近日，东南大学脑科学与智能技术研究院在神经元自动追踪算法基准测试与性能预测方面取得重要研究进展。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

近日，我校健康科学研究所科研团队在各自研究领域取得多项科研成果。

项目背景：目前国产小麦“质差量不足、品质不稳定、 种植效益低”问题突出，特别是亩产效益低下，农户种植积 极性不高。由于我国过去科研和生产上长期追求高产，缺乏 对优质小麦新品种及其产业的系统研究，国内市场出现了优 质小麦进口数量逐年增多的现象，普通小麦价格疲靡，而优 质小麦却价格紧俏，供不应求。因此，亟需小麦品质改良、 稳产增效和产业协同攻关与突破，满足市场不同的需求，提 高企业经济效益。本项目计划以特色优质小麦为技术核心， 建立示范基地 50 亩，通过科研、生产和企业紧密结合，根 据市场需求选择优质小麦新品种、建立节本高效配套栽培技 术，构建“定单”式种加融合模式，实现加养融合增值增效， 助力实现西海岸新区打造全国强筋、中强筋小麦的“品种优 质化、种植区域化、销售定单化”种植先行区，从根本上解 决国产优质小麦“质量较差，指标不稳，数量不足”的问题， 扭转优质小麦依赖大量进口的被动局面。 所需技术需求简要描述：1.联合选育或引进特色高产优 质小麦新品种（系）。联合选育或引进推广具有广阔市场前 景的营养健康、优质高效小麦新品种（系），通过建立核心 示范区并大面积辐射推广种植。2.研发新品种水肥一体化技 术，配套适宜于不同肥水条件和地力水平的绿色高效、高产 优质特色小麦栽培技术，达到节本增效、绿色丰产,保障粮食安全。3.创新小麦全产业链提质增效机制。建立起种子为 芯片、龙头企业为核心、产学研一体化的特色小麦全产业链 融合升级协同机制，开发特色优质小麦高附加值新产品，助 力健康中国和乡村振兴战略。  对技术提供方的要求:1.项目所用优质小麦新品种及技 术为自主培育和研发。2.提供集成肥水高效，水肥一体化栽 培技术和绿色高优种植技术的品种环境协同调控方案。3.构 建特色专用小麦高效耕作制度，并建立技术标准，创建国内 特色优质小麦节本增效生产新途径。 

该项目2016年获得湖北省科技进步一等奖。由于乙酰甲喹和喹烯酮尚未确定每日允许摄入量(ADI)、残留标识物(MR)和靶组织(TT)，未能制订最高残留限量(MRLs)和休药期(WP)，喹乙醇仅有猪肌肉暂定MR及MRL，这三种药物一直没有科学的食品安全标准和风险管控技术，消费者健康受到威胁。 该项目主要创新如下： 1、针对代谢资料缺乏、无MR等问题，在猪、鸡和鲤开展放射示踪研究，鉴定出代谢物33种，发现残留物20种，阐明了代谢机制、残留消除规律及种属差异，确定了MR及TT，为有害残留的风险评估与管控提供了翔实、科学的基础数据。 2、针对毒理资料缺乏、无MRLs等问题，开展全面、系统、深入的毒理和暴露评估研究，揭示药物的毒性和毒作用特点，阐明量-效、时-效关系，确定了ADI，制订MRLs 18个、休药期6个，为有害残留的风险管控与交流提供了理论依据。 3、针对缺乏新型、高效检测技术的问题，自主研制残留物的标准品17种，建立定量/确证分析方法9种，发明快速检测的核心试剂22种，创制基于抗体的高效检测试剂盒6个，为有害残留的风险管控提供了技术支撑。 发现的代谢物和残留物，自主研制的标准品、检测方法及其标准，发明的快速检测核心试剂及试剂盒，填补了国内外空白，提升了兽医兽药科技的自主创新能力。喹乙醇新MR的发现改正了国际食品法典委员会以往推荐的错误标准。 成果完成时间：2012年

近日，华东师大精密光谱科学与技术国家重点实验室袁翔课题组在三维拓扑绝缘体HfTe5中观测到一维外尔费米子。

能源与环境问题是目前人类面临的两个重大危机，也是科研工作者关注的重点领域。钙钛矿太阳能电池以其独特的物理性质、醒目的光电转化效率和良好的工业应用前景等特点，被认为是一种拥有巨大解决能源问题潜力的光伏器件。但其电池效率衰减(稳定性)等问题是其走向工业化应用急待解决的课题。现行钙钛矿电池比较普遍使用的空穴传输材料是一种比较昂贵的螺二芴结构化合物(spiro-OMeTAD)，需要通过掺杂锂盐以提高电池的性能，但这同时加剧了钙钛矿电池的不稳定性。所以一直以来研究人员希望寻找更加廉价和稳定的空穴传输材料来替代传统材料。 酞菁铜是一种具有优异光电特性的廉价小分子半导体材料。但其有机溶解性比较差，不利于廉价液相工艺规模制备光电器件。许宗祥课题组从分子设计层面出发，开发八甲基取代的酞菁铜并制备纳米材料，通过酞菁纳米材料与廉价商业化的高分子材料聚噻吩复合，开发出了具备更高载流子迁移速率及环境稳定性的空穴传输材料，实现溶液法制备出光电转换效率为16.61%的钙钛矿太阳能电池，效率高于传统商业化的螺二芴结构化合物(spiro-OMeTAD)。同时器件的稳定性大幅度提高。

山东大学晶体材料国家重点实验室陶绪堂教授团队通过自主设计的“微爆炸法”获得了无氧化MXene-Ti3C2Tx量子点，首次提出可将此类二维结构钛基晶体材料用于肿瘤治疗，并与刘宏教授团队合作发现其具有较强的类芬顿反应特性，在抗肿瘤实验中效果显著，从而实现了更高效、更安全的纳米催化治疗方式。相关结果以“Nonoxidized MXene Quantum Dots Prepared by Microexplosion Method for Cancer Catalytic Therapy”为题，发表在材料类权威期刊Advanced Functional Materials（IF=15.621）上，陶绪堂教授和刘宏教授为通讯作者，晶体所博士研究生李雪松和刘锋为共同第一作者，山东大学为独立完成单位。 对于肿瘤治疗，传统的化学、物理疗法都存在严重的副作用，限制了其在实际临床治疗中的应用。最近，基于特殊的肿瘤微环境，利用肿瘤内部催化反应的纳米催化治疗成为前沿且备受关注。其中，研究最为广泛的铁基纳米催化剂可特异性响应肿瘤的弱酸性细胞微环境，释放Fe2+并引发芬顿反应，产生•OH自由基以触发细胞凋亡，从而抑制肿瘤。然而，在弱酸性肿瘤环境中，Fe2+催化的芬顿反应速率较低，导致•OH自由基形成缓慢。此外，众多抗肿瘤复合纳米制剂的潜在毒性值得关注。因此，寻找更高催化活性和更安全的纳米制剂是人们一直追求的目标。晶体材料国家重点实验室陶绪堂教授团队与刘宏教授团队合作发现所制备的钛基无氧化MXene-Ti3C2Tx量子点具有较强的类芬顿反应特性，其对正常细胞和组织器官均表现良好的生物相容性，并对宫颈癌和乳腺癌均有强烈的杀伤能力，体现出优异的抗肿瘤效果。这种以钛基类芬顿反应为基础的肿瘤治疗方式潜力巨大，为实现肿瘤的高效、精准治疗提供了一条新的探索途径。