发布时间：
《泰晤士高等教育》公布了世界大学排名，中国众多大学的排名都获了提升，从而体现了我国教育事业的发展势头强劲，其中清华大学，北京大学，复旦大学，上海交通大学，浙江大学等高校都榜上有名。
国内大学排名。随着近几年我国教育事业的蓬勃发展和良好的发展环境。我国大学科研实力都得到了很高的提升。本次排行中以清华大学的排行最高，位居世界第十六位，紧随其后的就是北京大学。复旦大学排名第五十一，上海交通大学排名第五十二，浙江大学排名第六十七，中国科技大学排名第七十四，南京大学排名第九十五。总共有七所大学排名前一百位，这些大学也都在意料之中。
国外大学排名。全球排名前十的大学除了英国牛津大学排名第一，剑桥大学排名第二和帝国理工学院排名第十外，其它的大学全部都来自于美国。美国哈佛大学位列第二，美国斯坦福大学并列第三，随后是麻省理工学院，加州理工学院，普林斯顿大学，加州大学伯克利分校和耶鲁大学。我国的清华大学和北京大学虽然排名比较接近，但是同顶级大学之间依旧存在较大的差距。
排名提升的原因。随着我国经济的崛起，我国开始吸引全球顶尖的学者和专家来到中国交流合作，无疑对于提升我国的科研水平具有非常重要的作用。美国的高等教育和研究领域的地位受到了中国的强有力的挑战。此外中国的各所大学在世界重要期刊和杂志上发表论文的数量和质量都呈现了明显的增长势头。申请的专利权数量也显著的增加。中国科技大学，浙江大学，复旦大学和清华大学的论文发表数量已经超过十万以上，北京大学接近十万篇。
清华大学公布了2020至2021学年度第9次校务会议修订的《攻读硕士学位研究生培养工作规定》，明确提出不把发表学术论文作为申请学位论文答辩或申请学位的前置条件。《规定》破除了硕士生学位评定中的“唯论文”倾向，取消“非专业学位硕士生应至少完成一篇与学位论文内容相关且达到发表要求的论文”的要求，不把发表学术论文作为申请学位论文答辩或申请学位的前置条件。《规定》坚持，“学位论文是进行学位评定的主要依据”，要求硕士生“在指导教师指导下独立完成学位论文研究工作，相应形成的创新成果应当以学位论文的形式完整呈现”；“硕士生完成个人培养计划、达到所在学科或专业学位类别培养方案相关要求、完成学位论文工作并达到相关要求后，方可申请学位论文答辩”。
看不说研究生需要发表论文这一事情，许多的本科生基本上都需要写一篇毕业论文，很多的学生把这当作是一件非常痛苦的事情，其实有许多的学者提出，本科生写的论文真的能对我们、对社会现象起到什么作用吗？答案不言而喻，其实很多的学生为了毕业会水论文凑字数，甚至之前还有一条完整的产业链帮代写论文，这一切其实都可以看出论文是需要很多的基础知识和社会实践才能过写出的东西，而不是我们学生随便一挥手就能勾出现的东西。
其实许多的搞笑综艺把发表论文作为一个评判的标准，这样子可以快速高效的认定这个学生在大学期间或者研究生期间是否真的把自己的时间投入到学习中去，但是这样的批判标准实在是太片面，清华作为我国的高等学府，孕育出了无数科学家人才，他们要做第一个吃螃蟹的人，打破常规对学生的禁锢，这样说不定学生会更加愿意的投入到实践和创作中去。
我觉得还好，在清华大学读博士，说明这个学生的学术能力很强，他们应该有这个能力，清华老师提出这个要求也是为了鞭策学生，让学生能力变得更强。
1、第一档次中国名校：清华大学、北京大学。清华和北大连年都为抢生源交战，排名一个第1、一个第二，可谓是不分雌雄，这两所牛校是很多高材生的必争之地，清华北大各有优势，在中国可谓是如雷贯耳，无人不知无人不晓。2、第二档次中国名校：（1）复旦大学、上海交通大学。复旦、上海交大、清华、北大四所大学放在一起又可统称为中国四大名校，是名副其实不可撼动的十大名校之首。（2）浙江大学、中国科学技术大学、南京大学。
《泰晤士高等教育》公布了世界大学排名，中国众多大学的排名都获了提升，从而体现了我国教育事业的发展势头强劲，其中清华大学，北京大学，复旦大学，上海交通大学，浙江大学等高校都榜上有名。
国内大学排名。随着近几年我国教育事业的蓬勃发展和良好的发展环境。我国大学科研实力都得到了很高的提升。本次排行中以清华大学的排行最高，位居世界第十六位，紧随其后的就是北京大学。复旦大学排名第五十一，上海交通大学排名第五十二，浙江大学排名第六十七，中国科技大学排名第七十四，南京大学排名第九十五。总共有七所大学排名前一百位，这些大学也都在意料之中。
国外大学排名。全球排名前十的大学除了英国牛津大学排名第一，剑桥大学排名第二和帝国理工学院排名第十外，其它的大学全部都来自于美国。美国哈佛大学位列第二，美国斯坦福大学并列第三，随后是麻省理工学院，加州理工学院，普林斯顿大学，加州大学伯克利分校和耶鲁大学。我国的清华大学和北京大学虽然排名比较接近，但是同顶级大学之间依旧存在较大的差距。
排名提升的原因。随着我国经济的崛起，我国开始吸引全球顶尖的学者和专家来到中国交流合作，无疑对于提升我国的科研水平具有非常重要的作用。美国的高等教育和研究领域的地位受到了中国的强有力的挑战。此外中国的各所大学在世界重要期刊和杂志上发表论文的数量和质量都呈现了明显的增长势头。申请的专利权数量也显著的增加。中国科技大学，浙江大学，复旦大学和清华大学的论文发表数量已经超过十万以上，北京大学接近十万篇。
2023年世界大学排名出来，中国有北京大学，清华大学。这些大学都榜上有名。
我觉得还好，在清华大学读博士，说明这个学生的学术能力很强，他们应该有这个能力，清华老师提出这个要求也是为了鞭策学生，让学生能力变得更强。
这样子挺好，可以减少很多不必要的文字形式，一个硕士学位不单单是看论文写的好坏，更多的应该考虑一个学生的整体素质和学习能力
论文: EfficientDet: Scalable and Efficient Object Detection
目前目标检测领域，高精度的模型通常需要很大的参数量和计算量，而轻量级的网络则一般都会牺牲精度。因此，论文希望建立一个可伸缩的高精度且高性能的检测框架。论文基于one-stage的检测网络范式，进行了多种主干网络、特征融合和class/box预测的结构尝试，主要面临两个挑战:
FPN是目前最广泛的多尺度融合方法，最近也有PANet和NAS-FPN一类跨尺度特征融合方法。对于融合不同的特征，最初的方法都只是简单地直接相加，然而由于不同的特征是不同的分辨率，对融合输出特征的共享应该是不相等的。为了解决这一问题，论文提出简单但高效加权的bi-directional feature pyramid network(BiFPN)，该方法使用可学习的权重来学习不同特征的重要性，同时反复地进行top-down和bottom-up的多尺度融合
论文认为除了缩放主干网络和输入图片的分辨率，特征网络(feature network)和box/class预测网络的缩放对准确率和性能也是很重要的。作者借鉴EfficientNet，提出针对检测网络的混合缩放方法(compound scaling method)，同时对主干网络，特征网络和box/class预测网络的分辨率/深度/宽度进行缩放
最后，论文将EfficientNet作为主干，结合BiFPN和混合缩放，提出新的检测系列EfficientDet，精度高且轻量，COCO上的结果如图1，论文的贡献有以下3点：
定义多尺寸特征 ，论文的目标是找到变化函数 来高效融合不同的特征，输出新特征 。具体地，图2a展示了top-down FPN网络结构，一般FPN只有一层，这里应该为了对比写了repeat形式。FPN获取3-7层的输入 ， 代表一个分辨率为 的特征层
top-down FPN操作如上所示， 为上采用或下采样来对齐分辨率， 通常是特征处理的卷积操作
top-down FPN受限于单向的信息流，为了解决这一问题，PANet(图2b)增加了额外的bottom-up路径的融合网络，NAS_FPN(图2c)使用神经架构搜索来获取更好的跨尺度特征网络的拓扑结构，但需要大量资源进行搜索。其中准确率最高的是PANet，但是其需要太多的参数和计算量，为了提高性能，论文对跨尺寸连接做了几点改进：
大多的特征融合方法都将输入特征平等对待，而论文观察到不同分辨率的输入对融合输出的特征的贡献应该是不同的。为了解决这一问题，论文提出在融合时对输入特征添加额外的权重预测，主要有以下方法：
， 是可学习的权重，可以是标量(per-feature)，也可以是向量(per-channel)，或者是多维tensor(per-pixel)。论文发现标量形式已经足够提高准确率，且不增加计算量，但是由于标量是无限制的，容易造成训练不稳定，因此，要对其进行归一化限制
，利用softmax来归一化所有的权重，但softmax操作会导致GPU性能的下降，后面会详细说明
，Relu保证 ， 保证数值稳定。这样，归一化的权重也落在 ，由于没有softmax操作，效率更高，大约加速30%
BiFPN集合了双向跨尺寸的连接和快速归一化融合，level 6的融合操作如上， 为top-down路径的中间特征， 是bottom-up路径的输出特征，其它层的特征也是类似的构造方法。为了进一步提高效率，论文特征融合时采用depthwise spearable convolution，并在每个卷积后面添加batch normalization和activation
EfficientDet的结构如图3所示，基于one-stage检测器的范式，将ImageNet-pretrained的EfficientNet作为主干，BiFPN将主干的3-7层特征作为输入，然后重复进行top-down和bottom-up的双向特征融合，所有层共享class和box网络
之前检测算法的缩放都是针对单一维度的，从EfficientNet得到启发，论文提出检测网络的新混合缩放方法，该方法使用混合因子 来同时缩放主干网络的宽度和深度、BiFPN网络、class/box网络和分辨率。由于缩放的维度过多，EfficientNet使用的网格搜索效率太慢，论文改用heuristic-based的缩放方法来同时缩放网络的所有维度
EfficientDet重复使用EfficientNet的宽度和深度因子，EfficinetNet-B0至EfficientNet-B6
论文以指数形式来缩放BiFPN宽度 (#channels)，而以线性形式增加深度 (#layers)，因为深度需要限制在较小的数字
box/class预测网络的宽度固定与BiFPN的宽度一致，而用公式2线性增加深度(#layers)
因为BiFPN使用3-7层的特征，因此输入图片的分辨率必需能被 整除，所以使用公式3线性增加分辨率
结合公式1-3和不同的 ，论文提出EfficientDet-D0到EfficientDet-D6，具体参数如Table 1，EfficientDet-D7没有使用 ，而是在D6的基础上增大输入分辨率
模型训练使用momentum=0.9和weight decay=4e-5的SGD优化器，在初始的5%warm up阶段，学习率线性从0增加到0.008，之后使用余弦衰减规律(cosine decay rule)下降，每个卷积后面都添加Batch normalization，batch norm decay=0.997，epsilon=1e-4，梯度使用指数滑动平均，decay=0.9998，采用 和 的focal loss，bbox的长宽比为 ，32块GPU，batch size=128，D0-D4采用RetinaNet的预处理方法，D5-D7采用NAS-FPN的增强方法
Table 2展示了EfficientDet与其它算法的对比结果，EfficientDet准确率更高且性能更好。在低准确率区域，Efficient-D0跟YOLOv3的相同准确率但是只用了1/28的计算量。而与RetianaNet和Mask-RCNN对比，相同的准确率只使用了1/8参数和1/25的计算量。在高准确率区域，EfficientDet-D7达到了51.0mAP，比NAS-FPN少使用4x参数量和9.3x计算量，而anchor也仅使用3x3，非9x9
论文在实际的机器上对模型的推理速度进行了对比，结果如图4所示，EfficientDet在GPU和CPU上分别有3.2x和8.1x加速
论文对主干网络和BiFPN的具体贡献进行了实验对比，结果表明主干网络和BiFPN都是很重要的。这里要注意的是，第一个模型应该是RetinaNet-R50(640)，第二和第三个模型应该是896输入，所以准确率的提升有一部分是这个原因。另外使用BiFPN后模型精简了很多，主要得益于channel的降低，FPN的channel都是256和512的，而BiFPN只使用160维，这里应该没有repeat
Table 4展示了Figure 2中同一网络使用不同跨尺寸连接的准确率和复杂度，BiFPN在准确率和复杂度上都是相当不错的
Table 5展示了不同model size下两种加权方法的对比，在精度损失不大的情况下，论文提出的fast normalized fusion能提升26%-31%的速度
figure 5展示了两种方法在训练时的权重变化过程，fast normalizaed fusion的变化过程与softmax方法十分相似。另外，可以看到权重的变化十分快速，这证明不同的特征的确贡献是不同的，
论文对比了混合缩放方法与其它方法，尽管开始的时候相差不多，但是随着模型的增大，混合精度的作用越来越明显
论文提出BiFPN这一轻量级的跨尺寸FPN以及定制的检测版混合缩放方法，基于这些优化，推出了EfficientDet系列算法，既保持高精度也保持了高性能，EfficientDet-D7达到了SOTA。整体而言，论文的idea基于之前的EfficientNet，创新点可能没有之前那么惊艳，但是从实验来看，论文推出的新检测框架十分实用，期待作者的开源
本篇文章来自CVPR2020，名字是Bringing Old Photos Back to Life，主要做对老照片的恢复工作。
老照片中往往包含多种瑕疵，且不同年代的照片由于摄影技术的不同，其畸变类型有着显著的差异。这使得在合成数据集上训练得到的模型难以适应于实际老照片的修复。与常见图片修复依赖配对监督信号不同，作者将老照片修复问题定义为在 三个图片域之间的转换问题 ：实际待修复的老照片X、合成图像R以及无瑕疵高质量目标域图片Y分别视为三个图片域，我们希望学习得到X-Z的映射，如下图1，中合成图片与目标域图片形成配对关系。
采用如图2所示的网络结构实现三元域图像转换。 具体来说，作者提出用两个变分自编码器（VAE）来分别得到两个隐空间 Z_X（≈Z_R）和Z_Y。第一个自编码器（VAE1）学习重建真实老图片与合成图片，并在中间用一个对抗学习的判别网络将两种输入的隐空间对齐到同一空间。 这里我们采用变分编码器而不是普通的自编码器，这是因为变分编码器假设隐空间满足高斯先验（Gaussian prior），因而图片的隐空间编码更为紧凑，两种输入域的分布更容易被拉近。
类似的，我们用第二个自编码器 VAE2 得到高质量目标图片的隐空间编码。之后，我们固定两个 VAE 的编解码器，利用合成图片与目标图片的显式配对关系（标识为红色框），学习一个额外的隐空间映射（蓝色虚线），以实现对图片的修复。
此外，我们注意到老照片的瑕疵可以归类为 局部损伤以及广泛性损伤 。局部损伤有照片破损、污渍、划痕、褶皱等等，往往照片含有内容上的损坏，需要网络利用全局语义信息来实现修复；广泛性损伤指图片模糊、胶片噪声、颜色泛黄等整张照片均匀程度受到影响，修复仅需图片局部信息。 因而，我们的隐空间修复网络采用局部-全局视野融合，其中全局支路采用 nonlocal 模块大大增强处理视野。我们对局部破损图片建立了数据集，训练网络预测破损区域，该破损区域显式的送入 nonlocal 模块，并设置模块感受野为非破损区域（论文中称为 partial nonlocal 模块 ）。
至此，网络可以像修复合成图片一样，高质量的复原实际老照片。在此方法中，我们另外抠出照片中人脸部分，在人脸数据集上训练网络进一步优化人脸的细节。
我们将该方法和先前方法在实际照片上进行了对比。如图3所示，我们的方法达到了最真实、自然、清晰的修复结果。
武汉大学和清华大学那这两个大学都是非常有名的大学，那如果你想选择这两个大学，也可以从名气上那清华大学，如果从专业上也许可能武汉大学有些专业比清华好
结论：基本不太可能据我所知诺奖会颁给两类研究成果： 一是为科学家制造研究工具或者提供理论，比如因冷冻电镜获奖的几位，能进书本。 二是做出的东西具有极大的实用价值，比如屠呦呦提取出来的青蒿素，能上货架。施一公的方向是利用诺奖级别的工具做蛋白结构解析，和医院医生用核磁共振探测伤病有些类似。第一类拿诺奖的路几乎不可能，除非施一公组大角度转变研究方向。对于第二类拿诺奖的可能，若施一公组能用冷冻电镜解析出具有极大现实意义的蛋白，比如能广谱抗癌，靶向杀艾滋等，而且这些解析出来的蛋白被合成，并在临床应用上有巨大的优势，甚至能让人类与艾滋和癌症永别，那么这个诺奖我相信就比较稳了。 施一公教授在natureE的系列成果发表本身是一种非常高级的技术员工作，是结构生物学里面顶级的technician工作，而不是scientist的工作。基于冷冻电镜基础上的结构解定工作并不是诺贝尔奖要表彰的工作方向。本身冷冻电镜的技术革新也与他无关，施教授的工作只做结构并没有在此基础上去做机理和调控，这个工作性质决定了不论发多少nature都有可能，但不是诺奖成果。（节选自某乎@Lydia Yang的回答，侵删） 施一公的工作是不停地对不同的蛋白做结构解析，对于一个被认为比较重要的蛋白，只要得到它的结构就几乎肯定可以发一篇CNS，文章是发了不少。其工作大概流程是这样：①蛋白表达纯化；②准备电镜Sample; ③做电镜；④处理数据；⑤发文章。 蛋白解析只是研究工作的第一步，后面的工作还很漫长很具挑战性，专注于一个蛋白或者同一个家族的蛋白，搞清楚这些蛋白发挥功能的机理…这些工作将耗费一个科学家毕生的精力。施一公显然是没往后后再走的。（节选自某乎匿名回答，侵删） 所以，施一公教授多少有点借冷冻电镜科研投机的意思，非诺奖水准。 2017年诺奖化学奖颁发给了冷冻电镜的研发者。这其实说明诺奖的特点，第一是虽然近年来有给屠呦呦等医药研发颁奖的案例，但绝大多数仍然是在最基础的科研领域。第二是获奖研究应该是对整个科学发展或者具有方向性指引、或者在起到指导的同时，还能提供强大的方法支持。小RNA干扰技术这种成果获奖就是这方面最好的说明，如今冷冻电镜获奖也是诺奖这一特点的注脚。 但这个逻辑仍然是有待澄清的。上面说了，获奖研究应该是对整个科学发展或者具有方向性指引、或者起到颠覆性的支持作用。从这个角度讲，发表多篇CNS(Cell、Nature、Science)论文的施一公的研究，并不必然被诺奖“淘汰出局“，因为科学的进步是环环相嵌的。冷冻电镜促进了蛋白质结构的解析研究，但突破性的、经典的蛋白质结构的解析研究，有可能为我们认识生命世界的其他研究提供重要的指南，为新的研究方向开启大门。所以以冷冻电镜拿奖来否定施一公蛋白质结构解析研究获得诺奖的可能性，这本身是不成立的。 当然，这么说并不是说蛋白质结构的解析研究、甚至是施一公本人及其团队的研究就一定有可能拿诺奖。如上所述，是否能拿奖，还要看这些研究是否为人类正在进行的和未来的科学 探索 提供了方向性指引。有一点可以肯定，CNS发表本身，并不是拿诺奖的保证，甚至不一定是必要条件。 我认为中国能拿诺奖的解析结构的是清华大学的杨茂君教授，施一公和颜宁做的都是什么火做什么，打一枪换一个地方的科研，工作没有系统性，而杨茂君的工作系统的把电子传递链整个全部解析明白了而且推翻了存在了几十年生化课本上的理论，并且根据他解析出的结构可以设计各种靶向药物，毕竟电子传递链太重要了 其实这个问题要从很多个角度来分析，因为冷冻电镜刚刚获得诺贝尔的奖项，所以，在一定的时间范围之内，如果没有特别突出的科学贡献，应该不大可能在同一个领域，进行进一步的延伸。大家也都知道，目前科学研究百花齐放，每一个领域其实都有非常大的突破，所以在某种程度上，诺贝尔奖项其实有很多候选人，他们都有实力问鼎。每一次的诺贝尔奖，也其实是在众多有着杰出贡献的人当中进行一个选择，而更多的是对整个领域的一个嘉奖，不单单是针对个人，而且是有很好几个人一起将这个领域发扬光大，所以以整个领域作为奖励，也更符合诺贝尔奖的性质。 所以回到问题本身，毫无疑问施一公具有非常大的贡献，尤其是他在顶尖杂志上发表了很多有影响力的文章，为中国的科研走向世界，并且在国际上获得声誉，立下了汗马功劳。不过诺贝尔奖的得奖性质其实更偏向于基础研究，当然也有一些例外，那么必须是实用性非常强的领域，而在基础科研领域，这一次给的是冷冻电镜，而施一公利用冷冻电镜，进行了很多著名的结构解析，他是一个利用者，而并非发明者，只有当利用取得了非常大的成就，产生了极其重大的突破，比如在疾病的治愈方面，有着显著的疗效，那么得奖的可能性会大大提升。 仅就目前而言，或者在近一段时期，显然不大会有比较明显的突破，那么我们会保留这个意见，觉得可能性不太高，但是经过一段时期，如果产生了更重大的成果，那么获得诺贝尔还是比较具有可能的。 我自己也是从事生物科研的。诺奖是颁发给那些开创性的研究的。也就是说你做出来的东西在若干年以後成为了千万人的饭碗和工具，开创了一个先河。比如说 PCR 技术，现在哪个实验室都用。但当初第一个想到的人就是了不起。施一公的团队由於不是发明电镜，所以不会由於电镜本身获奖。但如果是通过这个工具获得了对生物学前所未有的重要发现，则也有可能。 有个毛的可能，给你组一台冷冻电镜，再给钱帮你挖点人才，你组做的也不会比他差多少。他那就是个平台之上的民工水平，跟大部分博士博士后的创新能力比都差一大截。经常上电视的，拿成果，拿奖的，不见得就是真牛逼，那是外行不动，容易被媒体鼓吹而已。真牛逼的往往大家都见不到，踏踏实实搞大业务。 施一公的工作没有诺奖级别的吧？ 水水nature,science还行，诺奖应该还有很大的距离 完全不可能拿，现在结构热随便解些重要蛋白的结构都是cns，这些工作是很重要，但不是突破性的进展，之前测基因组热，烧钱进去就行现在测基因组的也越来越低了，很久以前蛋白质组很热。。。。。。都是一阵风潮，其实也没多大贡献，冷冻电镜，晶体衍射这些是贡献，后面的工作其实经费到位，并且有意愿谁都可以做 施一公终生获得不了诺贝尔奖，为什么呢？就像咱们上学的时候，用显微镜看片子！发明显微镜才能得诺贝奖，看片子的几乎不可能！
世界三大顶级科学杂志，中国大学发表论文数目排名 ＜细胞＞、＜自然＞、＜科学＞(以下简称CNS)是举世公认的三大顶级科学杂志．全球科学家无不梦寐以求能在其中一个杂志上发表论文，因为代表了世界科学研究成果的最高水准。因此，CNS论文数目也成为国际大学科研实力排名的最重要因素。 据统计，中国大陆至今以老板身份发过两篇以上CNS论文的,总共才二十六人，这二十六人无疑是中国大陆科技界最顶尖的精英人物。其中在CNS三大顶级杂志都以老板身份发过论文的有十人,全部滞留在美国；在CNS中两个杂志以老板身份发过论文的共有十六人,五人在国内。可叹的是，号称代表中国最高学术水平的中国两院院士只有神经研究所的郭爱克院士一人进入这前二十六人名单（中国的两院院士竟没有一个有三篇的,其他院士绝大多数是一篇都没有,少数有一篇,远赶不上这26奇人）, 发表论文篇数国内排名最高的是并非两院院士的著名生物学家西北大学舒德干教授。 中国大陆至2006年在CNS发表论文数目最多的大学和科研机构分别是：1、西北大学（5篇）；2、中国科学院基因组研究所（3篇）；3、中国科学院生物物理所（2篇）、复旦大学（2篇）；4、清华大学（1篇）、北京大学（1篇）、中国科学院生化细胞所（1篇）、中国科学院神经所（1篇）和南方基因研究中心（1篇）。这样的结果也大大出人意料——西北大学作为地处内陆西安的地方重点大学，科研实力竟然远远超过复旦、清华、北大这样的沿海发达地区部属大学，确实令人刮目相看。
单项选择题：cbdcccabc科学小论文写作 随着能源的减少，人们逐渐变得重视节能了。在我还上小学时就教育我们节能的观念，只为了我们人类能在地球永远的生活下去。在现实生活中，人们仍不清楚怎样节能，让节能只是一个说的到，却不能全做的到的事情，往往还因缺乏科学的节约常识和“小窍门”,造成不必要的浪费现象。现在我来就介绍家庭的节电。 电饭煲节电小窍门 现在市面上的电饭煲分为两种：一种是机械电饭煲，另外一种是电脑电饭煲。使用机械电饭煲时，电饭煲上盖一条毛巾，注意不要遮住出气孔，这样可以减少热量损失。当米汤沸腾后，将按键抬起利用电热盘的余热将米汤蒸干，再摁下按键，焖15分钟即可食用。电饭煲用完后，一定要拔下电源插头，不然电饭煲内温度下降到 70度以下时，会自动通电，这样既费电又会缩短使用寿命。尽量选择功率大的电饭煲，因为煮同量的米饭，700瓦的电饭煲比500瓦的电饭煲要省时间。电脑电饭煲一般功率较大，在800瓦左右，从而节能，但价格稍贵，一般都在500元至800元之间。 电视机节电小窍门 电视机节能可以通过如下几条途径：首先控制好对比度和亮度。一般彩色电视机最亮与最暗时的功耗能相差3O瓦至50瓦，建议室内开一盏低瓦数的日光灯，把电视对比度和亮度调到中间为最佳。其次控制音量，音量大，功耗高。第三个省电的办法是观看影碟时，最好在AV状态下。因为在AV状态下，信号是直接接入的，减少了电视高频头工作，耗电自然就减少了。第四是看完电视后，不能用遥控器关机，要关掉电视机上的电源。因为遥控关机后，电视机仍处在整机待用状态，还在用电。一般情况下，待机10小时，相当于消耗半度电。最后是给电视机加防尘罩。这样可防止电视机吸进灰尘，灰尘多了增加电耗。 空调节电小窍门 1.空调使用过程中温度不能调得过低。因为空调所控制的温度调得越低，所耗的电量就越多，故一般把室内温度降低6至7度就行了。 2.制冷时室温定高1度，制热时室温定低2度，均可省电10％以上，而人体几乎觉察不到这微小的差别。 3.设定开机时，设置高冷／高热，以最快达到控制目的；当温度适宜时，改中、低风、减少能耗，降低噪音。 4.“通风”开关不能处于常开状态，否则将增加耗电量。 5.少开门窗可以减少房外热量进入，利于省电。 6.使用空调器的房间，最好使用厚质地的窗帘，以减少凉空气散失。 7.室内、外机连接管不超过推荐长度，可增强制冷效果。 8.安装空调器要尽量选择房间的阴面，避免阳光直射机身。如不具备这种条件，应给空调器加盖遮阳罩。 9.定期清除室外散热片上的灰尘，保持清洁。散热片上的灰尘过多，可大幅度增加耗电量。 冰箱节电小窍门 目前市场上出现的A＋＋级节能冰箱比普通的冰箱要省电。家庭用的节能冰箱一般消耗0.5?0.8度电／天，而普通冰箱一般耗电1?1.5度电／天，大约可以省一半电。另外，使用冰箱的过程中，应注意以下问题： 1.冷藏物品不要放得太密，留下空隙利于冷空气循环，这样食物降温的速度比较快，减少压缩机的运转次数，节约电能。 2.在冰箱里放进新鲜果菜时，一定要把它们摊开。如果果菜堆在一起，会造成外冷内热，就会消耗更多的电量。 3.对于那些块头较大的食物，可根据家庭每次食用的份量分开包装，一次只取出一次食用的量，而不必把一大块食物都从冰箱里取出来，用不完再放回去。反复冷冻既浪费电力，又容易对食物产生破坏。 4.解冻的方法有水冲、自然解冻等几种。在食用前几小时，可以先把食物从冷藏室（4度左右）里拿到微冻室（1度左右）里，因为冷冻食品的冷气可以帮助保持温度，减少压缩机的运转，从而达到省电目的。 冰箱的摆放也有讲究，一般应该注意以下两个问题： 1.在摆放冰箱时，一般应在两侧预留5?10厘米、上方10厘米、后侧10厘米的空间，可以帮助冰箱散热。 2.不要与音响、电视、微波炉等电器放在一起，这些电器产生的热量会增加冰箱的耗电量。 节能是很重要的，人都应该用这些小窍门，不应该因嫌麻烦就不去做这些事。这些事对谁都有极大的好处的，仅仅需要举手之劳而已。有关部门也应该加大节能力度，多多宣传。让人类都节约这并不是永远都有的能源!为造福我们的后代而努力吧
1.聂宏赵军一类非线性不确定时滞系统的混杂状态反馈H∞鲁棒控制. 控制理论与应用, 2005 (EI收录).2.聂宏赵军线性不确定时滞系统混杂反馈H∞鲁棒镇定. 控制与决策, 2004 (EI收录).3. Jun Zhao, Hong Nie. Sufficient Conditions for Input-to-State Stability of Switched Systems. 自动化学报(英文版), 2003 (EI收录).4.聂宏赵军一类不确定切换组合系统的分散H∞鲁棒镇定. 自动化学报, 2004 (EI收录).5.聂宏赵军一类线性切换系统具有H∞性能指标的二次稳定. 控制理论与应用, 2004 (EI收录).
近两年，废电池对环境的影响成为国内媒体热门话题之一。有的报道称电池对环境污染很严重，一节电池可以污染数十万立方米的水。有的甚至说废电池随生活垃圾处理可以引起诸如日本水俣病之类的危害，这些报道在社会上引起了很大反响，有很多热爱环保的人士和团体开展或参加了回收废电池的活动。 然而，国家环保总局有关人士却认为，废电池不用集中回收，以前有关废电池危害环境的报道缺乏科学依据，在某种程度上对群众造成了误导。那么，废电池怎样处理才科学呢?本文拟就此问题作以简要介绍，以期帮助大家更科学地认识废电池处理问题，更好的保护我们的环境。 废电池里面到底有哪些污染物 清华大学环境科学与工程系的博士生导师聂永丰教授，带领课题组专门对废电池的危害和处理做过研究。他介绍说，近年来关于废旧电池给环境带来危害的报道的确很多，但是遗憾的是，这些报道未向读者或观众说明支持其结论的科研内容，没有向读者介绍其分析推理过程，也没有列举因干电池造成污染的实际案例，只有“污染严重”的结论。 废电池中含有哪些有害物质，这些物质通过什么样的机理释放到环境中，会对环境造成多大程度的损害，国内外有无废干电池引起严重污染的案例，发达国家是怎样解决这个问题的?带着疑问，课题组作了全面深入的调查，得出的结论与一些新闻报道相去甚远，这些报道确有不切合实际和偏激之处。 聂教授介绍说，电池产品可分一次干电池(普通干电池)、二次干电池(可充电电池，主要用于移动电话、计算机)、铅酸蓄电池(主要用于汽车)三大类。用量最大、群众最关心，报道最多的是普通干电池。下面所说的电池均指普通干电池。 电池主要含铁、锌、锰等，此外还含有微量的汞，汞是有毒的。有报道笼统地说，电池含有汞、镉、铅、砷等物质，这是不准确的。事实上，群众日常使用的普通干电池生产过程中不需添加镉、铅、砷等物质。 废电池中的汞没有对环境构成威胁 汞的挥发温度低，是一种毒性较大的重金属。很多地方的土壤中也含有微量的汞，在汞矿开采、提炼、含汞产品加工过程中，如密闭措施不够完备，释放到空气中的汞(蒸气)对操作人员的健康影响很大。 电池中虽然含有汞，但由于是添加剂，其含量很少。即便是高汞电池，含汞量一般也在电池重量的千分之一以内。我国电池行业全年的用汞量，大体上与一个汞法聚氯乙烯，或汞法炼金，或高汞铅锌矿采选的企业年排放废水中的含汞量相当。由于电池消费区域大，含汞废电池进入生活垃圾处理系统以后，对环境的影响比前述一个化工企业排放含汞废水所造成的影响要小得多，况且电池使用了不锈钢或碳钢做外包皮，有效地防止了汞的外漏。因而废电池分散丢弃在生活垃圾中，其危害微乎其微，在客观上不可能造成水俣病之类的危害。日本的水俣病是化工企业几十年向一条河流排放大量含汞废水，下游水系中汞逐渐累积造成的。
日前，科学家们发现了一颗类似于木星的新行星，这使得科学家们有理由相信，在广袤的宇宙中存在着另外一个与太阳系惊人相似的银河星系，并且也极有可能存在着另外的“地球”。 此次新发现的行星位于离地球90光年的船座星群处，围绕自己的太阳——HD70642公转着，公转周期大约是6年。据悉，行星与所环绕的“太阳”之间的距离不能够太近，而且运 行轨道越接近圆形越稳定。新行星正符合了这样的特点，它与HD70642的距离适中，同时其运转轨道非常接近圆形，因此其运转惊人地稳定。而在人们以前发现的100多颗银河系行星中，大部分的行星都与“太阳”距离过近，而且通常运行轨道是椭圆。这让科学家们相信，跟我们人类的太阳系一样，在宇宙中遥远的地方存在第二个太阳系，可能其中还存在着其他的固体行星，甚至还可能存在可以衍生生命的第二个“地球”。 回答者：cl88abc - 秀才 二级 5-23 21:54一、超越传统工业科技 人类有别于其它动物的特征之一，就是人类能创造和使用工具，还能用特殊的文字符号去解释自然。就是说，人类比其它动物更具有一种科技能力。借助这种能力，人类才能创造出大自然中本不存在的东西――人类文明。 科技在不断演化，人类文明也在不断演化。一万年前，在人口资源的压力下，人类由渔猎采集文明向传统农耕文明转型。传统农耕文明经历过两个阶段，第一个阶段是青铜时代，中国的商朝和西周王朝属青铜时代。第二个阶段是黑铁时代，春秋战国时期属黑铁时代。随着铁冶炼和铸造技术的普及，传统的意识形态和社会制度因适应不了新生产力的要求而开始崩溃。直到秦王朝于公元前221年统一中国，一个“铁农具+小农经济+君主官僚制+儒道法意识形态”的中华文明得以成型。农耕文明一万年以来虽有各种自然灾害和战争，但人类总的来说是稳定和安全的，因为当时的科技主流顺应了自然法则。传统的农耕文明对自然资源的利用能力是有限的，对大自然具有很强的依赖性，他们敬畏自然。中国四千年前的夏朝，规定春天不准砍伐树木，夏天不准捕鱼，不准捕杀幼兽和获取鸟蛋；三千年前的周朝，根据气候节令，严格规定了打猎、捕鸟、捕鱼、砍伐树木、烧荒的时间；二千年前的秦朝，禁止春天采集刚刚发芽的植物，禁止捕捉幼小的野兽，禁止毒杀鱼鳖。中国历朝历代，皆有对环境保护的明确法规与禁令。中国历代农民，都知道“取之于地用之于地”的道理，从土地上生产出来的桔杆，消费食物后的粪便，都作为农家肥再还到土地，保持了土地能量的循环使用，中国耕地经几千年而不退化。农民砍伐山林薪柴，也是控制在有限的范围内，使村庄周围的燃料能永续利用。中国人口的膨胀也带来了周期性战争，而周期性的战争又将人口压缩回到自然资源的边界之内。世上任何科技系统，都应该限定在一定的资源范围内，支撑起特定的人口和文明形态。中国传统农耕文明的科技，从来没超出人力畜力和铁制农具的范围。人们自觉地根据耕地、山林草泽和水的资源总量，来安排自己的生产和生活。由于形成了一整套独特的、自我调节的、可持续利用的生存智慧，中华民族和中华文明因此延绵至今。 西方近代以牛顿力学、纺纱机、蒸气机为代表的科技革命，使人类脱离农耕文明，迅速奔向了传统工业文明。与传统农耕文明相比，传统工业文明通过全新的科技手段开发了更多的矿产资源，集约化地利用了更多的土地和森林，带来了人类财富和人口总量的膨胀，形成了一个以扩大物质消费为根本导向的社会。仅上世纪100年来所消耗的能源总量就远远超过人类几千年消耗量的总和。传统工业文明大量开发、大量生产、大量消费、大量排污的生产和生活方式无限扩散，终于将全球性的生态危机逼了出来。人类终于深切感受到地球资源和环境的有限。所谓的现代化进程，就是将自然资源转化成可用财富的进程，所谓的现代化社会，就是人均资源消耗高、排污量大的社会。由于人口增加，由于物欲横流，由于工商业的发展需要，人均资源消耗量直线上升。以水为例，公元前每人每天耗水12升，中世纪约20至40升，18世纪增加到60升，而现在，发达国家的人均每天耗水量达500-600升。据有关材料统计，工业化国家每创造100美元的收入，约需要300公斤的自然资源，人均每年需要45000-85000公斤自然资源。中国如果要达到工业化国家的人均消耗水平，比如13亿中国人都将自行车换成汽车，那就不是2003年每天消耗546万桶石油的水平，而要变成每天消耗8100万桶，远远超过世界目前石油消耗总量，地球上有这么多资源供我们消耗吗？我们有能力对因此而产生的大量污染物进行无害化处理吗？ 近年来中国经济的高速增长，是因为全面承袭了西方传统工业的发展模式，更是因为中国对本土能源的过度消耗。从1990年到2001年10年间，中国石油消费量增长100%（从1.18亿吨到2.35亿吨），天然气增长92%（从114亿立方米到277亿立方米），钢增长143%（从0.67亿吨到1.63亿吨），铜增长189%（从72. 9万吨到211万吨），铝增长380%（从72.4万吨到354.5万吨）、锌增长311%（从36.9万吨到152.3万吨）、十种有色金属增长276%（从217万吨到816万吨）。人们在为我国经济高速增长而兴奋的同时，往往会忘记这些成绩背后的资源消耗、垃圾成堆、环境污染和生态破坏。世界上的一切成功都是有成本的。有人算过，按目前的科技水平，中国的现代化需要有12个地球的资源来支撑。如果只有一个地球，我们也得把地球全部吃空才能现代化。道理再清楚不过，中国本来就人多地少，资源稀缺，而传统过时的工业科技却又偏偏指向了稀缺性和污染性资源，这种科技具有不可持续性。谁继续走传统工业文明之路，谁就走上了不可持续的发展之路。因此，我们必须探索新的、可持续的生态科技之路。 二、走向新的生态科技