关报告
  • 《中国科学院院士高福当选德国国家科学院院士》

    • 来源专题:科技大数据监测服务平台
    • 编译者:zhoujie
    • 发布时间:2020-07-09
    • 中国科学院院士高福近日当选德国国家科学院院士。 高福是中国科学院院士、中国科学院微生物研究所研究员,同时也是美国国家科学院外籍院士、美国国家医学科学院外籍院士、发展中国家科学院院士、非洲科学院院士等,兼任国家传染病防治科技重大专项技术总师。主要从事病原微生物跨宿主传播、感染机制与宿主细胞免疫研究以及公共卫生政策与全球健康策略研究。 德国国家科学院源于1652年成立的利奥波第那科学院(Leopoldina),是世界上最古老的科学院,是德国最古老的自然科学和医学方面的联合会。利奥波第那科学院根据不同的研究领域共设4个类别学部和28个学科组,拥有1500多位院士,包括自然科学、医学、社会科学和人文科学领域的著名学者。利奥波第那科学院选举院士要保证独立性和学术性,院士称号突出学术性和荣誉性,不与任何物质利益挂钩。章程规定该院每年增选院士约60名,选举过程首先从提名候选人开始,正式提名只能由院士提交,经3轮选举后产生。该院现有院士来自全球30多个国家,其中四分之三来自德国、奥地利、瑞士3个德语国家,四分之一来自其他国家。
  • 《中国科学院近代物理研究所科研人员对空间引力波探测信号识别研究获进展》

    • 编译者:张宇
    • 发布时间:2025-01-03
    • 中国科学院上海天文台和中国科学院大学等的科研人员在空间引力波探测信号识别领域取得进展。该团队开发出基于深度学习的创新方法,可高效探测和分析空间引力波探测器的极端质量比旋近(EMRIs)信号,将为未来空间引力波探测与数据分析提供参考。相关研究成果在线发表在《中国科学:物理、力学和天文学》上。 自2015年首次探测到引力波以来,地面引力波探测器已探测到超过100例引力波事件。这些地面探测器的探测频段在几十到几百赫兹之间。为探索低频引力波源,科学界正积极筹备空间引力波探测计划。 空间引力波探测的重要目标之一是极端质量比旋近系统。这类系统由一颗恒星级黑洞围绕中心的超大质量黑洞旋转而成。研究EMRIs系统,能够帮助科学家精确检验广义相对论,绘制超大质量黑洞周围的时空图,验证“无毛定理”,有望揭示超大质量黑洞的质量分布及其与宿主星系的共同演化历史。 而EMRI信号的探测和分析面临挑战。这类信号可持续数年之久,且特征复杂、强度微弱,需要大量的计算资源来生成高精度波形模板。传统的匹配滤波和贝叶斯参数估计方法需要海量的EMRI波形模板来覆盖多维参数空间且计算成本高昂。更棘手的是,EMRIs信号的精确建模困难,而传统方法依赖于模板的准确性。 针对上述挑战,该团队创新性地提出了基于深度学习的完整解决方案。在时频域进行信号分析时,团队设计的二层卷积神经网络展现出优异的探测性能。对信噪比50至100范围内的信号,在1%的误报率下可实现96.9%的真实探测率。为验证这一方法的普适性,科研人员进行模板依赖性测试。结果表明,即使注入与训练数据不同模型生成的信号,该方法仍可以保持稳定的探测性能。这表明,该方法对理论模型的依赖程度较低,并提升了实际探测的应用价值。 进一步,在探测到信号后,该团队采用UNet网络在噪声中提取EMRI信号,并通过神经网络实现关键参数的精确估计。超大质量黑洞的质量估计准确率达99%,自旋参数估计准确率达92%。同时,神经网络可以准确预测轨道初始偏心率等参数。这为未来的引力波数据分析提供了新思路。 论文链接 (DOI:10.1007/s11433-024-2500-x)