♦北京欧倍尔软件技术开发有限公司是一家以计算机仿真技术、虚拟现实技术、网络技术的开发与推广应用为核心的高新技术企业，主要致力于为高校、职校、科学研究院以及石油、化工、制药、环境监测等行业相关机构提供虚拟仿真软件、网络平台及配套硬件设备的开发和技术服务； ♦公司于2012年9月25日注册成立，注册资本1290万元。公司产品和技术涵盖：化学化工、食品工程、环境工程、生物制药、工程力学、材料工程、电气工程等多个专业领域。开发了实验、实训、生产实习、半实物仿真工厂等专业化仿真教学平台，同时将3D技术、AR增强现实技术、VR虚拟现实技术应用于其中，并实现PC端、移动端、网络化等多维度操作，极大丰富了教学应用模式、应用场景，有效解决了教学过程中因时间、空间、教学资源等限制而造成的困扰和问题，为教育教学、人才培养提供了技术支持和保障，创造了条件和优势；

本发明公开了一种生土建筑墙体表面高疏水性渗透型防水材料及其制备方法，本发明材料的组分和质量分数为硅酸盐水泥2-8％，铝酸盐水泥2-8%，石灰2-15%，丙烯酸2-9％，聚丙烯酰胺5-20％，硅氧烷渗透剂3-15%，乳化剂0.5-3%，余量为水；以水将丙烯酸配制成浓度为为2～9%的丙烯酸水溶液后，向丙烯酸水溶液中依次加入聚丙烯酰胺、乳化剂，在添加的同时混合搅拌均匀；之后加入硅氧烷渗透剂，充分搅拌，得均匀稳定乳液；向均匀稳定乳液中加入硅酸盐水泥、铝酸盐水泥、石灰，充分搅拌至呈稳定浆状产物，即得本发明材料；本发明防水材料对生土基体具有高渗透性，且具有突出的防水、抗裂性能；提高了生土墙体的抗水性和耐候性；本材料无毒无污染，制备及施工方法简单，值得推广使用。

针对地下车站、军事基地等地下建筑的空调系统设置冷却塔的可靠性、协调性和隐身性的要求，及其空调工程造价、运行能耗高昂的现实，结合可回收利用其坑道排风能量的有利条件，项目组在国家课题及企业的支持下，通过多年的技术攻关，取得如下成果：1、提出将换热器盘分成若干并联单元，在每个单元盘管两侧旋转布水强化传热传质，改善换热器表面水膜与空气换热微环境、最大程度利用水膜与空气传热传质能力的强化传热理念。2、成功研发地下建筑空调排风热回收用间接蒸发冷却器的核心装置“旋转布水器”，并通过实验

本发明公开了一种基于多特征融合的面向对象的建筑物变化检测方法，首先求得图像像素点的形态 学建筑指数(MBI)，纹理特征和慢特征分析图(SFA);利用 MBI 指数和纹理特征进行 FNEA 分割;然 后求出每个对象的三个特征值，再作差，并利用 K 均值聚类算法求阈值，得到特征变化图;再利用 AC 指数进行后处理;利用熵值法对不同的特征变化图求权重，按照权重设定阈值求得变化图像;最后利用 投票法进行后处理。得到变化检测结果。

本发明公开了一种高层建筑抽蓄储能风光智能微网系统及控制方法，包括风机组件、光伏阵列组件、抽蓄机组、及微网中央处理器；风机组件、光伏阵列组件、抽蓄机组连接在低压母线上；主电网能提供可靠的能源支持；微网和主电网由并网变压器、并网开关、公共连接点连接；微网中央处理器根据可再生能源的发电量和负荷需求量，管理调度系统能量分配；并实时监控系统状态，及时处理各类故障，实现微网在并网、离网两种模式间的无缝切换。本发明将可再生能源集成在高层建筑中，能源结构可持续发展，并利用建筑高程差将抽水蓄能机组作为储能设备，具有对电网负荷变化反应快速、调节灵活，调峰、填谷、调频、调相和事故备用的良好运行性能。

产品详细介绍建筑物围护结构传热系数K值测试仪KIT-2838C是瑞士产品，满足标准GB/T 23483、JGJ/T132-2009、ISO 9869 、ASTM C1046、ASTM C1155等；建筑物围护结构传热系数K值测试仪KIT-2838C是便携式设计，测试方便，方便现场使用，测试时间长，可达30天以上；建筑物围护结构传热系数K值测试仪KIT-2838C非常方便多个仪器进行组合，没有繁琐的走线；可以多点布局，求围护结构传热系数K值的平均值。建筑物围护结构传热系数K值测试仪KIT-2838C测试精度高,可达0.4 W/m2 ，自带温度测试，同时测试温度信息。建筑物围护结构传热系数K值测试仪KIT-2838C特点：瑞士原产高精度热流测量最多储存2百万个数据符合标准GB/T 23483、ISO 9869 、ASTM C1046、ASTM C1155显示U值W/(m2K)、热流W/m2、温度紧凑性设计，可单独记录或接计算机查看USB连接建筑物围护结构传热系数K值测试仪KIT-2838C的参数：热流范围：          ±500W/m2热流解析：          小于0.4 W/m2温度精度：          ±0.1 (+5...+45 °C) /±0.2 (-10...+58 °C)储存数据：          2百万电池使用：          大于30天操作温度：          -40 / 100 (主机-25 / 65)热流精度：          ±3%线长：              热流传感器1m、温度传感器1m与5m组件：              主机、热流传感器、2个温度传感器、安装双面贴软件：              兼容WINDOW系列（计算机不包括）

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。