该机选用手扶拖拉机为配套动力，动力消耗小，便于在丘陵山 地行应用。综合采用可调升降机架以及挖掘深度调控技术和浮动式振动抖土技 术，有效提高挖掘深度稳定性和薯土分离效果。配套动力 8.8kW；收获幅宽 700mm； 生产率为 0.10 hm2/h； 损失率≤5.0 %；伤薯率≤5.0 %。与国内外同类机具相 比具有挖掘深度调节方便、作业稳定、薯土分离效果好等优点。该机已有青岛 市洪珠农业机械有限公司组织批量生产，在四川、贵州、山东、内蒙古等地广 泛推广应用。 产品研发显著提高了我国马铃薯的机械化水平，提高了相关生产企业的经 济收益和市场竞争力。项目产品，按每年生产 8000 台马铃薯收获机，售价按 3500 元/台计，每套成本 2500 左右，则生产企业年新增产值 2800 万元，可实现利税青岛农业大学科技成果介绍 2017 －65－ 800 万元，同时采用机械化作业后，还将大幅度提高劳动生产率、降低损失、缩 短耕、种、收时间，有利于劳动力向二三产业转移，增加农民收入。通过项目 实施可以有效提升西南、中南地区农业机械化水平。 

本发明公开了一种芳氧羧酸及其衍生物在控制作物害虫中的应用，从而保护植物免受害虫危害或使植物作为诱虫植物而控制害虫危害，本发明将芳氧羧酸及其衍生物应用于植物体，从而导致靶标植物对鳞翅目害虫产生系统性的直接抗性、对半翅目害虫产生系统性的敏感性，但同时又提高植物对两类害虫的间接抗性。

针对喷杆振动造成的喷雾不均匀等问题，基于压电智能结构，利用动力学理论、混沌优化技术、提出基于自抗扰的超高地隙自走式喷雾机柔性喷杆结构振动主动控制方案，进而达到高秆作物的高效安全农药施用控制。振动抑制下降 15dB，施药准确性提高 50%。

近年来，随着我国工农业生产的迅速发展，我国土壤环境中的重金属（尤其镉和铅）污染日益严重。传统的重金属污染土壤治理存在着以下缺点:(1)成本高;(2)破坏土壤生态环境;(3)可能造成二次污染。因此，一般很难在面积大、程度轻的污染土壤修复治理中实际推广应用。 本成果筛选和培育排异和低积累土壤镉等有害元素的农作物品种，提供了一种在重金属中、轻程度土壤进行农业安全生产的技术方法，是一种成本低、操作简单、对土壤干扰小，原位绿色和安全高效的技术途径，利用本方法可以达到边安全生产边修复土壤污染之目

（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。

本技术成果为一种分子体积计算方法及两分子的形状比较方法，旨在解决现有技术计算分子体积时间 较长、精度不高的问题。本技术成果通过使用高斯函数来表达一个分子中的各个原子的体积，同时给予每 个高斯函数一个权重因子（该因子与原子所处的环境相关），不仅降低了分子的三维形状定量比较的计算 复杂度，更提高了计算精度。

2020年1月31日，中山大学医学院郭旭舜团队在bioRxiv 在线发表题为“Molecular ModelingEvaluation of the Binding Abilities of Ritonavir and Lopinavir to WuhanPneumonia Coronavirus Proteases”的研究成果，该研究通过同源模建，构建了武汉新型冠状病毒两种蛋白酶--冠状病毒内肽酶C30和类木瓜蛋白酶的结构模型，并将利托那韦和洛比那韦分别与蛋白酶模型对接。在所有的拟合模型中，利托那韦与冠状病毒内肽酶C30的结合最优。并且也发现相对于木瓜蛋白酶，利托那韦和洛比那韦与冠状病毒内肽酶C30结合更优。根据这些结果，研究人员认为克力芝对武汉肺炎的治疗作用可能主要是由于利托那韦对冠状病毒内肽酶C30的抑制作用。 研究人员推测克力芝对武汉新型肺炎等冠状病毒病的治疗作用可能主要是由于利托那韦对CEP_C30的抑制作用，这提示接下来对于新型冠状病毒的药学研究应集中于发现CEP_C30的催化机制，以及利托那韦如何阻断这一过程之上。

近年来，食品安全、环境污染、大规模传染性疾病等威胁到人类身体健康和生命安全的问题频发，社会各界高度关注。应对这些影响人类健康和生命安全的社会公共问题，发展快速高灵敏的检测技术显得尤为重要。我们研究组长期从事生物芯片检测技术研究，可以在直径为3~5英寸基片上生长出均匀的纳米基底，适于大规模生产，其表面增强拉曼光谱（SERS）的增强因子高达十的九次方。生产出的基片重复度高，可用于生化分子检测快捷（检测时间小于1分钟）。几年来，我们开发出了一系列不同的基底和检测平台，并将其用于病毒、病菌、毒素和药物等的检测，取得了多项美国专利，可弥补国内生物检测芯片发展缓慢的不足

邓宏魁研究团队开创性地建立了化学小分子诱导细胞重编程的新体系，提供了细胞命运调控的新手段，突破了功能细胞制备的关键瓶颈，为再生医学治疗重大疾病开辟了新的理想途径，是我国在该领域前沿的标志性重大成果。

中试阶段/n高导电高分子点胶是一种具有电磁屏蔽功能、使用时可在施工部位就地成型的一类电磁密封材料。在成型前呈膏状，成型时通过在需要电磁密封部位挤压成所需要的形状，在常温下自动固化，形成弹性体衬垫。具有高电性能而达到电磁屏蔽的目的。该材料最大的优点是可将这种半流体状材料，按照客户指定的尺寸和形状要求，直接点涂到电子装置部件，在室温下成型成衬垫，消除了使用传统衬垫时裁切成型及装配工序，从而大大节省装配时间和制造成本，产品无污染。主要用于电子产品。技术指标：体积电阻率＜0.08Ω?cm；绍A硬度：45-7