马化腾与中国知名科学家联手发起“科学探索奖”

腾讯基金会宣布投入10亿元资助“科学探索奖”,每年评选50名45岁以下青年科技工作者,每人连续5年获60万奖金,旨在激励科学探索。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

640?wx_fmt=jpeg

来源:腾讯


今日,公布一件大事情:


腾讯基金会将投入10亿元人民币的启动资金资助“科学探索奖”,每年将在基础科学和前沿核心技术方面的九大领域,遴选出50名青年科技工作者。


获奖人年龄上限为45岁,且每位获奖者将连续5年、每年获得60万元人民币的资金,主要是期望能够激励一代又一代青年人投入到科学探索之中。


什么是“科学探索奖”


“科学探索奖”由腾讯公司董事会主席兼首席执行官,腾讯基金会发起人马化腾,与北京大学教授饶毅,携手杨振宁、毛淑德、何华武、邬贺铨、李培根、陈十一、张益唐、施一公、高文、谢克昌、程泰宁、谢晓亮、潘建伟等科学家共同发起设立。


同时,徐匡迪、王志珍、徐冠华、潘云鹤、许智宏等在海内外享有盛誉的科学家将作为顾问,为“科学探索奖”未来的各项运作提供指导。


最重要的是,“科学探索奖”的奖项奖励经费将采用企业投入、公益运作的方式,不求商业回报,并将长期运营下去。同时还会持续举办各类围绕“科学探索奖”的活动,助力搭建青年科技工作者的交叉学科交流平台。


腾讯公司董事会主席兼首席执行官,腾讯基金会发起人马化腾表示:


今年是腾讯公司成立二十周年,又恰逢改革开放四十周年。腾讯作为一家成长在改革开放最前沿地区的互联网领军企业,理应肩负起社会责任,为科技进步做出应有的贡献。


腾讯基金会出资支持众多科学家倡导设立的“科学探索奖”,希望能为国家基础科学研究以及前沿核心技术探索人才的激励提供一种补充。


“科学探索奖”发起人、北京大学饶毅教授表示:


尖端的科学,前沿的技术,对于我们中国未来的发展至关重要,我们需要有自己原创的发现。只有我们自己原创的发明,才能引领我们中国往更深更高发展,因此要特别重视支持青年科技工作者。


希望这个奖项对青年科技工作者探索基础科学和前沿核心技术是“雪中送炭”式的激励,为他们未来在中国做出杰出的成果,进行非常强有力的支持。


目前,“科学探索奖”各项筹备工作正在紧张进行中。2019年1月将正式启动奖项提名和报名,第一批获奖科学家名单将于2019年7月对外公布。


详情可查看下图↓


640?wx_fmt=jpeg



未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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