近日，西安建筑科技大学宋战平教授团队传来好消息：他们研发出一🤗款“新型恒阻吸能锚杆”，专门破解隧道施工相关“卡脖子”问题，🤯相关成果还登上了国际隧道工程顶刊。 提到隧道施工，“高😁地应力软岩”绝对是工程师们的“老大难”——这种地质条件下的隧🚀道特别容易发生大变形，传统支护要么扛不住、要么直接失效，不仅😍耽误工期，还可能引发安全事故，堪称地下工程的“世界性难题”。🙄 “恒阻吸能锚杆”是什么？其实它的本事特别好理解：普通😂锚杆遇到隧道变形，稍微撑一撑就“罢工”了，而这款新锚杆堪称“😊变形界的扛把子”——经过室内试验和数值模拟验证，充分验证了该👏新型锚杆的卓越性能：其最大变形量可达0.5米，相较于现有常规😁锚杆，变形能力实现了质的飞跃，能够有效吸收和耗散围岩变形能量🤗，为应对软岩隧道可能出现的“米级”大变形挑战提供了坚实的技术⭐保障。 这项研究团队以西安建大为第一完成单位，青年教师🤩张玉伟是论文第一作者，宋战平教授是通讯作者，从理论研究到技术🥳落地，实打实啃下了硬骨头。为了让技术真正能用在工地上，他们联👏手中铁二十五局，把这款新锚杆拿到高地应力富水大变形隧道里做现💯场试验——结果完全超出预期，不仅适配性强，还特别可靠。凭借这😀项技术形成的“高地应力富水大变形隧道施工关键技术”项目，还一🌟举拿下了2024年度中国铁建股份科技进步一等奖，得到国家级的🤔技术认可。 目前，该团队正聚焦深化现场应用验证，推进“😍隧道大变形控制成套技术体系”，建设，助力国家交通基建，将来更❤️有望在更复杂的地下工程投入使用。记者获悉，团队还把这项“中国😜技术”带出了国——自2010年走出国门，参与中塔公路乔尔马扎🤔克隧道的技术服务工作以来，团队已先后为塔吉克斯坦、吉尔吉斯斯😢坦、阿富汗、黑山、斯里兰卡、格鲁吉亚、乌兹别克斯坦、赤道几内😉亚、沙特阿拉伯等“一带一路”共建国家的重大交通基础设施建设项😊目提供了关键技术支持与服务。他们将中国隧道工程的先进标准、创🌟新技术与丰富经验带出国门，在解决当地工程难题、提升建设水平的😅同时，也为中国技术、中国标准的国际化推广与应用贡献了重要力量👏。 西安报业全媒体记者 任娜返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多