本成果包括系列基于硅基或SOI基材料的高压集成技术，可用于700V AC-DC电源管理IC、600V/1200V高压栅驱动IC、不同电压需求的高压开关IC、D类功率放大器、电机驱动IC等的研制，满足照明、工业控制、汽车电子、电机驱动、消费电子等领域的需求。

北京大学物理学院现代光学所王剑威研究员与意大利罗马大学Fabio Sciarrino教授、英国布里斯托尔大学Anthony Laing和Mark Thompson教授，受邀在国际著名刊物《自然-光子学》（Nature Photonics）上撰写综述文章，介绍“集成光量子技术”这一新兴领域的基本科学原理和前沿进展。 量子技术利用量子物理基本原理，通过操控光或物质的量子叠加和量子纠缠等内禀属性，其信息处理能力有望从根本上超越经典范畴的信息技术。集成光量子芯片技术是一门结合了量子物理、量子信息、集成光子学和微纳制造等学科的前沿交叉技术，通过半导体微纳加工制造，有望实现高性能且大规模集成的光量子器件和系统，达到对作为量子信息载体的单光子进行高效处理、计算和传输等功能。 国内外对集成光量子芯片技术的研究取得许多重要进展 2008年，国际上首次实现了基于二氧化硅平面光波导体系的量子受控纠缠门和量子干涉，开创了集成光量子芯片领域的先河。在过去十年间，国内外对集成光量子芯片技术的研究,取得了许多重要进展，目前已实现了片上光量子态的制备、量子操控以及单光子探测等核心功能，并且器件集成度和功能复杂度也都得到了大幅度提高。综述总结了集成光量子芯片的主流材料体系、核心量子光学元器件，及其量子信息的前沿应用，包括量子密钥分发和通信、物理和化学系统的量子模拟、量子玻色取样、光量子信息处理和计算等。 集成光量子芯片的材料体系目前主要采用硅基绝缘体上、铌酸锂、激光直写二氧化硅、氮化硅、氮化嫁、磷化铟等光波导材料。核心器件主要包括集成单光子源与纠缠光子源、可编程大规模集成光路、集成单光子探测器等，其中量子光源主要有非线性参量型量子光源和固态量子点型量子光源，而单光子探测主要通过超导纳米线探测和过度边缘感应传感来实现。这些核心光量子集成器件的性能均取得了很大程度的提升。与此同时，集成光芯片平台上也已经逐渐发展出一套可以将量子信息精确加载在单光子的路径、偏振、时间、空间、频率等不同自由度的方法，为该技术的发展提供了广阔的便利性和多样化。 集成光电子器件在经典通信系统中一直起着举足轻重的作用，可以预期其也将在量子密钥分发和量子通信中起到重要作用，特别是微小型、低成本、高性能的量子通信收发芯片的发展，将有助于进一步降低成本、提高可靠性，推进其实用化进程。目前，量子通信的几种主要协议，包括制备-测量类的通信协议以及基于纠缠分布和量子隐形传态类的协议等，已先后在硅基、磷化铟、氮化硅等光子芯片上得到实验验证。另外，全集成型量子真随机数发生器也有很多实验实现，并有望在不远的将来提供微小型、高速和低成本的真随机数发生器。 量子线路模型和基于测量的单向量子计算模型是实现通用量子计算的主流模型。光学量子计算的线路模型实现方案存在扩展性困难，但基于测量的光量子计算可以大大降低需要的物理资源，并可实现通用量子计算。在可编程的光量子芯片平台上，目前已成功实验验证了Shor因数分解算法、Grover搜寻算法、优化算法等重要算法，并可在单一芯片实现多种复杂量子信息处理功能。近年来，片上制备并操控复杂量子态，包括高维量子态、多光子纠缠态、图纠缠态等，均已在硅基和二氧化硅等平台实现。值得一提的是，集成光量子芯片的高可编程性、高稳定性、高保真度，为通用量子计算的实现提供了基础。 量子玻色取样和量子模拟被认为是量子计算的短期实现目标和重要应用方向。触发型玻色取样和基于量子点光源的玻色取样，被认为是实现具备“量子优势”的玻色取样量子计算的有效技术方案，有望超越经典计算机计算能力，其中前者已实现芯片上量子光源和线性网络的全集成，而后者最近在中科大发布的一个论文预印本中报道了20光子60模式玻色取样的重要突破。集成光量子芯片体系已实验验证了离散型和连续型的量子漫步功能，并可用于模拟复杂的物理和生物过程。同时，集成光量子模拟器也成功验证了多种典型的量子模拟算法，有望有效地模拟化学分子动力学过程。

水是工业生产的主要媒介之一，在生产过程中既作为工艺介质，又作为辅助介质，因此应用十分广泛，但由于以前水价偏低，致使企业不重视节水工作，不但用水量较大，同时还会产生大量的废水，既增加了企业废水处理的成本，又污染了环境。从2011年开始，国家又一次提高了污水的排放标准，与此同时，江苏地区还重新修订了工业企业的用水定额，对企业的用水与排水提出了更高的要求。针对于此，本课题组面向火力发电、钢铁、造纸、纺织印染、化学工业与石油化工等行业，在综合企业现有水系统的基础上，采用水夹点优化技术开发了集成节水技术，通过对水系统进行节水改造，通过提高水的重复利用率及废水的深度处理与再生回用，可大大减少企业的新水用量和废水排放量，降低企业的运行成本，减小环境治理的压力。  本课题组可承接各种节水技术改造的工艺与设备设计、设备安装调试等。

成果简介随着 LED 制造技术的发展， LED 应用已经从显示设备的背光照明领域发展到了民用照明领域， 越来越多的 LED 已被应用在汽车、 路灯、 民用以及舞台灯光等各种照明场合。 驱动电源性能是体现 LED 整体性能的关键， 保证 LED 驱动电源具有小巧、 长寿命、 高可靠性等优点是未来 LED 驱动电源的发展方向。本项目设计的是采用拥有自主知识产权的高性能功率变换器作为主电路， 将AC-DC 电源和驱动芯片的功能合二为一， 在实现功率因数校正的同时， 保证 LED

QFDesk是一个集成前处理、求解器、 后处理的基础软件平台。QFDesk已经实现了专业软件必备的功能模块以及扩展所需的全部基础模块，为客户实现专有计算软件提供灵活、丰富的接口。我们将与客户一起开发属于客户转悠的功能模块。由于所有的基础模块已经在QFDesk中实现，这使得扩展客户专属功能模块的工作非常简单和高效。用户可以自由扩展内容包括：功能菜单的自定义、参数配置界面的初始化、求解器调用集成、配置文件读写、结果文件的可视化等。

        技术成熟度：技术突破         目前的潮流能发电机组以直驱液压变桨及带变速箱的液压变桨为主，其发电机和变速箱均采取机械动密封方式进行密封防水处理，海洋环境下，机械动密封的可靠性和运行效率往往冲突，密封层级多运行阻力大，效率低，密封层级少，密封可靠性差，机组的运行可靠性大大降低。光伏、波浪、海流一体化集成发电，波浪能与海流能水轮机对转并通过磁力耦合驱动发电机增速，具有多能互补、高效获能、转换效率高、结构简单、运行可靠等特点，为规模化海洋能开发提供创新型设计。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

搅拌是化工、食品、制药等行业中典型的单元操作。随着不可再生能源的 日益枯竭，过程强化的必要性已是共识，是可持续性发展的重要“绿色技术”之 一。如何在不增加能耗的前提下提高流体搅拌混合效率，已成为需要迫切解决 的问题。 本项目提出了流体搅拌混沌混合技术，提高对搅拌槽内流体流动的周期性 和搅拌槽空间结构的对称性的扰动，在流体内部诱发混沌，从而提高混合效率。

设备研发依据：《国际海运固体散装货物规则（简称IMSBC）》研发基于散装矿产品适运水分极限要求的流盘法实验所用流盘测试仪、插入度法实验所用插入度法测试仪、样品前处理固液混合机。 固液混合机：是为适运水极限检测样品进行前处理混样的设备；可实现样品混合的精确加水，解决了人工混合样品劳动强度大，混合不均匀的问题；料筒、喷头及外壳全采用304镜面不锈钢，防止长时间水分浸泡，设备生锈的可能；采用计量泵，实现了水分的精确添加；提高了水分添加的精度和混合的均匀性，保证了检测结果的准确率和权威性。

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：