建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。       此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。

成果简介：当前已经完成成果：已完成星上实时云剔除、关键区域/目标的快速提取算法研究；实现了光学遥感星上处理SoC芯片功能样片研制和测试，单片可实现155Mbps输入速率的实时处理，功耗小于600mw。 2015年完成成果：完成高性能、抗辐照星上光学遥感数据SoC处理器研发，并基于自主芯片构建星上并行实时处理原型样机，实现星上90%以上实时云剔除、关键区域/目标的快速提取等智能实时处理。 项目来源：民口863项目 技术领域：地球观测与导航技术

已有样品/n团队的研究工作取得了突破性进展，成功研制出超高采样率、宽频带的30Gsps6bit ADC/DAC 芯片，大大缩短了与先进国家的技术差距，为我国在该领域摆脱国外技术壁垒限制增加了关键性的筹码，对下游产业的发展起到了极大的促进作用。该芯片的使用简单灵活，可实现并行多波段／多波束运行，并可提供较高的动态范围。目前，该芯片已在武汉邮电科学院构建的1Tb/s 相干光OFDM 传输验证平台上实现应用验证。

本发明属于电站锅炉智能控制技术领域，并公开了一种电站锅炉运行数据清洗方法，包括以下步骤：定义稳态系数并采用人工引导的方式确定特征参数的稳态阈值，遍历数据计算各数据点稳态系数及稳态权重系数，根据稳态权重系数确定各数据条的稳态性，剔除标记为非稳态及各稳态段开始的若干个数据，最后采用改进的置信空间对对稳态段内数据进行筛选，提高稀疏稳态内数据的可靠性。本发明针对电站锅炉运行数据特点而提出，具有较高的可靠性，操作简单，计算速度快。

浙大生仪学院磁共振平台的CBIST团队近期公开了一批包含三位旅行志愿者在十家不同中心采集的磁共振扩散成像数据集。数据的具体描述和简要质量报告已经在Scientific Data发表。

一种相变存储器数据写入方法，属于存储器的数据存储方法，解决现有相变存储器数据写入方法存在的未最大化地利用能耗预算问题，以提升相变存储器(PCM)的写性能和寿命。本发明包括读出数据步骤、分析数据步骤、写入数据步骤。本发明针对 PCM 写“0”和写“1”的延时及能耗的不对称性，充分利用 PCM 的能耗预算(power-budget)，通过分别记录每一个数据单元待修改的“0”和“1”的个数，对每一个数据单元写入顺序重新调度

本发明公开了一种基于隐私保护的数据索引方法，属于数据处 理技术领域。本发明包括：提出了一种 R-tree 划分算法，使得任意两 个叶子节点之间都没有重叠，在叶子节点上独立地添加噪音使得本地 索引 PR-tree 满足差分隐私；针对选取的部分 PR-tree 节点，采用了一 种映射机制将每一个 PR-tree 节点映射到相应的 CAN 服务器上从而构 建全局索引。本发明设计了一种基于隐私保护的两层分布式索引 PR-CA

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

本发明公开了一种多板卡数据同步采样系统，包括数据采集卡、 总线、采样信号线以及两个以上的测量板卡，数据采集卡包括由时钟 发生器、控制信号发生器、总线控制器和与门组成的采样时钟信号控 制模块，控制信号输出高电平时，与时钟信号与门后的采样信号控制 每个测量板卡同步采集数据以及控制数据采集卡停止总线数据采集，控制信号输出低电平时，与时钟信号与门后的采样信号控制每个测量 板卡同步停止采集数据以及控制数据采集卡进行总线数据采集。本发 明提供的多板卡数据同步采样系统，能够实现各板卡数据采集的纳秒 钟级同步，并且