结合遗传学和生物化学的方法，证明Serine/Threonine Kinase（丝氨酸／苏氨酸激酶）PINOID（PID）直接与COP1进行相互作用并针对其第20位丝氨酸残基进行磷酸化修饰。这一翻译后的修饰导致了COP1活性的适度降低，从而维持了植物体内COP1活性处于一个正常稳定的状态，以适应植物生长过程中所遇到的多变的生长环境和确保植物顺利的进行光形态建成过程。该项研究揭示了一个光调控植物幼苗形态建成的一个重要分子机制，为进一步理解光调控植物生长发育信号通路具有重要意义并为通过基因工程技术改良作物种子的出土效率提供了理论基础。

ZSM-5 分子筛在国内外已有广泛的用途，是石油化工、精细化工等行业多种催化剂的母体。柴油临氢降凝催化剂，固定床催化裂化催化剂和低烃烷基化、异构化，甲醇气相合成二甲醚以及脱腊降凝催化剂都是以ZSM-5分子筛为母体经过改性制成的。在流动床催化裂化反应FCC 催化剂添加 ZSM-5 分子筛对提高汽油辛烷值，增加气体的烯烃含量有明显效果。 采用新型高压水热晶化合成法制备的硅铝分子筛ZSM-5，具有工艺简单、无污染、质量稳定、水热稳定性高等优点。

本项目拟通过建立复合纳滤膜多层结构的协同设计方法，丰富复合纳滤膜制备的理论基础，提升纳滤膜的分离性能，形成一批具有自主知识产权的高性能纳滤膜制备技术，并实现规模化生产，促进纳滤膜分离技术的广泛应用。

其技术核心是通过黄籽主效基因的导入,鉴定出哪些甘蓝型 油菜黑籽材料中有作用较大的黄籽微效基因，然后通过聚合育种,将这些有利的微效多基因聚集到一个材料 中，这样的黄籽材料集中了白菜型（芥菜型）油菜中的黄籽主效基因和多个甘蓝型油菜中的不同位点的黄籽 微效多基因，使材料中种皮色素合成基本受阻，环境影响作用变小，从而创造出遗传稳定的甘蓝型油菜黄籽 材料。

本发明公开了一种基于遗传算法的含铰结构非线性参数识别方法，包括用一种非线性模型来描述含铰结构中铰链的非线性特性，建立铰链结构的动力学模型，得到含铰结构的Ｍ、Ｋ、Ｃ方程；将含铰结构的Ｍ、Ｋ、Ｃ方程转化为非线性的代数方程组；利用数值分析中的Ｎｅｗｔｏｎ迭代法对得到的代数方程组进行求解，得到含铰结构的频响数据；根据求解的频响数据与试验获得的频响数据构建目标函数，通过Ｍａｔｌａｂ中的ＧＡ遗传算法进行全局化搜索，最终识别出最优的非线性参数值。本发明的含铰结构非线性参数的识别方法，可以识别含铰结构的非线性特性，克服了传统方法需要提供经验初值及只能保证局部最优的局限性。

在2020年抗击COVID-19疫情斗争中，北京航空航天大学经济管理学院王惠文教授及团队结合2003年所做非典疫情的状态评估和预测建模研究基础，密切关注在疫情防控中存在的问题。自1月23日起，通过各种渠道相继提交了20多个信息和提案，例如：加强对密切接触者实行隔离筛查、避免新冠肺炎疫情在医院内扩散、关注医务人员的轮岗休整、加强对全国各地区疫情监控与预警工作，等等。团队收集和分析了COVID-19的公报数据，采用统计分析方法对新冠肺炎疫情的传播规律进行了预测与分析，对全国（除湖北）各地区的抗疫阶段做出判断和预测，提出了疫情防控全过程的阶段划分方法，并提交了7篇研究报告。王惠文教授接受《中国经济时报》专访，发表文章《各地应分期分批有序恢复社会经济活动》，并被《今日头条》等网络媒体转载；民建市委网站头版刊登了她的文章《COVID-19疫情发展的状态评估与预测分析》，并报道了《数据会说话：王惠文：疫情发展的状态评估与预测研究》；民建中央网站也专题报道了《北京会员王惠文：用数据打赢疫情防控战》。

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。

南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），