面向数字人的大规模生成需求，发展生成式人工智能理论，探索机器学习方法从数据中自动化学习数字人建模方法，提出了高精度三维人脸重建技术、表情驱动数字人技术、语音驱动数字人技术三项世界领先的技术，以低成本、高效率生成可驱动的高保真数字人。该技术能够极大提升数字人的生成质量与生成效率，支持大规模高精度的数字人生成，具有广泛的应用前景。

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

我国科研团队首次利用机器学习反求设计（machine-learning inverse design）实现三维矢量全息(Three-dimensional vectorial holography)新技术的相关研究成果发表在国际顶级学术刊物《科学进展》上。该杂志为《科学》(Science)刊物旗下子刊，是一个涵盖所有学术领域的开放性、综合性科学刊物。 这项光学全息技术领域的突破性研究，由上海理工大学庄松林院士和顾敏院士领衔的未来光学国际实验室完成。研究中基于机器学习的反求设计，可精准且迅速地产生一个或多个任意三维矢量光场，有望应用在超宽带全息显示、超安全信息加密以及超容量光存储、超精确粒子操控等各个领域。 光是一种电磁波，其在介质中传播的同时伴随着电磁和磁场的振荡，被称为光的矢量特性。研究人员介绍，基于光波的横波特性，光的振荡通常被限制在与其传播方向垂直的二维平面上。近些年，科学家研究发现光的振荡可打破传统二维平面的束缚，通过干涉产生纵向光振荡，即形成第三维光矢量。 但精确产生任意三维矢量光场仍是一个世界性难题。在物理学上，通过求解三维麦克斯韦方程可以正向得到一个三维矢量光场分布，但其不可控。顾敏科研团队利用人工智能的机器学习反求设计，解决了这一难题，率先实现了三维矢量全息，并可精确地控制三维全息图像中每个像素点的任意三维矢量状态。 顾敏介绍，这样的操控是全方位的，包括对每个三维矢量光携带的信息进行编码、传输和解码，因而消除了传统二维偏振光的束缚。“通过人工智能机器学习的新技术，我们首次实现了三维矢量光的操控，并将机器学习的算法延伸到光学全息中去。” 机器学习在光学设计中扮演着越来越重要的作用。文章第一作者任浩然博士说：“我们研究证明训练后的人工神经网络可有效、快速地产生任意三维矢量光场，达到接近百分之百的准确性，极大地提高了光场调控的效率。” 此外，这项发明为光学全息开辟了一条新道路，首次在全息中证明光的三维矢量状态可以作为独立的信息载体，实现信息的编码和复用。顾敏表示，“这项发明不仅为下一代超宽带、超大容量、超快速并行处理的光学全息系统奠定了基础，同时也为人们加深理解光与物质的相互作用（例如粒子操控）提供了一个崭新的平台。”

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone® V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone® V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

基于智能视频分析，采用5G+人工智能+边缘计算等高新技术，实现对监控区域内的火烟进行智能识别、实时分析报警。不依赖其他传感设备，直接对视频监控区域的画面的烟雾和火焰均可及时准确识别。 它具有自动扫描、自动识别、自动报警、自动定位的功能，通过系统智能识别，发现火情实时向后端监控中心发送报警信号，同时会将火点位置在地图上精确定位，一旦火灾确定，决策人员可以通过视频追踪、资源查询、火情推演、预案管理等功能进行扑救会商并制定详细的灭火作战方案，达到快速消灭火灾的目的。 系统可协助管理人员，对监测区域内火焰做到全天二十四小时实时分析及时报警。降低误报和漏报现象，减少因火灾造成的生命和财产的损失，是人们同火灾做斗争的有力工具。

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

在接受治疗的8例患者中，研究人员观察到PD1-19bbz具有出色的临床安全性和有效性。有87.5%（7/8）的患者获得疾病完全缓解的效果，其中5例无癌生存已超过1年。“我们治疗的都是传统放化疗无效或治疗后反复复发的病人，这个临床结果证明这五年半的付出都是值得的。”

1.痛点问题 尽管目前已有一系列临床治疗手段，但癌症仍然是人类健康与生命安全的最主要威胁之一，大多数癌症仍然有巨大的未满足医疗需求。抗肿瘤药物的研发依赖于靶点分子的鉴定。因此，依托于新的抑癌靶点，开发全新的抗肿瘤靶向药，是当前创新药研发的前沿。现有药物靶点主要是蛋白编码基因，所开发药物以靶向蛋白质的抗体药、小分子化合物药为主。 长非编码RNA（lncRNA）是近年来发现的一类不编码蛋白质的RNA分子，具有组织特异性强，功能复杂，种类数量大等特征。研究发现多个lncRNA与各种生物学过程相关，但是大多数lncRNA的生物学功能仍然未知。学术界已发现多个与肿瘤发生发展相关的lncRNA，但目前尚没有靶向lncRNA的抗肿瘤药物上市或在临床试验中。鉴于lncRNA复杂、多样化、特异性的生物学功能特征，这一大类分子有望成为新的疾病治疗靶点库。与已知的蛋白靶点相比，lncRNA研究少，易于获得原创、高价值的靶点专利。这要求基础研发工作在特定生理或疾病状态下，从成千上万的lncRNA中准确鉴定具有核心、基础生物学意义的lncRNA，并详细解析其细胞功能与分子机制，确定其作为疾病治疗靶点的可行性与科学基础。 2.解决方案 在此前的研究中，本项目组以肿瘤体系为研究对象，开发了基于信息论的多组学数据挖掘与lncRNA功能预测方法流程。在多种癌症中鉴定了具有核心生物学功能的lncRNA。例如，首次发现一个此前从未被研究过的lncRNA对于肝癌肿瘤细胞等高增殖率细胞的核仁结构及功能至关重要。研究证明该lncRNA在肿瘤中特异性地高表达，并且对于肿瘤细胞的快速增殖不可或缺，因此项目提出以该lncRNA作为肿瘤治疗靶点，开发抗肿瘤小核酸药或小分子化学药，控制肝癌发展。 项目技术核心是在肿瘤体系中鉴定重要lncRNA的技术流程，预期产品是针对一系列lncRNA新靶点的靶向药物。 3.合作需求 1)资金需求：针对新靶点lncRNA的小核酸药临床前研发需要的资金投入，在IND申报前需约2500-5000万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、计算服务器、分析与测试公共实验室等； 3)团队：生物医药科技公司管理团队、核酸药临床前研发团队、商务开发与合作团队、财务、法务等支持团队； 4)CRO公司合作：小核酸序列大规模合成、敲低效率验证、动物模型、药物毒理、药代动力学、免疫原性等指标测试； 5)大型医药公司合作：商讨未来技术转让方案，利用大型医药公司临床开发资源，开展临床研发合作； 6)药物递送平台合作：针对小核酸药靶向递送需求，开展不同递送工具的合作开发； 7)临床医院合作：针对临床治疗需求，开展小规模IIT临床试验，准备IND申报； 8)基础研究合作：与lncRNA研究领域内国内外基础研究团队合作，开发新的lncRNA靶点。

1 项目简介本项目建立的生物云平台，以基于 Web 的方式提供服务，用户可以轻松快速获取服务，国内外普遍缺乏成熟的技术，标准和平台。我们首次把独具特色的机器学习模型预测算法与最新的高通量测序方法（ non-polyA RNA-seq） 相结合。我们的研究对象为长链非编码 RNA（ non-PolyA），目前国际上还很少有人通过高通量测序技术对疾病的 lncRNA 进行全面预测分析和功能分类。随着测序速度不断提高，测序成本不断降低，本项目将来可以发展为面向人民大众的个性化医疗服务的平台。 图 1 生物医学信息云平台的产业化方向 http://www.incrna.org图 2 生物医学信息云平台的应用程序一览 http://bioinfo.life.tsinghua.edu.cn/serve 本项目使用的核心技术“基于整合性生物信息云计算和新一代测序技术（ incRNA） 的非编码基因组疾病（如癌症）检测技术平台”已经通过软件查新认证（ 20121022044750914）。正在准备申请国家版权局软件著作权登记证书。2 效益分析（ 1）随着新一代高通量测序技术的发展，生物信息数据爆炸式增长，数据解读成为生物医学研究和临床应用的巨大问题，我们团队依托清华大学生命学院鲁志实验室在生物信息学，尤其是在 lncRNA 领域的技术专长开发的云计算平台将为广大科研工作和和临床用户提供可靠的数据分析云服务，提高他们的科研效率，为科学的发展做出贡献。 （ 2）我们团队通过与中国人民解放军总医院，上海肝胆医院等十多家临床单位的合作，将为鉴定癌症的早期诊断和药物治疗提供新的靶点，这不仅会增强中国基础临床科学的发展，通过临床应用还会为病患者带来癌症早期诊断、健康管理等个性化医疗服务，这将具有广泛的社会效益。 （ 3）通过我们打造高通量测序数据分析云计算平台和开展以癌症早期检测为主要内容的个性化医疗服务，将为中国培养一批高水平的生物信息数据分析人才，这将增强中国在生物信息学方面的实力。