|
搜索
搜 索
高等教育领域数字化综合服务平台
杀虫剂地亚农绿色生产工艺
项目简介： 二嗪磷即地亚农，是一种广谱、高效、中低毒有机磷杀虫杀螨剂， 还广泛应用于兽药和卫生用杀虫喷雾剂，是替代高毒杀虫剂的主要品 种之一。目前世界产量约 2-3 万吨/年，中国市场刚起步。 南开大学实现了原料异丁腈的国产化，在二嗪磷生产技术上取得 突破性成果，异丁腈经甲氧基化、氨化、中和、环化制得羟基嘧啶， 总收率达 95%以上，羟基嘧啶与 O,O-二乙基硫代磷酰氯合成二嗪磷 的收率达到 95%以上，原药含量达 95%以上；生产工艺达到国际先进 水平，特点是：乙酰乙酸乙酯或甲酯消耗低；合成采用连续自动化控 制；以异丁腈合成羟基嘧啶的过程基本无三废；二嗪磷原药中 S-TEPP 的含量低于 0.2%，达到国际标准。所得二嗪磷原药不需加任何稳定 剂就能稳定存在；生产成本低，设备投资少，生产效率高。已获发明 专利授权。可提供中试生产技术。 地亚农主要用于水稻、棉花、果树、蔬菜、甘蔗、玉米、烟草、 马铃薯等作物，防治刺吸式口器害虫和食叶害虫(如磷翅目、双翅目幼 虫、蚜虫、叶蝉、飞虱、蓟马、介壳虫、十二八星瓢虫等)，对螨卵也 有一定杀伤效果。小麦、玉米、高梁、花生等作拌种，可防治蝼蛄、 蛴螬等土壤害虫。颗粒剂灌心叶，可防治玉米螟。 工艺技术特点 南开大学元素所对地亚农的制备进行了深入细致的研究，首先， 对异丁腈的合成进行了研究，并已实现了异丁腈的国产化，解决了异 丁腈依赖进口，价格昂贵的问题，为地亚农生产奠定基础；其次，从 理论基础出发，对合成地亚农的各步反应进行了反应机理及动力学的 研究。近来，我们在地亚农的生产技术上起得突破性的成果，同样以 异丁腈为起始原料，经脒化、环化、缩合三步反应合成地亚农
南开大学
2021-04-13
杀虫剂地亚农绿色生产工艺
二嗪磷即地亚农，是一种广谱、高效、中低毒有机磷杀虫杀螨剂，还广泛应用于兽药和卫生用杀虫喷雾剂，是替代高毒杀虫剂的主要品种之一。目前世界产量约2-3万吨/年，中国市场刚起步。 南开大学实现了原料异丁腈的国产化，在二嗪磷生产技术上取得突破性成果，异丁腈经甲氧基化、氨化、中和、环化制得羟基嘧啶，总收率达95%以上，羟基嘧啶与O,O-二乙基硫代磷酰氯合成二嗪磷的收率达到95%以上，原药含量达95%以上；生产工艺达到国际先进水平，特点是：乙酰乙酸乙酯或甲酯消耗低；合成采用连续自动化控制；以异丁
南开大学
2021-04-14
亚临界流体挤出法制备木塑复合材料
项目主要研究了各种木塑复合材料的制备及其提高其综合性能的方法，其中包括： 1.分析了木质纤维素的主要成分，并探究了各种成分在亚临界流体状态下的变化情况;2.探究了各种工艺条件（亚临界流体种类、挤出温度、螺杆转速、螺杆长径比、木粉含量及粒径等）对木塑复合材料性能的影响；3.考虑到极性木纤维与非极性塑料基体之间相容性差的问题，通过添加相容剂来改善两者的相容性，并且比较了各种相容剂以及不同含量对复合材料最终性能的影响；4.鉴于相容剂之间存在着协同作用
南京工业大学
2021-01-12
篮球赛事AI短视频剪辑系统
视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。
太原科技大学
2021-05-04
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
AI在5G系统中应用的研究
中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research
东南大学
2021-01-12
大数据背景下AI同传翻译质量研究
一、项目进展
创意计划阶段
二、负责人及成员
姓名
学院/所学专业
入学/毕业时间
学号
赵玉蓉
外国语学院/英语
2016/2020
201631131102
三、指导教师
姓名
学院/所学专业
职务/职称
研究方向
阮先玉
外国语学院/英语
教研室主任/副教授
语言学、翻译
四、项目简介
随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。
西南石油大学
2023-07-18
AI机器学习技术加速功能新材料的研发
1.痛点问题
新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。
在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。
2.解决方案
本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。
自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。
智能化研发平台
3.合作需求
拟成立公司推动该项成果的产业化进程，希望对接
1）工程化、产品化所需的资源；
2）新能源、新材料领域合作企业。
清华大学
2022-09-23
天智中考实验操作考评系统AI智能评分
广东天智实业有限公司
2021-08-23