北京市华云分析仪器研究所有限公司成立于1992年10月，当年取得北京市高新技术产业开发区新技术企业资格认证，并于2003年12月通过ISO9001（2000）国际质量管理体系认证，是具有多项自主知识产权、集技工贸为一体的高新技术企业。 本公司是从事红外线气体分析仪的科研开发、生产制造的专业公司。本公司生产制造的红外线气体分析仪分便携式和在线式，有GXH、9000和HY三个系列几十个产品。广泛应用于疾病预防控制中心、卫生局卫生监督所、海关和出入境检验检疫局；广泛应用于环境保护监测站、安全生产监督局、室内空气质量检测中心；广泛应用于高等院校、科研院所以及石油、化工、煤炭、冶金、电力、环保、农业和军工等各行业，受到广大顾客的一致好评！ 本公司顾客中包括中国疾病预防控制中心、江苏省疾病预防控制中心、北京市疾病预防控制中心；中国环境科学研究院、国家环保总局华南环科所、中国安全生产科学研究院、中国辐射防护研究院、北京市理化分析测试中心；清华大学、北京大学、中国科学技术大学；中科院广州能源所、中科院南京土壤所、中国林科院北京林研所、中国农科院杭州茶叶所、浙江医科院卫生所、辽宁省职防院、中国船舶重工集团公司718所等。 本公司根据广大顾客的实际需要，于2007年下半年推出了可自动调零、可显示mg/m3、具有数据存储功能、配有RS232接口和软件的便携式红外线CO分析仪和CO2分析仪；在此基础上，针对环境监测部门的最新需要，本公司于2009年下半年推出了可24小时连续测量、可显示日均值、具有断电自动恢复功能的便携式红外线CO分析仪和CO2分析仪。 北京市华云分析仪器研究所有限公司，具有雄厚的科研和生产能力。我们将始终如一地坚持“以实力证实自己的价值、以质量赢得市场的选择”，给广大顾客提供“优秀的质量、合理的价格、良好的服务”！ 

金融科技实验室的建设，基于金融科技课程开设及实验任务目标，将依托虚拟仿真技术、云计算及大数据等应用场景技术，构建一个统一的数据教学服务中心，集金融教学、实验、评价、学习、资源、科研于一体的综合性金融平台。教学中心以科技金融投资业务为核心研究，聚合区块链金融应用、投资银行、量化投资交易、智能投顾、Python与金融分析等相关实验系统与课程，深度融合相关课程与系统，构建智慧金融实验教育生态。校企合作层面：打包金融企业培训、研讨会议交流、师资培训、行业课题承接、金融资质认证考试等内容，扩大科技金融实验基地的社会效益。 实验室建设深度融合人工智能、大数据、区块链金融等创新技术，教学深度融合信息化，建设各类信息化教学资源，搭建资源共享平台。实验室建设，将引入区块链金融、大数据金融、投资银行等实践教学内容与环境，创新金融专业课程体系，为学生提供前沿金融资讯，提供技术应用实践平台。  

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

机器视觉智能检测与定位技术用机器视觉取代人类视觉，为传统装备增加视觉判断与智能定位功能，可实现“无人车间”的智能检测与机械手的准确定位，实现装备智能化，解放劳动力。 该技术由太原科技大学数字媒体与通信研究所独立研发、具有独立知识产权，硬件成本低于国内外同类产品。 该技术从准确性、精度、速度、硬件成本等指标上处于国际先进水平，可实现生产线装备的实时在线智能检测与定位，检测准确度97%以上，精度0.3mm以下，定位精度可达0.01mm以下。 该技术拥有中国发明专利18项，软件知识产权5项。 2015年以来，先后应用在上海地铁隧道灾害监测、沈阳公路隧道检测、西安铁路高铁桥墩裂缝检测、爱旭太阳能义乌生产线的硅片崩边缺角及隐裂检测、通威太阳能成都、合肥生产线的硅片碎检及隐裂检测，河北电力的绝缘子检测。

2020年2月15日，同济大学牵头建设的上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关团队研发的第一套疫情防控智能识别系统（Tongji NCP-AIS），在同济大学四平路校区大门口开始试运行，可快速识别人流中个体感染者的风险。 科研团队利用人工智能、大数据、人脸识别、温度识别、动作识别等技术，可实现人脸识别、心率监测、呼吸监检测、门禁联动、门禁数据智能更新、咳嗽检测和语音播报，让人工智能技术在疫情防控期间发挥更大的作用，减轻学校相关管理人员的工作，实现疫情期间高效的校园安全管理。系统针对大规模人群，可以自动发现体温不正常个体，实现拍照和跟踪，以及提醒功能。

上海交通大学电子信息与电气工程学院俞凯教授联合苏州思必驰信息科技有限公司开发了“疫情防控机器人”。依托语音识别、合成、理解和对话管理等人工智能（AI）技术，结合新研发的疫情排查对话逻辑和话术，机器人根据设定向社区居民主动宣教疫情防控知识，遇不适居民还会提醒就医。 2020年1月27日起，“疫情防控机器人”供社区和有关部门免费使用，已为江苏、山东、重庆、湖北、北京、浙江、四川、湖南、上海等多地提供服务，对话机器人自动接通10余万户，访问结果直接生成数据报表供社区。

中医理论和临证经验是通过传承、实践以及创新而形成的具有特色的知识体系，包含在中医辨证施治过程之和医案之中。中医医案蕴含着丰富的临证经验、诊疗技能、技巧和诀窍，医案包含的结构与关系非常复杂很难用计算机来分析处理。在多年工作积累的基础上，经过“十五”国家科技攻关计划 “基于信息挖掘技术的名老中医临床诊疗经验及传承方法研究”课题的深化，我们提出了基于语义网络的中医知识获取技术，并开发了中医医案管理与智能分析系统。系统以中医理论知识为基础，利用人工智能、中医自然语言理解技术，提供多种方法与工具对临床医案进行多层次解析和挖掘，以获取医案中隐含的诊疗知识和临证经验。系统以中医基础理论为知识源，通过对中医专家的医案进行实例化，提取医案中的诊疗规律和临证经验，医案分析结果可以用语义网络、表格以及可视化的形式展现出来。 系统包括领域知识建模、Ontology的形式化与存储、信息资源语义描述与存储、语义分析等多个组件。通过这些组件的有机结合，知识工程师可以利用领域本体中的词汇来描述WORD文档、文本文档等多种形式的信息资源；用户可以浏览领域知识树查找相关医案，查看领域本体中的概念描述，并通过语义查询接口进行语义查询。将相关技术集成开发完成了中医智能信息处理系统，系统主要实现了以下功能：①医案管理：对医案进行存储、检索、删除、修改。②文本预处理：对文本进行分词、标注、抽取特征词和特征词的标准化。③知识管理：对本体知识库进行标准化存储、更新和检索。④知识获取：对医案进行实例化映射，建立语义网络，获取中医知识。⑤数据挖掘：对医案进行常规的数据挖掘。⑥数据可视化：把知识模型以可视化的形式展现出来。本系统可用于国家中医药管理局、医疗机构等行业。

本项目产业化的市场定位为需要长时间、远航程可进行水下目标侦测及定位的单位。Robo Shark智能仿生深海潜航器采用鲨鱼为原型，以三关节仿生尾鳍取代无刷推进器，有效降低设备运行噪声的同时节省了能量消耗。设备外壳采用吸音材料制成，可以提高设备的隐蔽性。通过重力舱吸排水实现设备的上浮下潜，控制更为灵活，具有定点悬停、定深巡游等多种智能运动功能，最大下潜深度可达1000 m。 此潜航器的主要特点： 1.节能高效：采用仿生+滑翔作为动力源，利用反卡门涡街的驱动原理，仿生推进效率高达80%； 2.隐蔽环保：模拟鲨鱼的外形与游动方式，隐蔽性强，对环境扰动小，不会伤害水下生物； 3.安全可靠：采用整体开放，局部密封的设计， 配备六方向避障传感器，具有低电量返航、失联返航等功能； 4.载荷扩展：可搭载声、光、电、磁传感器，满足水下通信、水下定位和水下探测等需求。

四川大学青岛研究院家电绿色智能涂装工程技术创新中心经过多年的潜心基础研究，并针对家电、木器涂料及金属防腐涂料进行了三年多的应用研究后推出了创新性的无溶剂涂料体系。该无溶剂涂料体系彻底解决了溶剂型涂料的VOC排放问题、水性涂料性能较差和施工复杂及成本高等行业发展的“卡脖子”问题。 该类无溶剂涂料的典型特点如下： 1）固化有效物含量近100%。涂料在生产和施工过程中VOCs排放极低，无需VOCs处理装置。 2）涂层性能优异。涂膜铅笔硬度不低于2H，抗划伤性、抗冲性、耐污性、通透性、光泽和丰满度好；耐水、耐候、耐溶剂及化学品性极好；耐高温及高低温循环性好；金属防腐性能好。 3）基材适应性好。在金属、塑料、木材、玻璃、陶瓷、聚合物基复合材料、混凝土等表面附着力优异。 4）粘度低、施工性好。可喷涂、辊涂、淋涂、刷涂、擦涂和拉涂（渔具等的特有涂装方式）；可室温固化、可高温快速固化（120℃×15min），对涂装施工环境的温湿度依耐性低，可在冬天0℃及夏天高温高湿环境施工及固化。 5）涂装产品环保。除涂料生产和涂装施工环境“无味儿”，无溶剂木器涂料在涂装时不会产生有机溶剂（稀释剂）被木材（特别是纤维板及低密度木材）吸收造成家具在使用过程中形成不适气味的现象。因此，采用该类无溶剂木器涂料涂装的家具是绿色环保产品，将彻底告别家具“有味儿”的时代。 6）无闪锈风险。无溶剂金属防腐涂料由于体系中不含水，彻底解决了水性金属防腐涂料作为底涂时的闪锈及防腐性能差等问题。 7）涂装施工流程及时间短，施工成本低。由于该无溶剂涂料体系固化有效物近100%，涂料的填充和覆盖性极好，可单次厚涂，且固化速度快，因此涂装施工流程及时间短，施工成本低。 因此，该类无溶剂涂料将有效解决现有涂料的环保性能、涂层性能和施工性能，有效解决我国涂料和涂装过程一直以来未能解决的共性问题，具有很好的市场前景。 智能涂装系统 同时为了实现全产业链的贯通，打通全产业链的关键环节，利用川大优势，我们成立了智能涂装团队，智能涂装团队由北京东方昊为工业装备有限公司、东土科技、四川大学青岛研究院相关团队组成，主要从事表面处理涂装技术研发与产品生产，着力于涂装设备、智能设备、环保设备三条主线。团队拥有涂装项目中所涉及的所有专业的专家级技术人员，具有智能涂装及相关的自动化、信息化技术、环保设备、暖通空调等各个系统的研发、设计、制造能力，有非常强大的系统集成能力，可以提供总体解决方案。