合肥信息技术职业学院是经安徽省人民政府批准，国家教育部备案，具有独立颁发学历文凭资格的纳入国家计划内统招的全日制普通高等学校。 校园环境优美 学院座落于包公故里、科教基地、历史名城安徽省省会合肥，地处合肥市大学城，毗邻安徽大学、合肥工业大学新区;学院占地852亩(其中大学城校区占地面积305亩，新桥校区一期占地547亩);现有校舍建筑面积13.9万平方米，教学仪器设备总值2400余万元，图书馆藏书35.38万册，另有电子图书66万册。学院校区建筑风格中西合璧、格调高雅，包括意大利建筑风格的主教学楼、西班牙建筑风格的第一教学楼、伊斯兰建筑风格的第二教学楼和英国建筑风格的第三教学楼。学院教学、后勤配套设施日臻完善，能为师生员工的学习、工作和生活提供良好的保障。 师资力量雄厚 学院拥有一支专兼结合、结构合理、水平较高的教学、管理团队。教学、管理机构的专家、教授，大都来自中国科学技术大学、合肥工业大学和安徽大学等知名高校。同时，学院聘请了多名国家教指委成员、著名学者专家担任我院学科带头人和一批与专业建设紧密相关的行业企业的优秀技术、管理人才参与学院的人才培养工作。目前，学院现有教师402人，其中，校内专任教师254人、校外兼职教师102人、校外兼课教师46人。专任教师中，高级职称57人，占专任教师的22.4%;中级职称71人，占专任教师的27.96%;硕士及以上学位教师131人，占专任教师的51.57%;“双师素质”教师142人，占专任教师的55.91%。 专业布局合理 学院根据安徽省经济社会发展战略目标及产业结构调整对人才的需求，结合学院优势资源，构建热门优势专业，拓宽专业布局。目前，学院共有信息工程系、电子商务系、会计系、建筑系、土木工程系、新媒体艺术系、通识教育部和思政教学部等8个教学系部;开设电子竞技运动与管理、游戏设计、风景园林设计、移动互联应用技术、投资与理财、房地产经营与管理、电子商务、市场营销、物流信息技术、软件技术、电子信息工程技术、计算机信息管理、计算机应用技术、物联网应用技术、信息安全与管理、数字媒体应用技术、广告设计与制作、数字媒体艺术设计、动漫制作技术、工程造价、建设工程管理、建筑设计、环境艺术设计、会计信息管理、会计、连锁经营管理、云计算技术与应用、影视动画等28个全日制专科招生专业，覆盖电子信息、计算机、电子商务、物流、财务会计、金融、建筑设计、建设工程管理、房地产、艺术设计、广播影视、工商管理、市场营销等15个专业类，形成了以电子信息、财经商贸、土木建筑、文化艺术等类别专业为主，以信息技术相关专业为特色，其它专业协调发展的专业格局。电子商务、信息安全与管理2个专业为省级特色专业，物流信息技术、电子商务、动漫制作技术、建筑设计、信息安全与管理等5个专业为教育部创新发展行动计划骨干专业。 办学条件优越 学院实验实训中心配备了以博士学位、副教授职称的具有丰富实践经验的专职实训中心主任，配备了相关的专职管理人员。在实践教学上，安排“双师型”教师，并从行业、企业聘请有实践经验的专家、工程技术人员和能工巧匠，担任实践课程的指导工作。学院建有电工实训室、电子实训室、微机原理与接口技术实训室、动漫设计与制作实训室、计算机组装与维护实训室等34个实训室;根据专业实践教学需要与北京水晶石科技有限责任公司、上海火速网络科技有限公司等106家企业合作建立了运行良好并有保障机制的校外实训基地，较好满足了各专业的实践教学需要。 技能认证权威 学院是全国计算机信息技术高级人才水平考试(NIEH)、国家信息化计算机教育认证(CEAC)、中国建设教育协会认证、全国计算机应用水平考试(NIT)、国家动漫游戏产业振兴基地认证(NACG)、财税等级考试(ATT)、Adobe认证考试、Autodesk认证考试等职业技能认证考点，可鉴定279种工种(科目)。2017届毕业生获证率91.71%，2018届毕业生获证率92.43%。按照“专业+技能+创业素质”的复合型人才培养目标，学院认真指导、积极组织学生参加职业技能证书考试，使学生在毕业时实现“一张文凭，多种证书，一技之长，一专多能”，确保毕业生能在激烈的就业竞争中抢占先机。 就业机制健全 学院秉承“以服务为宗旨，以就业为导向”的办学指导思想，建立了“领导主抓、部门统筹、系部为主、全员参与”的就业工作体系，每年定期策划和举办人才交流会，为用人单位和毕业生搭建广阔的双向交流平台，并实行全程的就业指导和跟踪服务，为毕业生开通就业的“绿色通道”。学院毕业生就业率连续七年保持在90%以上。2012届毕业生初次就业率99.28%，2013届毕业生初次就业率99.06%，2014届毕业生初次就业率92.47%，2015届毕业生初次就业率94.01%，2016届毕业生初次就业率91.39%，2017届毕业生初次就业率93.28%，2018届毕业生初次就业率92%。 校园文化浓郁 学院建有学习实践、文化体育、社会公益等类型的19个学生社团，凝聚学生力量，丰富学子校园生活;定期举办足球联赛、篮球赛、田径运动会等活动，增强学生体质，展现青春活力;开展演讲比赛、校庆庆典仪式暨新生迎新晚会、征文比赛、艺术作品征集、优秀设计作品展等，打造人文校园，促进学生全面发展;举行“三感恩”系列教育活动，让学生对祖国、母亲、母校永怀感恩之心，培育学生识恩、感恩、施恩意识和情怀;组织学生参加全国信息技术应用水平大赛、中国大学生计算机设计大赛、中国大学生原创动漫大赛、中国大学生游戏设计大赛、全国大学生广告艺术大赛、全国高校数字艺术作品大赛、省职业院校技能大赛、省科普创意创新大赛、校内职业技能竞赛等，激发学生勤奋学习、积极进取的热情，提高创新意识和自主学习能力。 社会声誉良好 学院先后获批中央财政支持的职业教育实训基地建设项目1项，省级质量工程项目29项，省高等教育振兴计划项目4项，高职教育创新发展行动计划项目8项。学院连续两年被省教育厅评为“民生工程高校学生资助工作考核优秀单位”，被省民政厅评为“中国社会组织评估AAAA等级”，连续两年荣获省属“百优社会组织”称号，荣获安徽省平安校园建设优秀成果二等奖，荣获全国高校创新创业教育示范学校成果孵化奖;学院党校连续两年荣获合肥市“先进基层党校”称号;学院毕业生初次就业率连续七年保持在90%以上。2015年11月，学院顺利通过人才培养工作评估。2017年，在基层党组织标准化建设考核验收中，院党委被上级党组织评定为“先进”等次。 办学方向国际化 学院积极推进与国内外有关高校的交流和合作办学，不断拓展对外交流与合作办学渠道。学院在与北京理工大学等国内高校开展合作办学的基础上，还积极拓宽国际化办学视野，让学子共享国际学习平台与优质教育资源，为有意出国深造的学子走出国门、寻求在世界舞台上的发展提供更多选择。学院先后与英国斯旺西大学、美国科罗拉多理工大学、韩国青云大学、泰国博仁大学等国外知名高校签署协议，合作办学，不断向培养国际化人才的目标迈进。2017年10月，学院与英国东伦敦大学、安格利亚鲁斯金大学就“3+1”模式、“2+2”模式合作办学达成初步共识。 学院将立足中国，面向国际，以培养开拓型、创造型、国际型的高级专门人才为目标，朝着容电子信息、经济金融、艺术传媒等工、商、法、文、外国语为一体的合肥信息技术大学阔步迈进!

（一）技术目标 针对采油厂前期所建地面工程系统的资料，开展油田地面工程系统管理信息系统的研发工作，为实现采油厂主要生产油区的地面工程系统资料的在线查询提供详尽可靠的依据，为准确的决策提供支持。 （二）主要研究内容 根据采油厂提出的要求及各油田地面工程现状，进行系统数据库软件开发，满足各功能要求。 （1）站外各井站场（计量间、配水间，增压泵房）、油气集输系统、注水系统、电力系统

工程机械车辆用油缸有动臂、提升、铲斗油缸等，是各型装载机、推土机、挖掘机等工程机械车辆上的主要动作或承载部件之一。产品具有强度高，工作可靠，耐磨损，使用寿命长等特点。

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：

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：

由西安交通大学智能检测与仪器研究所开发的《太阳能与热泵联合集热计算机控制系统》样机在多处现场已经运行数年。几年来该系统运行效果良好。 该系统将太阳能与热泵联合起来由计算机进行控制，解决了其中的关键技术问题，该控制系统能根据环境温度、水温、水量等参数，自动对联合集热系统设置最佳控制参数，实现最佳控制。可以进行多路信号的数据采集，多路被控对象的控制输出。能对整个集热系统的热泵机组、太阳能集热器循环泵、进水电磁阀、用户供水泵、辅助电加热器等设备进行可靠的控制，从而使系统最大限度的利用太阳能，最大限度的节约电能。整个系统的运行费用仅为天然气热水的20%，为电加热的15%。

“球磨机寻优节能计算机集散控制系统”是西安交通大学的最新研制的科研成果，以保护和节能为两大目标，在总体方案上提出并实现了对发电厂球磨机的计算机集散控制，针对磨机的运行特点，提出自寻优――模糊控制相结合的控制算法，解决了长期以来球磨机不易控制的难点，同时为磨机料位的测量提供灵敏、准确、标准化的检测仪器。该系统总体性能处于国内领先水平。通过音频信号传感――变送

浮选技术是目前矿业中矿物分选主要采用的工艺方法。传统的浮选控制过程是通过各种测量仪器，分析测量矿物的品位、浮选回路中的pH值、药物浓度等参数，根据分析得出的数学模型来调整加药量，以使浮选过程处在最优状态下。但实际上，由于浮选过程十分复杂，影响浮选过程的因素非常多，所获得的数学模型并不能和实际很好吻合，因而控制过程一般并不能处在最优状态下。这是浮选控制过程的

针对大规模分布式计算系统例如云计算系统、数据中心等的运维需求，研发了针对大规模计算系统的预测性监控技术。并开发了一个可扩展的监控系统。该系统的特点为：1）基于语义事件表达监控信息，开发了复杂事件处理器，可以支持用户定义针对复杂模式的事件探测组件，从而使系统能够对自动探测复杂的状态变化；2）基于发布订阅模式的事件传输网络，使得监控系统可以规模扩展，因而适应了大规模计算系统的监控需求；3）开发了多种性能预测算法和异常探测算法，实现了对计算机和应用性能的长期预测。 本项目的成果已经应用到多个企业的系统监控上。项目的成果也发表在INFOCOM、IFIP Networking，IEEE Transaction on Parallel and Distributed Systems, Journal of Systems and Software, Software: Practice and Experience等著名会议和期刊上。项目成果已经申请了10项专利。