-
公开(公告)号：CN1253386C
公开(公告)日：2006-04-26
申请号：CN200310106345.7
申请日：2003-11-19
Applicant: 南京大学
Abstract: 一种用酞菁绿废水制备聚合氯化铝絮凝剂的方法，其特征是：选用335型弱碱性阴离子交换树脂放入吸附柱中，然后用稀盐酸流经吸附柱，再用水或去离子水清洗该树脂柱，然后用稀碱液处理该树脂柱，最后用水或去离子水清洗该吸附柱直至出水呈弱碱性；调节酞菁绿废水的pH值，使之在常温到50℃之间通过上述预处理转型后的335型弱碱性阴离子交换树脂柱，再经另外一个离子交换树脂吸附柱，即可得到铜离子浓度满足《污水综合排放标准GB8978-1996》中的二级标准的酞菁绿废水；将经上述树脂处理的酞菁绿废水进行浓缩，在搅拌加热的条件下，同时加入碱化剂进行反应，调节废水呈弱酸性，持续搅拌并进行加热反应，即得到本发明的液体产品或固体成品，335型弱碱性阴离子交换树脂还可脱附再生，既回收了资源，又可重复利用树脂，节约了处理成本。实现了废物利用有目的，有利环境保护。
-
公开(公告)号：CN1253385C
公开(公告)日：2006-04-26
申请号：CN200310106344.2
申请日：2003-11-19
Applicant: 南京大学
IPC: C02F9/12 , C02F1/62 , C02F1/42 , C02F1/66 , C02F101/20
Abstract: 一种用335型弱碱性阴离子交换树脂处理酞菁绿废水中铜的方法，其特征在于：首先将335型弱碱性阴离子交换树脂进行预处理：选用335型弱碱性阴离子交换树脂放入吸附柱中，然后用稀盐酸以低流速流经装有335型碱性阴离子交换树脂的吸附柱，后用水或去离子水清洗该树脂柱，然后用稀碱液以低流速处理该树脂柱，最后用水或去离子水清洗该树脂柱直至出水呈弱碱性；调节酞菁绿废水的pH值，使之以低流速通过上述预处理后的离子交换树脂柱，并控制其处理温度，再经另外一个离子交换树脂吸附柱，可使酞菁绿废水中的铜离子基本去除；再对饱和的离子交换树脂柱脱附及再生以便下次重复使用。具有工艺简单，投资少，见效快的特点，能一次达到排放标准并可作为制备聚合氯化铝絮凝剂的前道工序，有利于废物利用和环境保护。
-
公开(公告)号：CN1658069A
公开(公告)日：2005-08-24
申请号：CN200410065998.X
申请日：2004-12-29
Applicant: 南京大学
Abstract: 纳米印章技术中纳米级模板的制备方法，先制备多层膜：多层膜为非晶硅(a－Si)/氮化硅(SiNx)、(a－SiC)/(SiNx)、(a－Ge)/(SiNx)、Ge/Si等多层膜调制结构，对上述多层膜样品的剖面进行切片、磨片与抛光，暴露出光洁的多层膜侧面，再进行选择性腐蚀，在多层膜样品的剖面形成纳米级浮雕模板。避免了使用昂贵的电子束光刻设备。采用等离子体化学汽相淀积(PECVD)技术制备的a－Si/SiNx多层膜的周期可精确控制到纳米量级，层厚最小可达到2nm，从而使模板的图案尺寸可减小到2nm，当图形转移到Si片上可产生纳米尺度的图案。
-
公开(公告)号：CN1544348A
公开(公告)日：2004-11-10
申请号：CN200310106345.7
申请日：2003-11-19
Applicant: 南京大学
Abstract: 一种用酞菁绿废水制备聚合氯化铝絮凝剂的方法，其特征是：选用335型弱碱性阴离子交换树脂放入吸附柱中，然后用稀盐酸流经吸附柱，再用水或去离子水清洗该树脂柱，然后用稀碱液处理该树脂柱，最后用水或去离子水清洗该吸附柱直至出水呈弱碱性；调节酞菁绿废水的pH值，使之在常温到50℃之间通过上述预处理转型后的335型弱碱性阴离子交换树脂柱，再经另外一个离子交换树脂吸附柱，即可得到铜离子浓度满足《污水综合排放标准GB8978－1996》中的二级标准的酞菁绿废水；将经上述树脂处理的酞菁绿废水进行浓缩，在搅拌加热的条件下，同时加入碱化剂进行反应，调节废水呈弱酸性，持续搅拌并进行加热反应，即得到本发明的液体产品或固体成品，335型弱碱性阴离子交换树脂还可脱附再生，即回收了资源，又可重复利用树脂，节约了处理成本。实现了废物利用的目的，有利环境保护。
-
公开(公告)号：CN1438168A
公开(公告)日：2003-08-27
申请号：CN03113046.1
申请日：2003-03-25
Applicant: 南京大学
IPC: B82B3/00
CPC classification number: B82Y30/00 , C30B29/605
Abstract: 激光诱导制备尺寸可控高密度纳米硅量子点列阵的方法：先进行多层调制结构的制备：利用等离子体增强化学汽相淀积技术制备非晶硅或锗/非晶氮化硅或二氧化硅的单层或多层调制结构，其中a－Si：H子层厚度与激光晶化后希望获得的量子点尺寸基本相符；然后用激光诱导晶化：衬底温度：150－250℃。本发明实现限制性结晶能够有效地控制硅量子点的形成与大小分布，由于多层调制结构中a－Si：H子层的厚度可人工设计，精度可达0.5nm，可控性强，从而使得最后形成的nc－Si量子点尺寸也可人工设计并控制。介质层a－SiNX：H或a－SiO2子层厚度可薄至5nm，
-
Patent Agency Ranking
公开(公告)号：CN119727731A
公开(公告)日：2025-03-28
申请号：CN202411784973.9
申请日：2024-12-06
Applicant: 南京大学
Abstract: 本发明公开了一种面向温度传感器的SARADC电路，该电路包括CDAC阵列、比较器、SAR逻辑模块和温度模式切换电路。前置温度传感器利用三极管的基极‑发射极电压的温度特性，产生电压差值随温度线性变化的双端电压。本发明通过SARADC结构，首先补偿了感温前级电路固有的失调电压，然后将前置温度传感器产生的随温度变化的双端电压的差值转换为8位2进制数字信号，通过量化后的数字信号表示温度信号。本发明通过切换ADC的参考电压模块，从而改变ADC量化的温度范围。本发明中，温度每变化1℃，温度传感器双端输出电压的差值变化0.0039V；SARADC的一个LSB值也为0.0039V，即SARADC的单位输出数字信号变化对应1℃的温度变化，有效提高了量化温度的效率。
-
公开(公告)号：CN119577623A
公开(公告)日：2025-03-07
申请号：CN202510119819.8
申请日：2025-01-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多级复用算法的超轻量化癫痫监测方法及系统，属于卷积神经网络技术领域，其技术方案要点是，获取当前t时刻的脑电波样本数据、t‑kn时刻的脑电波样本推理结果和t‑k时刻的图卷积结果数据，其中每个时刻的脑电波采样长度均为m×k×n，k为采样步长，n、m和k均为正整数；提取t‑kn时刻的脑电波样本推理结果中与当前t时刻采样区间重叠的数据，得到第一数据，提取t‑k时刻的图卷积结果数据中，与当前t时刻采样区间重叠且与t‑kn时刻采样区间不重叠的数据，得到第二数据；根据第一数据和第二数据，得到t时刻的脑电波推理结果，本发明通过复用当前时刻之前的结果数据，减少了平均推理的计算量。
-
公开(公告)号：CN119474007A
公开(公告)日：2025-02-18
申请号：CN202411555390.9
申请日：2024-11-04
Applicant: 南京大学
Abstract: 本发明公开了可重构计算阵列、重构控制器架构、芯片及重构计算方法，包括主控模块、状态机模块、计算译码器模块、访存资源控制器模块、重构控制器模块、可重构计算阵列、输入缓冲区模块和输出缓冲区模块；状态机模块通过状态切换，控制整个重构计算过程；重构控制器模块根据计算译码器模块的译码结果配置可重构计算阵列中PE单元的连接方式，实现多种计算功能以完成不同类型的数据计算任务。本发明通过对可重构计算阵列中多个计算单元进行动态配置，使得硬件架构能够根据不同的算法需求进行实时调整，对可重构计算阵列进行精准配置以完成不同的计算任务，而无需为每种任务设计专用的硬件，从而提高芯片配置的灵活性并提高资源利用率。
-
公开(公告)号：CN113705803B
公开(公告)日：2024-05-28
申请号：CN202111011695.X
申请日：2021-08-31
Applicant: 南京大学
Abstract: 本发明涉及基于卷积神经网络的图像硬件识别系统及部署方法，基于SoC平台实现MobileNetV1 SSD网络进行图像识别，平台内置ARM处理器和FPGA。ARM端完成全局调度任务，主要完成数据预处理，数据重排，网络推理，FPGA配置，以及后处理，包括非极大值抑制算法实现。ARM端整体策略采用按通道取数的方式以及MEC策略来降低数据重复率。FPGA端设计数据分发模块配合特殊尺寸的SRAM进行数据缓存，1*1和3*3两种卷积控制器，其中3*3卷积可配置成dw卷积和normal卷积两种模式，PE乘法阵列、加法树阵列，以及通道累加模块，大大提高资源的利用率。ARM端和FPGA端的交互通过调用驱动函数ioctl来实现，映射到硬件的Avalon接口实现数据与配置信息传输。本发明在板子资源受限的情况下有较好的优化。
-
公开(公告)号：CN115277563B
公开(公告)日：2024-03-19
申请号：CN202210636087.6
申请日：2022-06-07
Applicant: 南京大学
IPC: H04L47/12 , H04L47/32 , H04L47/38 , H04L45/028
Abstract: 本发明公开了一种基于离线强化学习的片上网络近似控制系统。本发明采用离线强化学习算法，利用软硬件协同手段，在软件端训练，在硬件端部署；片上网络中设置全局近似控制器用来部署决策神经网络；其余节点利用局部数据控制器根据全局近似控制器的发送的信息调整数据近似率。本发明通过离线强化学习算法对决策网络进行训练，将训练完成的决策网络部署至硬件中，能在不同的应用条件下感知网络拥塞状态，动态调整数据近似率使得网络在传输质量和网络性能两者之间达到良好平衡。
-
-
-
-
-
-
-
-
-
Search Results
306
records
(took 0.04 seconds)
