仪器概述 本仪器是根据国家行业标准SH/T0168，GB/T6540测定润滑油，煤油，柴油等石油产品的颜色。测定方法:将欲测定的石油产品试样注入比色管内，然后与标准色片相比较以确定其色度色号。 技术参数 1、工作电源：AC220V±10%，50Hz 温度为2750±50k的内磨砂乳壳灯泡。 2、比色管：内径φ30~φ33.5mm，高115～125mm的透明平底玻璃管。 3、标准色盘：26光孔，其中1-25色号的标准颜色玻璃片，第26孔为空白。 性能特点 1、观察目镜由凹镜和凸镜组成，可同时看到试样颜色和标准色颜色。 2、光学目镜具有光线调节和调焦能力，使用方便。 3、箱体采用优质钢板制作，表面静电喷涂漆膜牢固，造型美观。 网址链接

仪器概述 本仪器是根据国家石油化工行业标准SH/TO170《石油产品残炭测定法(电炉法)》规定的要求设计制造的，适用于测定润滑油、重质液体燃料或其它石油产品的残炭。本仪器具有功率小、安全可靠等特点，仪器温度控制器采用数字显示，操作方便直观。 技术参数 1、工作电源：AC220V±10%、50Hz 2、控 温 点：520℃±5℃ 3、控温方式：数字显示温控仪 4、浴槽孔数：四孔 5、传 感 器：K型热 6、环境温度：10℃～35℃ 7、相对湿度：<85% 网址链接 http://www.csscyq.com/proshow.asp?id=747

仪器概述 本仪器是根据中华人民共和国标准GB/T508《石油产品灰分测定法》所规定的要求设计制造的，适用于按GB/T508所规定的方法测定石油产品的灰分。但本仪器不适用含有生灰添加剂(包括某些含磷化合物的添加剂)的石油产品、及含铅的润滑油和用过的发动机曲轴箱油的灰分测定。 技术参数 1、工作电压：220V/50Hz2、额定功率：2.45kw3、控温范围：1000℃4、温度波动：±55、工作尺寸：200mm*120mm*80mm6、外形尺寸：49 性能特点 、独特的炉门设计，开门操作安全简便，确保炉内高温热气不外漏。 2、高精度数码显示仪表，控温系统采用微电脑芯片处理器。具有PID调节特性、时间设定、温差修正、偏差报警等功能，控温精度高。 3、炉膛由高温耐火材料烧制而成，确保经久耐用。 4、极好的门密封使得热量损失最小，增加了炉内温度的均匀性。 5、箱体外壳双层设计，有效的阻隔内部温度，降低外壳温度，达到节能环保，面板采用不锈钢材料制成，具有抗腐蚀、高温不变型等特点。 6、控制器与箱体一体，拉出底壳即可修理，维修方便。 网址链接 http://www.csscyq.com/proshow.asp?id=758

仪器概述 本仪器是根据中华人民共和国标准GB/T262《石油产品苯胺点测定法》所规定的要求设计制造的，主要用于按照GB/T262标准的要求测定深色石油产品的苯胺点，也可以测定浅色石油产品的苯胺点。 技术参数 1、工作电源：AC220V±10%，50Hz 2、电机功率：6W 3、加热功率：2kW 4、温控范围：室温~180℃ 5、控温精度：≤0.5℃ 6、照明电源：5V 性能特点 1、设计完全符合GB/ T 262标准对深色石油产品和浅色石油产品苯胺点测试的要求。 2、仪器备两套试验装置，分别用于测定重质油和轻质油的苯胺点。 3、控温系统采用的是数显式PID温度调节控制仪，控温精度高，性能稳定可靠。

亮点一 支持CAN、V2X、LTE通信、Wifi等多模式通信亮点二 内置高精度定位模组、高精度IMU，支持高精定位系统、惯导系统亮点三 提供以太网、串口、CAN多种接囗，支持多种场景应用亮点四 可获取车辆状态、运行数据，分析驾驶行为，提示车辆信息亮点五 车规级，抗干扰能力强，稳定性高 LTE          LTE-FDD/LTE-TDD/WCDMA/TD-SCDMA/EVDO/CDMA/GSMV2X          符合3GPP Rel.14标准，频率范围：5.905-5.925GHzGNSS       支持北斗/GPS/GLONASS/Galileo/QZSSWifi          支持IEEE802.1b/g/n协议，工作频段：2.4G通信能力 直连通信距离不低于500m接口        RJ45网络*1、26Pin*1HSM        支持高性能高安全性的国密算法  

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。

采用本发明得到的低相关区域序列组，在一定的相关区域内，绝大部分自相关函数取值为零，并且全部互相关函数取值为零。本发明所得到的低相关区域序列组，可以广泛应用于认知无线电系统，如信号同步、信道估计、多用户扩频等方面。