本项目技术以膜分离技术为基础，针对特定化工园区深化尾水的特征，进行水质详细分析，提出合理预处理工艺和整体工艺设计；反渗透膜多段式组合工艺研究；反渗透浓水处理技术开发；单元技术的匹配与集成；整体工艺试车与连续运行。根据水质差异，园区水回用率可以达到70~80%，出水可分质使用，可以应用到锅炉、工艺用水等，吨水处理成本2.1元/t。应用概况： 本项目技术解决了化工园区生化出水的排放问题，同时有利于化工园区总水量需求的难题和总排放量的瓶颈，具有较好的实际应用价值和广阔的市场前景。

技术简介： 聚丙烯是廉价易得的热塑性聚合物，具有耐溶剂和耐细菌降解的优良性能。通过热致相分离的方法可以将聚丙烯制备成孔径为 0.1~0.3μm 不同孔径的中空纤维微孔膜。热值相分离法制备的膜具有孔径分布窄、孔隙率高，强度高和耐有机溶剂的特点。可用于海水淡化预处理、水处理、空气净化、液体调味剂和液体饮料除浊、膜蒸馏、膜萃取等过程中。通过降低稀释剂含量和调整制膜工艺，可以生产血液氧合器(人工肺)用膜，替代进口。 应用前景分析： 水是人类生存最主要的物质，随着社会进步和人民生活水平的提高，水用量增大、品质提高。膜法水处理是目前公认的成本最低的水处理技术，具有很好的应用前景。课题组可以提供成熟的热致相分离聚丙烯中空纤维膜制备技术。 经济效益预测： 聚丙烯是最廉价的膜材料，由聚丙烯生产的膜成本低于聚偏氟乙烯、聚砜等膜材料生产的膜，聚丙烯膜的生产具有较好的经济效益。 技术成熟度:产业化项目

成果与项目的背景及主要用途：本技术、设备与配套的产品应用于污水处理领域。其成果主要包括：新型膜组件反应器、新型处理工艺和具有安全环保优势的免维护系统。其中新型膜组件反应器是以聚偏氟乙烯（PVDF）为材料，以耐腐蚀材料为骨架，具有独立知识产权；新型处理工艺和具有安全环保优势的免维护系统能够具有：出水清澈透明、容积负荷高、占地面积小、抗冲击负荷能力大、剩余污泥产量低、系统运行管理简单、运行成本低、易于集成并实现自动化等特点。本产品具有联合组装曝气功能，应用该它可以很好的将区域污水、洗浴废水、生物难降解废水和医药制药废水等进行处理。处理后的出水水质完全满足国家城市杂用水的水质标准。是目前国内外公认的、在区域（小区、开发区等）中水回用领域中最先进的处理技术之一。 技术原理与工艺流程简介：近年来，随着膜生产技术的提高和生产成本的降低，膜技术在污水处理领域中的应用特别是与生物反应器相组合的膜生物反应器（MBR：Membrane Bio-Reactor）作为一种新型高效污水处理技术在国际上受到了广泛关注。以超滤或微滤膜与传统的活性污泥生化处理技术相结合而成的膜生物反应器，以膜分离过程取代重力沉降过程，不论污泥颗粒的沉降性能如何，均可完成固液分离过程，并且可以避免因生物体流失而造成的系统运行失败。此外，采用膜分离与活性污泥法相结合的膜生物反应器处理含碳有机物，能使有机物深度氧化，并且能完全保留生物体，使污泥保留的时间相当长，从而完全保留体系中缓慢生长的硝化细菌，可同时通过硝化与反硝化作用成功除氮，在低温时亦能维持高处理能力。MBR 反应器能够维持高处理能力而使处理厂规模缩小，还可通过维持低 F／M 比例减少剩余污泥产量。对于各类污水，使用本产品进行处理是一种特别有效的方法，它可以将生物降解的物质分离出去，而将微生物留在生物处理池中。这样可以使生物池内微生物的含量处于最佳浓度，反应速度最快。和其他污水处理方法相比，使用膜生物反应器进行再生水处理不仅可以节约大量水资源，还可以减少设备占地，节约能源，减少设备和运行和管理费用，避免二次污染，有着很好的环境效益、社会效益和经济效益。 技术水平及专利与获奖情况： 已经获得的相关专利： 1．带有电位测控的工业废水处理系统（发明专利） 2．膜反应器（实用新型） 已经申请的相关专利： 1．超声波膜反应器（2004200289565.4） 2．工业废水气动搅拌机（200420056558.3） 已经获得的奖项：高校节水技术（天津市科技进步二等奖） 应用前景分析及效益预测：通过本产品的应用，可以带来巨大的环境效益、生态效益、经济效益及社会效益，通过中水回用项目，使天津大学成为国内第一所具有一流的教育环境、一流的节水技术（包括节水器具）全面综合开发的研发基地，为实现天津市创建环境保护模范城市的奋斗目标，为天津市的发展以及全国各高校的建设提供了一定的借鉴作用。该项目经济效益显著，其年投资与效益分析约为 1:0.4 左右，即可以得到约 40%的回报。 应用领域：环境保护、污水回用。

将石墨烯进行二维或三维组装，制备透明可导电薄膜、复合导热膜及吸附材料技术。

研究团队基于cGAMP设计制备了一种肺部仿生纳米颗粒（PS-GAMP）来模拟流感病毒肺部感染，发现其能够在不破坏肺部表面活性剂（PS）和肺泡上皮屏障（AEC）的情况下，激活AMs和AECs，促进疫苗产生高效的体液和CD8+ T细胞保护性免疫反应，以抵抗多种异型流感病毒的攻击。研究结果提示AECs在产生广泛的交叉保护以抵御各种流感病毒方面具有十分重要的作用，表明PS-GAMP可能是一种“通用”流感疫苗的潜在粘膜佐剂。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

本发明涉及一种结合胰岛素样生长因子C结构域多肽(IGF-1C)的壳聚糖水凝胶，其具有良好的细胞相容性和生物活性。这类活性水凝胶具有可注射性，能够作为载体材料，促进干细胞对组织损伤的治疗效果。其为移植干细胞提供适宜的组织再生微环境，从而提高移植干细胞的存活率。增加干细胞在损伤区内的存活及驻留，促进移植细胞存活、增殖，减少凋亡，促进损伤部位血管新生以及功能恢复，进而提高干细胞移植治疗组织损伤的治疗效果。此外，移植后水凝胶并没有促进干细胞发生不良分化。

南开大学药学院与天津大学国际生物医药联合研究院组建新药开发联合攻关团队，针对新型冠状病毒的生物学特点、传播特征和公共卫生风险防控的潜在需求，开展了病毒防治相关药物的研发，从药食同源分子中发现了可预防冠状病毒感染作用的候选分子。 南开大学药学院与研究院联合攻关团队，利用人工智能辅助的虚拟药物筛选系统，从中药单体库、药食同源天然分子库和成药化合物库中筛选潜在的互作界面抑制剂，尤其关注药食同源类物质所含的活性分子。通过筛选和既往药理信息的综合分析，观察到多种药食同源的中药中含有抑制病毒与受体结合的潜在活性分子，为中医药方剂的配伍和新型冠状病毒感染的肺炎的防治提供了一定的信息。

本发明公开了可同时测定梨的多个指标参数的装置，包括：暗箱；位于所述暗箱内，用于测量梨的重量的电子称重旋转平台；位于所述暗箱内，用于测量梨的高度的高度测量装置；用于向梨发射检测光的光照模块；用于接收梨的反射光的光谱采集模块；用于接收所述电子称重旋转平台和高度测量装置的信号计算样品体积，以及用于接收所述光谱采集单元信号计算样品pH值的控制单元。本发明还公开了一种利用所述的可同时测定梨的多个指标参数的装置测定梨的多指标参数的方法。本发明实现了梨的重量、高度、体积以及pH值的多项物理参数的快速检测，检测快速准确，检测成本低，环境污染小。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。