本项目从提高系统溶解氧水平、增大碳源利用效率、优化季节性湿地植物 配置、提高湿地植物经济附加值等角度入手，开展了近十年的系列技术研发， 发明了嵌套式增氧、分段进水、人工弓棚、季节性湿地植物混合配置、湿地植 物高附加值资源化材料制备等技术，显著提高了人工湿地水质净化技术的污染 物去除效率和运行的稳定性。

目前已完成前期实验论证并已申请发明专利，需要进一步投入资金进行后续中试放大研究。可考虑合作开发研究。

一、项目简介采用不锈钢化学抛光技术可得到银白色的不锈钢表面，该技术不需要直流电源设备，可对形状复杂的不锈钢制品进行加工，生产工艺简单，操作方便，生产效率高，适于大批量生产。与传统化学抛光技术相比，温度从高温降至中温，可节省大量能源，而且该抛光液采用对环境友好成分，使用过程无酸雾逸出，操作环境良好。二、市场前景不锈钢化学抛光技术可用于不锈钢加工的各个行业，应用前景广阔。三、规模与投资可根据不同单位生产量灵活安排。四、生产设备化学抛光槽、除油槽及相应加热设备。五、效益分析化学抛光液成本低廉，劳动保护要求低，而且可为单位节省环保投资。六、合作方式面议。

本技术利用人工湿地生化处理技术旁路脱除有机污染物，采用物化-超强磁耦合技术脱除成垢离子以及微纳米颗粒污染物，同时达到降硬、除浊、杀菌灭藻的目的。合理匹配不同水源水比例，替代软水，降低成本，为水质稳定提供成套 的绿色供水技术，节水降耗。

该成果针对现有合成路线的缺陷，提供一种反应步骤少，反应收率高，产品质量好，三废少和生产成本低的腺嘌呤的合成方法。以甲酰胺和丙二酸二乙酯反应生成的 4,6-二羟基嘧啶为起始原料，经过硝化， 氯代，氨解，还原，最后一步直接环合得到腺嘌呤。 应用该方法原料廉价易得，反应条件温和，产物单一，总收率高，生产成本低。

产品详细介绍

学习分析系统采用数理统计的方法来处理成绩数据、行为数据，通过对成绩数据、行为数据的科学分析与评估，辅助、推进教学研究，提高教学质量。

阿里云机器学习平台PAI（Platform of Artificial Intelligence），为传统机器学习和深度学习提供了从数据处理、模型训练、服务部署到预测的一站式服务。

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。