高级会计师 信息采集（注册会计师信息采集）

各位领导，针对职称评审信息采集工作部署展开以来收到的咨询情况，现就有关问题再次明确如下：1.佐证材料以单位盖章并注明与原件一致为准；2.评审表可只复印第一页，基本信息页和评委会盖章页；3.各层级职称均需采集（现为正高级，则需采集除通过我省职称信息系统评审通过获得电子证书外的其它初、中、高级职称信息）；4.佐证材料不齐全的尽量去找，评审表在档案中，资格文从获得职称时用人单位或当时上级主管单位或当时评委会工作机构找，实在找不到的先登记清楚，把能找齐佐证材料的先采集上报，其他的后续再统一解决采集问题；5.政工职称信息不采集；6.高校高教管理职称信息不采集；7.只要有职称的都采集，与在什么岗位没有关系。请周知

#最高检新闻发布会#【在支持特殊群体起诉过程中，检察机关可提供5项帮助】最高检第六检察厅三级高级检察官姜耀飞在回答记者提问时表示，在支持特殊群体起诉过程中，检察机关具体能提供的帮助有：①提供法律咨询。②协助收集证据。③提出支持起诉意见书。④协调提供法律援助。⑤出庭宣读支持起诉意见书。

横河电机株式会社宣布发布OpreXTM Asset Health Insights（资产健康洞察）。Asset Health Insights是OpreX资产管理和完整性系列的新成员，是一项基于云的工厂资产监控服务，可从分布式资产中收集、提炼和聚合运营技术（OT）数据。该服务提供与世界各地资产的实时连接，为组织提供运营资产的360度视图，从而简化资产管理任务，提高运营和业务效率。

Asset Health Insights由开箱即用的数据支持框架提供支持，该框架将通过实时监控资产的性能来改善其健康状况，并延长其生命周期，从而能够在事件发生之前预测并主动响应事件。该服务允许客户根据ISA-95标准中定义的工厂层次结构轻松建模和管理数据。Asset Health Insights由横河电机云提供支持，并配备人工智能（AI）-机器学习（ML）分析功能。

开发背景

随着工业4.0技术的采用速度不断加快，公司正在通过引入基于云的技术来改变资产管理的方式。这些技术可以从世界任何地方监控资产，并实时优化其性能。

由于客户对集成、远程、日益自主的操作的关注，横河电机开发了Asset Health Insights，以使数据更加可见、集成、可操作。它可用于多种目的，从依赖手动工作流的简化操作，到通过采用工业物联网系统、实施智能制造以及从本地转移到云等方式构建数字社会的更高级操作。这也将有助于实现从工业自动化到工业自主化（IA2IA）的过渡和智能制造。

通过Asset Health Insights，用户可以将孤立的资产数据整合到实时共享信息的统一模型中。这消除了对运行良好的设备进行昂贵维护的需要，提高效率并减少停机时间，使客户能够集中精力管理其资产。

1. 监控任何类型的资产

Asset Health Insights可以监控任何类型的资产，包括传感器、泵、冷却器、压缩机、涡轮机等。该服务将连接到新旧类型的传感器，包括用于压力、流量、温度和振动的传感器。

2. 将实时和/或历史资产数据与强大的AI/ML相结合

实时资产数据和AI/ML的结合有助于预测未来的事件，因此可以提前进行规划，以最大限度地减少不必要的维护。它还使用实时和历史基准数据来预测故障，并指出故障原因。 

3. 运营资产的360度视图

Asset Health Insights利用具有统一模型的孤立资产数据，实时共享信息，并检查每种资产和情况以用于多种用途，例如能源、资产性能和维护优化。通过直观的界面，仪表板可以显示任何资产的各种实时数据。

4. 轻松、灵活的部署和简单的设置

预建的集成模板和直观的仪表板可实现快速简单的设置，与基础架构无关。当与基于模块的业务模型相结合时，它可有助于加快开发速度、提高可扩展性，并更容易与企业应用程序集成。

主要目标市场：石油和天然气、石化、化工、钢铁、纸浆和造纸、电力和废水处理

应用：资产监控、资产性能管理、能源管理和数据支持

1953年3月，美国中情局长杜勒斯收到一情报。情报显示：志愿军83.6万，朝鲜兵力29万，志愿军在东、西海岸兵力超过30万。储备粮等物资充足，可坚持8个月。

这份情报正是美军潜伏在南韩的高级特工传回的。杜勒斯看后大惊，当即写信告诉了艾森豪威尔。不久后，中、美双方再一次坐在了和谈桌上，朝鲜战争宣告结束。

然而，41年后，随着美国解密了当年的那份情报，得知真相后，杜勒斯咬牙切齿地说：“见鬼，又上了志愿军的当！”

这究竟是怎么一回事呢？原来，这一切要从1952年7月说起。

这天凌晨，志愿军九兵团指挥部所在的万德山上空，出现了一架美国运输机，随后，一个人从空中飘落。空中的这一切，没有逃过巡逻战士的眼睛，来人刚落地没多久，就被志愿军战士团团包围。

他们将此人带进了审讯室，并通知了当时敌工部的部长丁公量。丁公量是一名经验丰富的情报工作者，入朝后，负责第九兵团的情报工作。

他收到消息后，第一时间赶到审讯室展开审讯。当时，来人坚称自己不是特务，而是一个平民百姓。丁公量冷笑道：“平民百姓能半夜坐飞机过来？快点老实交待。”

来人见无法糊弄，只得承认自己叫朴北时，是南韩的情报人员。此次任务是与张疯子接头，到时美军会派一个高级情报组过来。此时，朴北时不知道张疯子，几天前带人偷袭志愿军，被当场击毙。

听到这里，丁公量又问他，怎么与美军联系？朴北时却不愿再说了。丁公量见他不配合，只得让人搜身。这一搜，居然在他的身上搜出了一只信鸽，腿上还绑着一根管子。

到此时，朴北时只得告知他的全部任务。原来，管子里放着两种试剂，融合后会变成绿色，这表示着朴北时与张疯子成功接头，美军才会派高级情报组过来，收集志愿军情报。

丁公量当即将情况上报，九兵团决定来个将计就计。于是，他们放飞了鸽子，制造与张疯子成功接头的假象，并暗中加强海陆空的防视，等待美军高级情报组的到来。

9月27日凌晨，志愿军发现朝鲜东海岸鹰嘴山附近上空，投下了7个降落伞，他们当即报告丁公量。丁公量得知后，立刻带人前往搜捕。

没多久，他们在半山腰发现了一个人，还不等志愿军战士们上前，来人自动举手投降，并用汉语高喊：“别开枪，我叫孙宪，是来投降自首的。”

此后，孙宪又带着志愿军战士诱捕了他的两名同伴，以及伞降的电台等物资。经过审讯后，丁公量才知孙宪也是被迫成为美军特务的，他原是朝鲜元山的一名老师，因为懂汉语、英语、日语被送进了特务机关进行训练。

他一直想回家乡，这次被选派北方潜伏侦察，正好给了他机会。于是，他就选择了主动投降，此外还给丁公量提供了一些情报。丁公量听后，有了个大胆的想法，他对孙宪说：“美军想套我们的情报，我也想套他们的情报，你愿意配合我吗？”

孙宪听后，当即表示愿意配合。于是，在得到兵团同意后，丁公量迅速组成了一个三人小组，利用孙宪提供的美军发电密码、手法、习惯等方式，向联合国军发了电报，称已成功接头，潜伏下来，随时开展工作。

就这样，丁公量假冒美军高级情报小组，从联合国军那里获取了不少情报。此后，他还诱使联合国军投放了大量的物资。

到了1953年1月，丁公量收到联合国军传达的命令，要求侦察海浪里志愿军15军的动向，意图轰炸15军。此时，15军刚经历上甘岭战争，撤往海浪里休整。如果，联合国军对海浪里的15军进行轰炸，15军很可能遭受毁灭式打击。

丁公量思考后，一边给联合国军发报：已派人前往海浪里侦察，四天后回复消息；一边立刻联系15军，请他们紧急转移。在丁公量的提前示警下，15军安全撤离海浪里。

一段时间后，丁公量考虑到不能老是被联合国军牵着鼻子走，决定主动出击。在收集了大量的情报后，丁公量发现中、美双方的和谈虽陷入了僵局，但联合国军此时进退两难，他们不知道志愿军真正的兵力，不敢贸然行动。

可他们又不甘心输给武器装备落后于自己的中国。丁公量将此情报上报，经上级研究批准后，丁公量给联合国军发了份假的兵力情报。

也就有文中开始的那幕。杜勒斯从未怀疑过情报的真伪，一拿到情报就报给了总统艾森豪威尔。此后，这份情报传到了克拉克手中。

克拉克一看，心凉半截，志愿军还有这么多兵力，这还怎么打，于是，他选择认输。

就这样，中、美双方和谈得以继续，朝鲜战争宣告结束。直到1994年，美国解密了这份情报后，才得知这份情报竟出自志愿军之手。

在正面战场上，联合国军不敌志愿军，被打得士气低落，而在情报战场上，志愿军的一份假情报，致使联合国军丧失最后的一丝战斗力。

志愿军将士们凭借他们的英勇无畏，与敌人斗智斗勇，无数志愿军将士血洒疆场，才换得这场战争的胜利，换来和平。

华南师范大学团队提出感存算一体铁电光伏传感器网络

研究背景

机器视觉是一种赋予机器“看”和“认知”能力的技术，已广泛应用于日常生活中，如人脸识别、智能制造、医学影像诊断等。传统机器视觉系统通常由摄像头等传感器采集数据，再传输至处理器进行处理，数据在传感、内存和处理单元之间的反复搬运，导致高能耗和高延迟，难以满足无人驾驶等场景中海量视觉信息实时处理的需求。相比而言，人类的视觉系统不仅能够快速完成复杂的视觉认知，而且能耗极低。因此，类脑视觉的概念被提出并迅速成为研究热点。

类脑视觉系统采用了近感或感内计算架构(如图1)，大幅减少了功能单元间的数据搬运，从而显著提升了视觉信息处理的速度和能效。目前已有不少类脑视觉硬件实现方案被报道，其中可调谐光电传感器网络因结构简单、感存算一体而备受关注。它利用其结构单元(即可调谐光电传感器)的光响应度(即输出光电流与输入光功率的比值)表示突触权重，实现人工神经网络算法的内嵌，进而实现图像感知和原位处理(含识别、检测等高级处理功能)。目前构建可调谐光电传感器主要基于二维材料和忆阻材料，前者利用易失性栅控效应调控光响应度，但持续施加栅极电压导致额外的能耗，且需要额外的存储单元用于保存权重；而后者利用离子迁移调控光响应度，但该过程速度较慢，且存在弛豫问题。因此，研发基于新材料、新原理的高鲁棒性、高速、低能耗的可调谐光电传感器，进而构建感存算一体传感器网络，具有十分重要的意义。

图 1. (a)传统机器视觉和(b)新兴类脑视觉系统的示意图。类脑视觉系统使用的(c)近感和(d)感内计算架构。铁电光伏传感器网络使用感内计算架构。

论文摘要

近日，华南师范大学樊贞团队研制出感存算一体铁电光伏传感器网络，实现了零能耗图像感知与实时处理，为开发高鲁棒性、高速、低能耗的机器视觉系统提供了一条可行的技术路线。

主要成果

樊贞团队首先利用铁电Pb(Zr0.2Ti0.8)O3外延薄膜的大极化和受极化调控的光伏效应，构建了高质量铁电光伏传感器，实现了多级、非易失、正负对称可调的光电流(图2、3)。

然后将多个铁电光伏传感器组建成为感存算一体的人工神经网络电路，利用光响应度表示权重，证明了原位乘累加运算的可行性(图4)，实现了零能耗图像感知与实时处理的功能(图5、6)。

图2. 铁电光伏传感器的(a-c)结构、(d-f)极化翻转行为和(g-i)受极化调控的光伏响应。极化状态和光伏响应态呈现出一一对应关系。

图3. (a,b)通过脉冲设计实现极化和光响应度的连续调控。特别地，光响应度正负对称可调。(c,d)基于极化调控肖特基势垒的铁电光伏机制。

图4. 铁电光伏传感器网络的(a,b)电路结构及工作原理。(c-e)利用1×2网络证明乘累加运算的可行性。(f,g)利用2×2网络证明抗串扰性

图5. 利用1×9网络实现‘X’和‘T’图案的实时感知和分类，准确率为100%。

图6. 利用2×9网络实现箭头图形的实时感知和边缘检测，F-Measure值为1

研究亮点

(1) 铁电光伏传感器利用非易失极化调控光响应度(权重)，无需持续施加外电压维持权重，这既减少了能耗，也避免了使用额外的存储单元用于保存权重。

(2)铁电光伏传感器展示出正负对称可调的光响应度，因此仅需单个器件便可表示正、负权重，大幅减少了网络构建所需的器件开销。注：对于基于电导或光电导表示权重的突触器件，通常需要一对器件才能表示正、负权重。

(3)在极化状态一定的情况下，铁电光伏传感器的输出光电流与输入光功率之间保持线性关系(线性度>0.94)，因此光响应度基本不随输入光功率改变，保证了乘法运算的高准确性。

(4)铁电光伏传感器网络在推理过程中，每个器件均工作于短路条件下，即在外加电压为零时输出光电流，因此推理过程的能耗为零。此外，短路条件以及极大的暗场电阻使得未选中(即无光照)器件的电流贡献极小，很好地解决了网络结构中的串扰问题，保证了乘累加运算的高准确性。

(5)实验上证明了铁电光伏传感器网络的图像感知和实时处理功能，在二分类图像感知与识别任务中获得了高达100%的准确率，在自定义图像感知与边缘检测任务中获得了高达1的F-Measure。

(6)利用超快的光电流产生过程以及感存算一体架构，铁电光伏传感器网络能够实现超低延时。估算结果显示该网络感知并识别一张千万像素图像的延时仅为μs量级，相比于传统机器视觉系统提速上万倍。