本发明公开了一种基于进程亲和性的减少进程间通信从而提升 并行 I/O 效率的方法，包括：首先对以 Collective-I/O 为主流的并行 I/O 程序进行分析，收集和统计集群机器节点信息及 MPI 程序配置信息； 然后，该系统通过预处理操作计算各种可能的机器节点与代理进程的 匹配结果，然后再通过性能预测模块，确定最佳的匹配策略；最后将 预处理得到的匹配策略写入配置文件中。实验结果表明，该系统配置 简单，能在不用修

一、项目分类 关键核心技术突破 二、成果简介 与传统人工焊接技术相比，激光焊接技术具备加工精度高、加工速度快、加工质量稳定等优点，被广泛应用于制造加工行业，随着激光加工技术以及焊接机器人系统的不断发展，激光焊接机器人技术也因此得到了发展。激光焊接技术搭配上智能工业机器人系统，可以代替人工焊接，实现焊接过程的自动化。蓝光半导体与光纤激光复合焊接机器人系统配合上数控设备能实现生产制造的全自动化，拥有着生产效率高、生产产品质量好以及可以在人不适合的工作环境下运行等优点，可以完美符合这一需求。蓝光半导体激光器产生的450nm蓝光在铜材料焊接上有不可比拟的优势，适用于铜等金属材料的高吸收率使得焊接热影响区减小，同时恰当功率的蓝光激光焊接时可以避免高功率光纤激光焊接时产生的飞溅影响，而这也是在汽车动力电池、航空航天和电气等高精细度要求的领域中蓝光半导体激光焊接最强有力的优势。

项目探明了晶体应力是导致铌酸锂电光调Q开关温度稳定性变差的根本原因，通过大幅消除应力提高了晶体消光比，并创造性地开发了“弹性装配”技术，彻底解决了晶体装配受力不均匀问题，大幅提高了电光调Q开关装配后的温度稳定性和激光输出光斑质量。 一、项目分类 关键核心技术突破 二、成果简介 南开大学在晶体理论、晶体生长以及器件制备等方面开展了三十余年的研究，中国电子科技集团公司第二十七研究所历经五十余年，完成了大量激光系统研发的国家重大任务，双方瞄准国家需求，共同开展了高温度稳定性电光调Q激光系统的研发项目。本项目获得了2012年天津市科技进步一等奖。 项目探明了晶体应力是导致铌酸锂电光调Q开关温度稳定性变差的根本原因，通过大幅消除应力提高了晶体消光比，并创造性地开发了“弹性装配”技术，彻底解决了晶体装配受力不均匀问题，大幅提高了电光调Q开关装配后的温度稳定性和激光输出光斑质量。以高性能电光调Q开关为核心技术，自主研发了满足航空、航天、舰船以及国防等复杂环境下使用的系列高温度稳定性激光系统产品，并实现批量稳定生产，单次高低温试验通过率高达90%以上。 2009年至2011年，本项目研发的激光产品实现了14121.6万元的产值及8778.6万元的利润，以项目产品为核心系统的装备大量应用于运载火箭测控、飞行器防撞及其它测量，为载人航天、探月工程、北斗卫星导航等国家重大工程的实施发挥了重要保障作用，同时也批量应用在国防领域，为国防安全做出了重要贡献。

本发明公开了一种用于制造片材与柔性薄膜复合叠层的系统及其方法，所述系统沿着薄膜输送方向依次包括开卷装置、第一检测装置、上料装置、压合装置、第二检测装置、裁切装置、第三检测装置、下料装置以及收卷装置。其中开卷和收卷装置分别用于将薄膜展开和缠绕收卷，上料和压合装置分别用于真空吸附片材和将片材在薄膜上叠合，裁切装置用于对复合叠层执行断点切断，第一、第二和第三检测装置用于检测柔性薄膜的输送、叠合对位和裁切效果予以检测和反馈，下料装置用于对复合叠层执行下料及分类处理。通过本发明，能够保证薄膜的稳定输送及其与片材之间的精确定位，防止片材出现弯曲和脆裂现象，而且便于对复合叠层进行裁切和分类处理。

四川大学抗击新冠肺炎疫情应急科研攻关相关项目组联合中国移动，发挥文、理、工、医多学科交叉融合优势，充分利用华西医学科研资源，在“5G医学转化服务平台”和“医学+信息”基础上，研发成功的基于5G云计算的新冠肺炎免疫检测与智能分析系统是全球首个运用新冠肺炎生物芯片，融合物联网、大数据、人工智能、云计算等信息技术的高科技产品，能在不同场景（机场/车站安检、大型活动安检、社区及个人自检等）对目标人群开展免疫检测，并通过人工智能技术进行分析，为新冠疫情的最终解决提供必要技术支撑。该系统实现了检测点的分散式布局与检测资源下沉，能避免集中检测的交叉感染，检测方便快捷，准确率高，数据自动上传国家指定平台。

本发明涉及一种超高速有轨机车的轨道在线实时清洗系统与清洗方法，其针对多种速度、多种类型、多种车型的机车轨道，使用激光进行在线实时智能清洗。 该发明采用自动化的控制模块，旨在解决超高速机车运行的安全性问题。该系统包括：稳像超高速识别模块、智能吹扫以及激光清洗模块、稳像超高速检测模块、二次智能吹扫以及激光清洗模块、中控高速计算机模块、激光调节模块、低噪声高速空气压缩机模块。该清洗方法完成高速机车前端远距离异物的识别，智能吹扫以及激光清洗模块进行清洗，稳像超高速检测模块对清洗结果进行智能判断，二次智能吹扫以及激光清洗模块进行二次清洗等工序。

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：