热议!颜宁当选2023年中科院院士

清华大学的颜宁教授在2023年科学院院士增选中成功当选,专注于跨膜蛋白研究,发表多篇顶级论文。她的成就包括多项国际奖项和学术职位,对生物科学有重大影响。

 Datawhale干货 

人物:颜宁,来源:材料学网

据透露,在2023年中科院院士增选中,颜宁教授成功当选院士!

付出总有回报,请您继续在生物学科发挥引领作用,取得更大突破!

943700c81cce67472d9725f9159f55f4.png

8月31日上午,中国科学院发布消息称,2023年中国科学院院士增选推荐工作已经结束。经第九届中国科学院学部主席团第十次会议审议,中国科学院党组审定后,中国科学院和中国工程院分别公布2023年院士增选有效候选人名单。其中,中国科学院院士增选有效候选人583人中国工程院院士增选有效候选人655人


6b2a27628ffcb126b93727cf9aec66ec.png

45岁的颜宁进入了这份名单(生命科学和医学学部),她的工作单位是清华大学、深圳医学科学院(筹),推荐人为隋森芳院士等人。

5826b5deb91af0bd4650efe069f444c6.png

96c8db77e4ddfd5976b92074b0eb86e7.jpeg
颜宁院士

颜宁到底有多强?

颜宁是著名结构生物学家,主要致力于跨膜运输蛋白的结构与机理研究,在国际上首次揭示人源葡萄糖转运蛋白、真核生物电压门控钠离子通道和钙离子通道等一系列具有重要生理与病理意义跨膜蛋白的原子分辨率结构,为理解相关疾病的致病机理及药物开发提供了分子基础。自2009年以来,颜宁作为通讯或者共同通讯作者发表学术研究论文近80篇,其中33篇发表于《细胞》、《自然》、《科学》

ecc83277ec3a10e708608f00517e6500.jpeg

颜宁院士

颜宁于2005年获得Science/AAAS和GE Healthcare“青年科学家奖”(北美地区);2012年获得美国HHMI首届国际青年科学家奖、“中国优秀青年女科学家奖”;2014年获何梁何利基金科学与技术进步奖;2015年获国际蛋白质学会青年科学家奖,赛克勒国际生物物理奖,并受聘长江讲座教授;2016年成为戈登学术会议首位来自中国内地的Cruickshank报告人;2017年5月,受聘美国普林斯顿大学分子生物学系Shirley M. Tilghman终身讲席教授;2018年获亚洲及大洋洲生物化学家和分子生物学家联盟(FAOBMB)“卓越研究奖”;2019年获得以色列魏斯曼研究所颁发的国际“女科学家奖”;2019年4月30日,当选美国科学院外籍院士,2021年4月22日,当选美国艺术与科学院外籍院士。2021年获得国际生物物理协会颁发的Anatrace膜蛋白研究奖。现任深圳医学科学院(筹)院长、深圳湾实验室主任。

56bb97dcec83939093145de12c1fbbdd.jpeg
隋森芳院士

推荐人隋森芳院士何许人也

隋森芳,1945年2月出生于黑龙江省哈尔滨市,生物物理学家,博士生导师,清华大学生物科学与技术系教授,西南交通大学双聘院士。中国科学院院士。担任国际学术杂志《Journal of Structural Biology》和《BBA Biomembranes》的编委,国内杂志《电子显微学报》编委及《生物物理学报》副主编,现为清华大学教授。1970年毕业于清华大学精密仪器系,1981年获该校工程物理系硕士学位,1988年在德国慕尼黑工业技术大学获博士学位。2009年当选中国科学院院士

ece4dbbffc32196c15a047f98394e083.jpeg
隋森芳院士

隋森芳长期从事蛋白质及生物膜的结构与功能的研究。

2023年3月15日,清华大学隋森芳,王宏伟及中国科学院生物物理研究所章新政共同通讯在Nature在线发表题为“In situ structure of the red algal phycobilisome–PSII–PSI–LHC megacomplex”的研究论文,该研究使用冷冻电子断层扫描和原位单粒子分析,在近原子分辨率上展示了来自红藻Porphyridium purpureum的PBS–PSII–PSI–LHC巨型配合物的原位结构,提供了PBS、PSII和PSI之间的相互作用细节。

2424259d5bb330b2d5ca37db90567f36.jpeg


这些结构揭示了几个未知的和不完整的蛋白质及其在巨型复合物组装中的作用,以及一个巨大而复杂的色素网络。这项工作为揭示PBS–PSII–PSI–LHC巨型复合物组装机制、PBS向两个光系统的高效能量转移以及PSII和PSI之间能量分配的调节提供了坚实的结构基础。

f1a1334adf93fb3ef21792e5770bce98.png

内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建:建读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建:建读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值