噢易线上实训与科研桌面服务平台，以智慧校园总体框架建设为基础，独立部署智慧教学资源和智慧教学管理服务，面向全校师生，围绕教学育人和科研互动提供个性化、多元化的桌面空间和桌面集群空间服务，通过将虚拟空间和信息空间有机衔接，实现教学环境和教学资源的融合互通，使任何人，任何时间、任何地点都能便捷地获取桌面资源和服务。 方案架构 噢易云线上实训与科研桌面服务平台 功能特性 服务学生在线学习/实验 01个人专属实训桌面空间 >个人账号登陆“用户门户中心”，每个人专属桌面空间 02桌面预约 >预约单个桌面，或者实验所需的一套桌面集群，灵活预约学习和实验时间 03一键进入实训桌面 >实训桌面一键进入，浏览器窗口方式打开可同时打开运行多个桌面 04任意终端接入桌面 >提供笔记本、终端pc、手机pad等移动终端接入桌面 05随时随地进行线上实训 >anytime、anywhere、anyexperiment 06实训作业提交 >在老师规定时间内提交实训报告作业 服务老师线上教学 01服务工单申请 >线上申请实训教学资源所需配额，以及资源使用时间和时长 02学生学习和实验环境和时长匹配 >统一批量匹配教学实训环境，以及每个学生实训时长 >师生环境匹配一致 03教学环境更新 >老师自助更新教学实训环境 >从本地电脑上传文件，支持任意文件格式 04教学环境还原，数据回退 >教学环境恢复到初始状态 >实训错误，恢复单个学生实训环境至正常状态 05教学课件共享、作业发布 >课件共享：从本地电脑上传，发布教学课件、实验视频和文档 >实验作业：发布实验作业，进行考核，线上监督学生实验报告完成情况 06教学网盘 >教学数据随身携带，随时存取 07远程办公、移动办公 >远程办公：在家远程登录学校个人办公云桌面空间，获取教案和教学资源 >移动办公：用不同设备在不同地点，登录个人专属桌面空间 服务教师科研、竞赛、创业、团队项目协作 01提供高并发计算能力 >租用大数据、人工智能、并发算力类科研实验类桌面 >按使用时间和时长进行申请，分时复用 02GPU显卡资源共享 >全面支持NVIDIA和AMDGPU虚拟化 >一个或者多个成员租户共享 03租户成员配额弹性扩容 >桌面配置按需动态扩容 04自动回收释放 >资源使用时间到期，提前提醒，自动回收 05支撑团队协作及活动赛事 >临时租用资源，用于团队专项培训、活动竞赛 >在组织租户中，成员之间桌面互相协作 06公共桌面突发应急远程访问 >提供公共桌面，多人都可访问 >突发应急远程处理 服务于IT决策者运营分析 01构建统一桌面资源服务模型，无限扩展 02计时计量计费 03灵活编排桌面服务计划 04标准化几口服务，资源互联互通 05数据伴随式采集，数据驱动分层教学、个性化教学 技术优势 资源分时复用，最大化利用 >资源分时复用，空闲资源对外开放。 >计算机实验和实训机房在时间和空间上的无限延展。 多租户特性 >多租户架构，桌面集群协作扩展和协作性更灵活。 >单用户多云桌面相关联，可自由切换。 服务目录，匹配多元化、个性化的桌面资源内容 >匹配教学、学生自主学习和实验、科研、培训、考试、竞赛等各类桌面环境。 >支持安装winXP、win7、win8、win10、Linux、国产操作系统。 >桌面内容（配置规格、操作系统版本、软件、设置）自定义。 >服务目录，按需交付教学资源内容。 5A桌面访问 >Anydevice：任意设备接入桌面（pc、笔记本、手机pad移动终端）。 >Anytime：任意时间访问。 >Anywhere：任何地点，不限指定教学楼、学生寝室、远程在家、出差在外。 >Anynetwork：任何网络访问，有线、无线、私有网络、互联网访问。 >Anyexperiment／work／research：任何实验／办公／科研。 高稳定、持续的桌面体验 >桌面空间从课堂延续到课外，任意地点随时学习和实验。 >保障课堂教学、学生学习训练、科研项目的持续性。 线上审批、全面计量 >资源走线上审批，快速交付和扩容。 >按租户使用时间、使用配额弹性计量。 >平台服务对象、服务内容、使用率全面分析。 私有／公有云桌面混合部署 >底层资源打通，统一构建全校级桌面资源数据中心。 >支持私有云和公有云混合部署。 操作易用、简单运维 >统一的用户门户中心。 >自动化操作机制，如：资源自动化检测、自动化创建服务计划、弹性资源负载等。

教室智能运维管理平台结合先进的AI、大数据、物联网等技术，与先进管理体制与先进管理模式相融合，建立现代化的智能运维体系，让教室管理更高效、更科学 产品特性： AI智能巡检，智能识别设备故障，主动防范教学事故 支持教学管理人员远程巡课 多维度可视化数据分析，助力科学决策 信息化建设成果展示 为满足多样化的大屏展示需求，智能运维管理平台能够充分呈现信息化建设的关键成果，如信息化系统建设情况、信息化设备日常使用情况，以及智能化系统的实时运行态势。  AI运维系统 当前许多的运维工作还是靠人工完成，例如教室设备巡检、设备关机检查、调换教室等。特别是巡检工作主要靠运维老师定期完成，平时只能根据报修电话被动开展检查维护。运维管理平台依靠AI技术，可按需（每天/隔天）对教室设备进行自动检查，实现课前发现问题，辅助分析解决问题，达成课中无故障的目标。同时智能机器人24小时值守，自动完成管理员设定的各类智能策略，帮助管理员实现简单而高效的运维工作。 教学设备统一管控 教室综合运维管控平台可以实现对教室内所有的教学设备设施进行统一集中的自动化管理。包含对传统多媒体教学设备（如：电脑、投影机、投影幕、功放等）、在新型教学理念支撑下所出现的新型教学设备，如：交互大屏等，以及环境控制设备（如：灯光、窗帘、空调等）进行自动化、智能化的控制。 教室巡课 平台专门为教学管理人员设计了的巡课功能。在办公室即可远程巡视教师的上课过程，通过教室的实际画面，也可通过勾选只看上课教室查看正在上课的教室，点击某一教室画面会进入巡课三画面页面，包括教师画面，学生画面，电脑画面。 移动运维系统 教室智能运维管理平台为更好的服务于教室管理老师，提升工作效率，提供了移动运维客户端，即使不在办公室，也能完成大部分教室远程管控工作。实现教室设备移动管控、设备故障移动处理，提升整体服务的效率和体验。。 统计分析 教室智能运维管理平台通过多维度分析教室运维管理的各项工作指标，形成量化数据并以图形化的方式呈现，为相关领导提供决策支撑。统计分析包括教室设备使用情况分析、故障统计与分析、灯时统计、能耗统计等模块。  

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

目前北京理工大学基于神经网络的智能无人机疫情预警监控系统主要由无人机平台、光电载荷、喊话系统和地面控制及图像处理平台组成。 该智能无人机疫情预警监控系统能够自动监控广场、公路、小区等各类环境中的人群，检测人员聚集情况，利用红外热成像技术实时获取人员体温情况，实现在非接触情况下对疑似高危人员的快速区分，并快速形成疫情人员相关数据，还可以提供数据接口，供大数据系统进行分析。该智能无人机疫情预警监控系统可同时提供监控人员及被监控人员交互通道，通过喊话系统，监控人员可以随时疏导或制止被监控人员的异常行为，为疫情监控和预警提供了更为清晰和直接的手段方式。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括：1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用，参见下图。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括： 1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。 图1 工业物联网 2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化

本专利提出一种动态交互网络环境下网构软件主体系统信任协商构建方法，软件主体根据自己的信任信息建立信任关系，避免了使用证书交换导致信任协商变得复杂繁琐；不需要合作的主体每次交互都重新建立信任关系，软件主体之间不断的信息交互使每个软件主体逐步拥有全局的信任信息。每个软件主体都拥有自己的信任信息，即信任度与合作度，需要合作的两个主体根据合作的方向选择对应的信任度和合作度（契合度）建立信任关系；信任关系建立的成功与否需要与参考值比较，该参考值是按照系统中主体拥有平均信任信息时契合度的计算值；当契合度大于该参考值时建立信任关系，该方法避免了使用证书所带来的麻烦，使得信任关系的建立变得更加简单和清晰。