一、项目分类 显著效益成果转化 二、成果简介 主要针对密码算法的FPGA实现和加速优化。其特征在于，系统通过软硬件协同实现不同认证机制，系统包括硬件认证模块和软件功能模块。利用FPGA的可编程逻辑电路部分实现认证机制算法的硬件加速。 集成电路中差分对管的失调电压或者带隙电压会随着温度和电源电压的变化而产生漂移，从而恶化前台校正的结果。经过理论分析、模拟仿真和实际电路测试，我们发现这种由温度和电源电压变化而引起的失调漂移呈现一定的线性特征，可以用线性内插或者反馈的方式对失调漂移进行校正，从而无需传统的后台校正电路，具有校正电路简单、对比较器正常工作无干扰、精度高等优点。

技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，

技术分析(创新性、先进性、独占性) 开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。

本项目折流湿地滤池+侧向潜流湿地床污水处理系统设计了全新的厌氧竖向 折流湿地和兼（好）氧侧向潜流湿地组合。其解决的关键技术体现在：湿地系统 中合理设置了自然复氧区、湿地床深度和内回流系统（在高浓度进水和低温时启 动），突破了现有人工湿地技术氧传递能力低的局限，达到系统内溶解氧的科学 分布，供氧效率是现有人工湿地的约4倍，显著提升了侧向潜流湿地床的溶解氧 水平；在无能耗下大幅提升了湿地系统内的微生物作用强度，极大地提高了氮及 有机物的去除效率；优化了湿地流态，提高了水力效率，解决了现有技术池容利 用率低的缺陷。

近日，东南大学化学化工学院青年教师陈旭漫博士在国际顶级期刊《Angewandte Chemie（德国应用化学）》上发表题为“Efficient Near-Infrared Emissive Artificial Supramolecular Light-Harvesting System for Imaging in Golgi Apparatus”的学术论文。 光捕获过程作为将自然光进行捕获、能量转化并利用的步骤，是植物光合作用中第一个也是十分重要的过程。构筑人工光捕获体系对于光能的利用具有重要意义，但目前构筑具有高效人工光捕获体系仍存在很大挑战。 东南大学研究团队利用“杯芳烃诱导聚集”策略，设计合成两亲磺化杯芳烃和阳离子型萘基吡啶衍生物作为荧光给体在水溶液中自组装，并引入尼罗蓝作为荧光受体分子，成功构筑了近红外发射的超分子人工光捕获体系。 通过进一步研究，团队发现该体系在细胞内依然保持很高的光捕获效率和高度稳定性，同时证明了其对高尔基体染色的选择性。该研究对于人工超分子光捕获体系传感、成像、诊断等方面的研究有着重要的推动作用。论文第一作者为东南大学化学化工学院青年教师陈旭漫，东南大学为第一通讯单位。

Web挖掘技术属于信息科学领域，涉及自然语言处理、模式识别、知识工程、机器学习和随机过程等多个研究领域，并需要使用概率统计、矩阵理论以及其他软计算方法作为研究工具和手段。本项目主要针对Web挖掘中的Web数据模型、文本分类和信息检索等基本问题进行理论和算法上的研究，并就这些问题提出了潜在语义结构模型、基于投影寻踪的中文网页分类算法和基于Markov网络的信息检索等模型。同时，在理论上对这些方法进行了深入的研究和探讨，从理论上证明了其正确性。在实验方面，我们将分类模型应用于大规模的标准测试文档集（REUTER-21578语料库、复旦大学中文文本分类语料库），进行了大量的实验，结果表明这些方法均表现出了较好的性能，接近甚至优于SVM和KNN的分类效果，并应用检索模型在标准测试文档集（CACM、CISI、CRAN、MED）上进行了多次对比实验，其性能与BM25相当在某些指标上甚至更优。另外，课题组在北大天网测试文档集上应用上述模型，在近几年的全国搜索引擎和网上信息挖掘学术研讨会（SEWM）的中文WEB信息检索评测中均取得了优异的成绩。

项目背景：近年来，我国自动售货机蓬勃发展的最佳时 期已经到来，从零售行业的视角来看，随着线上流量红利的 衰退，线下流量的价值越来越突出，但线下门店业态也面临 着高昂的人力成本和租金成本压力。而智能化升级引入自动 售货机，通过网络实现移动支付功能以及货物管理功能，使 得自动售货机运营效率得以提升，业务模式上也有了无限的 想象空间。随着移动支付的兴起，国内自动售货机市场近几 年可谓遍地开花，发展迅猛。近些年自动售货机行业一直朝 着低成本、多功能、更便利、售货广的方向发现。所以一款 造价低、性能稳定，运营简单，购物便利，售卖商品范围广 阔的机器越来越受到运营商的青睐。目前智能视觉柜采用静 态识别系统将非常好的满足上述条件，将来的发展潜力巨 大。目前消费者扫码后开门，取走商品后，关门，通过录制 取走商品的视频进行解析消费者取走的什么商品，从后进行 自动结算流程。核心技术是视觉识别，能通过人工智能 AI 进行识别商品类别及数量。 所需技术需求简要描述：扫码开门，采集视频或图片， 关门后通过算法自动识别消费者购买的商品明细，目前算法 准确度只有 90%，尚需突破。希望能基于视频、图像等媒体 资源，针对工厂质检、智能识别商品明细、智能补货统计等 场景，提供整体 AI 算法解决方案，全面提升智能售货机开 门取货自动识别商品的准确率达到 100%，带来更便捷的购物体验。  对技术提供方的要求:1.具有成功的自动化控制实施案 例，承担过国家重点研发计划项目。2.熟悉产品结构设计， 熟悉产品信息化、自动化设计。3.具有工学博士学位或高级 工程师职称，技术方案成熟可靠稳定有创新思维，不涉及知 识产权侵犯。 

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

成果介绍针对采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法，可应用于整车的BMS软件算法设计。搭建的软硬件平台可应用于BMS算法测试。技术创新点及参数(1)采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法；(2)在观测过程中模型参数可实时更新，算法满足李雅普诺夫方程，估计计算时可保证收敛；(3)更好的动态特性与电池充放电周期整体估计精度，且在电流信号有噪声时仍有较好的估计精度；(4)基于STM32芯片主控，AD7280芯片采集数据，μC/OS-III系统完成了控制系统软硬件设计。台架实验表明，系统信号采集精度良好，性能实现成功；(5)采用OCV法对Ah法进行纠正，获得新的综合SOC估算值，针对性地设计了初值确定方法，得到改良的SOC估计算法。*明该算法能在整个电池恒流放电过程中稳定估算SOC；(6)为考虑电池工作过程中的产热，对传统的SOC估算方法，引入温度约束，建立改良的SOP估计算法。*明该算法能很好地考虑电池温度对SOP估测影响而提升估算精度；(7)采用STM32F103芯片主控，AD7280A芯片采集信息，μC/OS-III系统建立了BMS软硬件系统，并进行了实车试验。结果表明改良后的估计算法精度良好可靠，所设计BMS具备出色的控制性能。市场前景本项目的涉及的算法设计及软硬件架构，可以采用成果授权、成果转让或者技术服务的形式与汽车零部件供应商产生合作。