成果介绍超材料(Metamaterial),或其二维形式—超表面(Metasurface)由具有亚波长尺寸的人工原子周期或者非周期地排列而成,其描述方式可分为等效媒质和空间编码两种形式。由等效媒质描述的超材料(或超表面)我们称之为新型人工电磁媒质,由空间编码描述的超材料(超表面)我们称之为编码超材料(超表面)和数字超材料(超表面)。对于新型人工电磁媒质,人们通过自由设计单元结构、单元排列方式、以及单元各向异性,可以根据意愿控制等效媒质的媒质参数,实现自然界中不存在或者很难实现的介电常数和/或磁导率,进而控制电磁波。本成果对于新型人工电磁媒质对电磁波的调控作用,例如隐身衣、电磁黑洞、雷达幻觉器件、远场超分辨率成像透镜、新型透镜天线、隐身表面、极化转换器、人工表面等离激元器件及混合集成电路等。技术创新点及参数对于编码和数字超材料(超表面),我们提出基于空间编码调控电磁波的新思路。其中,一比特编码超材料选用相位差接近180度的两种基本单元(记为0单元和1单元),按照一定规律排列0和1单元构成超材料,以实现所需的设计功能。当电磁编码采用FPGA控制时,可实现现场可编程超材料,即单一的超材料在FPGA的实时控制下可实现多种功能(例如单波束、多波束、波束扫描、隐身功能等)。市场前景本成果获得国家自然科学二等奖。该项目突破传统模拟超材料的等效媒质表征方法，创造性地提出用 0 和 1 表征的数字超材料，建了数字编码和现场可编程超材料新体系；在国际上率先从微波传输线的角度研究人工 SPP 超材料，提出一种性能优越的超薄、可共形 SPP 传输线，开辟了基于 SPP 模式的微波领域新分支，实现了超材料研究从跟跑、并跑变成走在世界前列的跨越。

本发明提供了一种油菜硼高效基因BnA3NIP5；1Q的转座子插入片段TEQ，涉及基因工程技术领域，所述转座子插入片段TEQ的核苷酸序列如SEQ ID No.1所示。本发明所述的转座子插入片段TEQ来源于油菜硼高效基因的BnA3NIP5；1Q启动子，全长1415bp，通过确定油菜中是否具有该转座子插入片段TEQ可快速有效的鉴别油菜是否具有抗低硼胁迫性能，加快具有高硼利用率的油菜育种速度。

创新性地将三维超声-超声单模态影像融合实时导航用于引导实施计划，充分发挥了超声实时动态及 术中操作便利性的优势。创新性地采用CT/MR 与三维超声造影融合成像精准评估肝癌消融效果，包括消融 安全边界（对肿瘤周围正常组织的必要扩大消融）

 NCCN指南推荐“高危”局限性肾癌术后可以通过辅助靶向治疗减少复发率，但临床中使用临床病理指标认定的“高危”亚群中有约50%的患者术后不出现复发，不必接受昂贵的辅助靶向治疗。为弥补临床病理指标的不足，更准确地识别真正的“高危”患者，减少不必要的辅助靶向治疗，本研究首先从TCGA数据库白种人局限性肾癌90万个SNP位点中筛选出44个与术后复发密切相关的SNP位点。然后通过对227例训练组患者的44个SNP位点检测，发现6个位点与黄种人局限性肾癌复发密切相关。将这6个SNP位点组合成预测模型进一步在中山大学组(217例)、国内多中心组（410例）和TCGA组（441例）验证表明，该预测模型是局限性肾癌术后复发的独立影响因子。该模型与临床病理指标相结合可以进一步提高预测准确度，更精准地识别复发高危患者。该杂志同时刊登了国际著名泌尿外科专家、美国德州大学西南医学中心Yair Lotan教授和Vitaly Margulis教授的述评，指出该分子预测模型对局限性肾癌术后个体化诊疗决策的制定具有重要作用，避免“一刀切”的治疗方案导致临床上的过度治疗或者治疗不足。

本发明公开了一种基于曲率驱动的编织型颅内介入装置的虚拟释放方法，涉及医疗器械介入仿真技术领域，所述方法包括以下步骤：步骤1、对编织型颅内介入装置进行应变能分析，确定假设条件；步骤2、建立编织型颅内介入装置的初始构型参数化表示；步骤3、输入动脉瘤壁的参数，得到最终构型；步骤4、建立平均曲率和高斯曲率表示的能量泛函；步骤5、能量泛函最小化的求解；步骤6、计算应力和应变。本发明基于编织丝线的力学特性和编织形介入装置的几何构型，能够在数十秒内完成装置变形和应力应变的计算，快速且精准地模拟装置在不同临床情境下的力学行为，对于优化装置设计和提升临床治疗效果具有重要意义。

本发明公开了一种可扩展的套管型微流控芯片的制备方法，包括以下步骤：S1：将与通道尺寸匹配的预置物放入PDMS预聚物中，加热聚合PDMS，裁成PDMS块；S2：将预置物移除，留出放置通道的管槽，管槽具有两个管口；S3：使用倒角打磨后的点胶针筒，在PDMS块垂直于管槽的方向上开通孔；S4：将PDMS块开孔的两面分别与基底和顶层键合，其中顶层预置有加样孔；S5：从管槽的一个管口插入内径均匀的毛细玻璃管，从管槽的另一个管口插入预拉尖的毛细玻璃管，完成单级套管型微流控芯片的制作；S6：复用所述毛细玻璃管，重复步骤S5，形成多级套管结构。本发明有效降低了套管型微流控芯片制作的操作难度和经济成本。

传统的电灯泡和日光灯管或节能灯管由玻璃制造，且没有保护层，所以属于易碎物。其破碎的后果是伤人或汞蒸汽吸入人体或破坏环境。 此技术通过在电灯泡或灯管外面涂一薄层可屏蔽电磁波的透明弹性材料，不但可有效屏蔽电磁波，还可以防止电灯泡或灯管破碎。而且，即使产生了破碎，也不会破坏高强度的塑料涂层，故灯管中的汞也不会外泄到环境大气中，从而对环境和人体起到了有效的保护。

研究团队基于cGAMP设计制备了一种肺部仿生纳米颗粒（PS-GAMP）来模拟流感病毒肺部感染，发现其能够在不破坏肺部表面活性剂（PS）和肺泡上皮屏障（AEC）的情况下，激活AMs和AECs，促进疫苗产生高效的体液和CD8+ T细胞保护性免疫反应，以抵抗多种异型流感病毒的攻击。研究结果提示AECs在产生广泛的交叉保护以抵御各种流感病毒方面具有十分重要的作用，表明PS-GAMP可能是一种“通用”流感疫苗的潜在粘膜佐剂。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。