可视化智慧校园是基于校园物理环境，以真实校园整体为蓝本，利用网络技术，完成校园的可视化孪生校园的搭建，实现校园多维度、跨平台的虚拟展示和呈现，是物理校园与虚拟校园的结合提供链接纽带，是智慧校园的重要基础组成部分。 智慧校园多维的孪生数字校园的建设，构建完整的虚拟孪生校园底座，提供面向校园各场景的孪生底座支撑。并在此基础上提供孪生微应用服务的可视化和孪生微管理场景应用的打造，支持服务与应用的扩展。通过全域数据感知，提供基于全域指挥中心态势感知，逐步推进高校孪生数据大脑建设完善。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

本项目提出采用常压流动气氛烧结制备Ce3+:YAG基荧光陶瓷的技术路线，大幅降低荧光陶瓷的制备成本，打通荧光陶瓷大规模商业化进程的一个最重要环节。 通过复相结构、气孔控制等手段提高出光效率。同时，为获得更高光色品质的透明晶态荧光体，正在积极研发Ce3+、Eu2+离子激活分子筛衍生物透明晶态荧光体，获得紫外激发下具有高效、高猝灭温度的绿、红发光新型荧光体。提升高流明密度固态光源的光品质。相比荧光单晶及荧光玻璃，荧光陶瓷在光品质调控上更具优势；制备成本低、易于实现批量生产；离子价态稳定，基质结构调控自由度大；显色指数、色温调制能力强；易于复杂形状制备，以提高出光效率或实现光场分布设计。

通过细胞生物学实验发现，在哺乳动物细胞系COS7细胞中同时过表达liprin-α和LAR-RPTP，可以改变LAR-RPTP在细胞膜上的分布状态，促进LAR-RPTP在细胞膜上形成集簇。这种受体蛋白的集簇化依赖于liprin-α和LAR-RPTP的相互作用。而liprin-α自身所具有的聚集能力能够强化LAR-RPTP的集簇化。这一发现显示lipr

深海混输关键装备研制—— 油气混输泵

通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

该项技术针对汽车底盘关键零部件，结合ADAMS、HyperWorks、FE-Fatigue等软件进行多平台联合动态仿真，获取其在多种工况下的载荷谱，通过灵敏度分析方法甄选出可优化对象，在保证整车性能的前提下，结合动载荷对其进行合理的拓扑优化，达到轻量化与可靠性兼顾的工程目标。  技术优势：（1）以理论分析和仿真代替经验设计，结果更具可靠性，适用范围更广。（2）研发周期短，研发经费少。  （3）同时兼顾车辆操纵稳定性，平顺性要求。  （4）节能减材。

该项技术针对汽车底盘关键零部件，结合了ADAMS、HyperWorks、FE-Fatigue等软件进行多平台联合动态仿真，获取其在多种工况下的载荷谱，通过灵敏度分析方法甄选出可优化对象，在保证其整车性能的前提下，结合载荷对其进行合理的拓扑优化，达到轻量化与可靠性兼顾的工程目标。1、技术优势：（1）以理论分析和仿真代替经验设计，结果更具可靠性，适用范围更广；（2）缩短研发周期，减少研发经费；（3）同时兼顾车辆操

该项技术针对机械产品铸造工艺的分析与改进，采用FLOW-3D或MagmaSoft软件进行铸件铸造过程中的充型、凝固过程进行数值模拟，分析其温度场、流场、压力场、氧化物含量、充填顺序以及缺陷分布等的变化情况，预测铸件的质量，掌握初期设计潜在的问题点，为初始设计阶段的模具设计、铸造工艺参数的制定与修改提供依据。