平台功能 1.日常教学管理 2.教学考核 3.学习情况查询 4.工学结合 5.支持自由组课 6.招聘就业

本成果首先参照 GenBank 收录的 23 株 SAFV P72 蛋白全基因序 列设计一对特异性引物，根据设计的引物探针最佳反应体系和反应条件，并对 建立的 PCR 反应方法进行敏感性、特异性、重复性试验；其次，参考非洲猪瘟 病毒 Con09/Bzz020 株 p54 基因的核苷酸序列，进行 p54 蛋白的体外表达，并进 一步建立一种间接 ELISA 检测方法，所建立的两种检测方法具有很好的应用性， 能够用于非洲猪瘟疫病的检测。同时建立了非洲猪瘟的风险分析和预警技术。 该技术能对非洲猪瘟进行临床鉴别诊断和预警分析，特异性好，灵敏度高，应 用前景广阔。 

1、面向B5G/6G的新型无线通信技术，包括高频段无线通信、超大维空时无线传输、超密集无线异构网络、巨址无线通信等技术，解决未来移动通信“巨流量、巨连接”需求； 2、无线通信与人工智能及大数据深度融合，探索基于人工智能的无线传输与组网技术途径，建立数据-模型联合驱动的无线资源调配 王教授专攻区块链与无线通信技术融合与应用，提出了B-RAN (Blockchain Radio Access Network) 新型网络架构，以及基于区块链的新型无线接入机制，为无线网络资源最优配置提供了新思路与新方法。

本发明属于电法地质预测相关技术领域，并公开了一种适用于 测试固相试样与供电电极之间面极化效应的系统，其包括信号发生单元、试样测量单元、数据采集单元和中央处理单元，其中信号发生单 元用于产生幅值恒定且频率变化的正弦波电压信号，然后放大及转换 为幅值恒定的正弦波电流信号;试样测量单元在供电电极与固相试样 之间的界面上加载正弦波电流信号来激发极化效应，并采用多个测量 电极等距插入固相试样中，由此对各测量点与供电电极之间的电压值 进行测量;数据采集单元多通路采集测量数据，然后输送至中央处理 单元计算得出结果

洁净厂房作为高洁净度生产场景的核心载体，其选址规划、厂区布局、主体建设与配套设施设计，直接决定了生产环境的洁净可控性与产品质量安全。为从源头规避污染风险、保障洁净生产体系长期稳定运行，结合行业合规要求与工程实践经验，对洁净厂房全流程建设核心要求进行系统化规范与细化明确如下： 一、洁净厂房选址核心要求 洁净厂房选址应遵循 “源头防控、合规优先、风险可控” 的基本原则，优先选择环境清洁、无显著污染隐患的区域，从地理区位上杜绝外源污染物对生产环境的侵扰，核心管控要求如下： 污染源防护距离管控洁净厂房选址应与各类有毒有害场所及其他污染源，保持不低于 25 米的最小卫生防护距离，确保生产环境不受外源污染物污染。其中污染源特指可能产生病原性微生物污染、严重危害性污染物的场所，主要分为三大类：一是工业扩散性污染源，包括化工厂、水泥厂、石材加工厂、石灰厂、冶炼厂、危险化学品生产仓储企业等，存在持续性粉尘、有毒有害气体、放射性物质及其他扩散性污染物隐患的场所；二是固体废弃物与环卫污染源，包括生活垃圾、工业固废的收集、存放、中转、处置全链条场所；三是生物性污染源，包括畜禽屠宰场、规模化畜禽饲养场、公共厕所、集中式污水处理设施等易滋生病原微生物、产生恶臭污染的场所。 选址环境底线要求厂区严禁选址于对食品、药品、精密元器件等生产产品存在显著污染风险的区域，厂区周边不得存在有毒废弃物处置点、持续性粉尘排放源、有毒气体扩散源、放射性物质存放点等无法通过防控措施消除的扩散性污染源。选址阶段应同步评估区域常年主导风向，优先将洁净厂房设置于污染源的常年主导风向上风向区域，避开下风向污染扩散带，最大程度降低大气污染物侵入风险。 不可规避污染源的防控要求若区域内各类污染源难以完全避开，必须开展专项污染风险评估，并配套设置可靠、有效的污染防范措施。包括但不限于设置全封闭物理隔离围挡、高密度防护林带、强化净化新风系统的多级过滤等级、调整新风取风口位置与高度等，经技术验证可彻底清除污染源对生产环境造成的影响，杜绝交叉污染风险后，方可开展后续建设工作。 二、厂区总平面布局与环境管控规范 厂区整体布局应遵循 “功能分区清晰、动线合理分离、污染全程防控” 的原则，实现厂区全域环境的闭环管控，核心要求如下： 功能分区与交叉污染防控厂区应按生产属性、洁净等级、使用功能，明确划分洁净生产区、辅助生产区、仓储物流区、办公生活区四大功能板块，各区域边界清晰、动线独立，严禁交叉设置。其中生活区与洁净生产区必须保持足够的防护距离或完全物理分隔，生活污水、生活垃圾处置设施、餐厨区域等，应远离洁净车间设置，杜绝生活源的生物性、化学性污染物向生产区域扩散。厂区人流、物流、污流应设置独立通道，顺向流转不折返、不交叉，从厂区全局规避交叉污染风险。 厂区全域环境与虫害防控厂区应保持全域环境整洁，无裸露垃圾、无积水洼地、无卫生死角，从源头消除鼠类、蚊蝇、蟑螂等病媒生物的孳生条件。生产场所周边不得设置易导致虫害大量孳生的潜在场所，若厂区周边存在此类风险源，必须配套设置全封闭物理隔离屏障、常态化虫媒监测体系与无害化消杀方案，确保洁净生产环境不受生物污染侵扰。 厂区道路与绿化管控厂区内主干道、支道及生产区周边道路，应全部采用混凝土、沥青等硬质材料铺设，路面平整密实、无破损、无扬尘、无积水，确保人流、物流运输过程不产生二次粉尘污染。厂区绿化应遵循 “防污染、防虫害、低干扰” 原则，绿化植被与洁净车间外墙、新风取风口应保持不小于 5 米的安全距离；优先选择无飞絮、无花粉扩散、易养护的常绿品种，严禁种植易滋生虫害、产生大量花粉 / 飞絮的植物。绿化区域应设置完善的灌溉与排水系统，定期开展修剪、养护与病虫害防治工作，杜绝绿化区域成为虫害孳生地与粉尘污染源。 三、厂房与洁净车间主体建设要求 厂房与洁净车间的建设规模、功能布局、洁净等级设计，必须与生产产品的品种、生产批量、工艺要求及行业合规标准完全适配，核心要求如下： 空间适配与作业区划分厂房应具备与生产规模相匹配的建筑面积与空间尺度，根据生产工艺流程、洁净度级别要求，合理划分洁净作业区、准洁净区、一般生产区、辅助作业区等功能区域。工艺布局应遵循 “由低洁净度向高洁净度逐级过渡” 的原则，减少洁净区域的非必要开口，各区域动线顺向不交叉，杜绝生产过程中的交叉污染。洁净车间的空间尺度应同时满足生产设备安装、人员操作、物料流转与净化系统运行的双重需求。 关键功能区域物理分隔厂房内设置的检验检测室、原辅料暂存区、成品仓储区、工器具清洗消毒区等，必须与生产作业区域（尤其是高洁净度生产区）进行严格的物理分隔。其中检验室应独立设置，与生产区域完全分隔，检验过程中产生的废液、废弃物、微生物培养物等，应设置专用的处置通道与无害化处理设施，严禁检验区域的污染物回流至生产区域，造成产品污染。 建筑结构基础规范厂房建筑结构应具备良好的密闭性、保温隔热性与结构稳定性，洁净车间的墙体、地面、顶棚应采用平整光滑、无裂缝、不积尘、易清洁消毒、耐腐蚀的合规材料，符合洁净生产环境的建筑规范要求。车间门窗应采用密闭性良好的材质，配套设置防虫、防尘、防鼠设施，洁净区域的门窗不得直接向非洁净区域开启，确保洁净环境的密闭可控。 四、净化系统配套空间与建筑条件专项要求 洁净车间的净化空调系统、送回风管路等核心设施，对厂房建筑本体条件有明确的专项要求，需在厂房设计与选型阶段同步规划、提前预留，保障净化系统稳定达标运行，核心要求如下： 车间层高与竖向空间预留洁净车间的楼层净高，需结合净化系统送回风管道管径、安装空间、吊顶内障碍物（消防管线、结构梁体等）的高度综合核算，楼层最低有效净高，即障碍物底部至地面的净距，必须满足通风管道安装、设备布置与后期检修的最小空间要求。送回风主管道的管径，需根据车间设计洁净等级、换气次数、所需总风量进行精准水力核算，同步预留管道保温、支吊架安装、检修操作的冗余空间，严禁因层高不足导致风管管径压缩、风量不足，进而影响洁净车间洁净度达标。常规非单向流洁净车间，吊顶内风管安装区域的净空高度不宜低于 1.2 米，车间完成面净高需同时满足生产设备安装与人员操作需求。 净化空调机组安装空间预留净化空调系统分为室外机组与室内洁净送风柜（空气处理机组 AHU）两大核心部分，厂房选型与设计阶段必须同步预留对应安装空间。其中，室外空调机组的安装位置，需具备良好的通风散热条件，远离粉尘、油烟、废气排放口与新风取风口，预留机组安装、检修、维护的充足操作空间，同时需提前规划机组运行的降噪减震措施，避免对周边环境与洁净车间造成振动与噪声影响。室内洁净送风柜应优先设置在专用的净化空调机房内，严禁直接设置在洁净生产区域内，机房位置应靠近洁净车间，缩短送风管路长度，降低风量损耗与冷量损失。 专用净化空调机房设计要求厂房总建筑面积规划中，除生产所需的洁净车间、辅助区域面积外，必须根据净化系统的冷量需求、机组规格、管路排布，预留独立、专用的净化空调机房。机房的面积、层高、承重荷载，需与空调机组、水泵、水箱、配电控制系统等设备的尺寸与运行参数完全匹配，同时预留设备检修、管路更换的操作空间。机房应设置完善的通风、排水、降噪、减震设施，满足设备长期稳定运行的环境要求，严禁将机房与生产区域、仓储区域合并设置，杜绝设备运行产生的粉尘、噪声、振动对洁净生产环境造成干扰。 送回风管路系统的建筑适配洁净车间的送回风管道布局，应在厂房建筑结构设计阶段同步规划，提前预留主管路的穿梁、穿墙孔洞，规避结构柱体、消防管线、给排水管线等障碍物对管路排布的影响。回风系统的设计需结合车间布局，合理设置回风夹道、回风竖井，预留对应的建筑空间，确保送回风系统的气流组织均匀，满足洁净车间的洁净度、温湿度、压差控制要求。 本规范所有技术要求，除满足上述条款外，还应符合《洁净厂房设计规范》GB 50073、对应行业生产质量管理规范（如食品生产通用卫生规范 GB 14881、药品 GMP 等）的国家现行标准要求，实现合规性、安全性与实用性的统一。

1. 成果简介预制缸套然后铸造或装配是采用铝合金制造汽车发动机缸体的一种主要成形工艺。传统的缸套都是用铸铁制造，铸铁耐磨性好，但热导率较低，铝合金导热率是铸铁的 4 倍，采用铝合金制造缸套的优势是迅速将发动机燃烧产生的热量传递出去，避免机油焦化，从而显著提高发动机的升功率（功率密度）。过共晶 Al-Si 合金具有热膨胀系数小、耐磨性好、热导率高、高温性能好等特点，是制造发动机缸套的理想材料。图 1 挤压铸造件              图 2 机加工后零件                 图 3 初生硅和共晶硅分布 采用常规铸造方法成形过共晶铝硅合金，疏松倾向大，强度和韧性低，而且显微组织中初生硅的尺寸难以控制。挤压铸造是液态金属在较高外加压力（百兆帕）作用下凝固成形的一种先进铸造工艺，铸件在低速下充型，高压下凝固，内部致密，组织细小，并能通过热处理强化。 清华大学成功开发了过共晶铝硅合金缸套挤压铸造成形技术，具有非常好的发展潜力和产业化应用前景。2 应用说明采用铝合金制造发动机缸套甚至全铝发动机缸体是国外主要汽车企业开发高性能发动机的重要技术之一。采用喷射沉积加挤压或锻造工艺已有相关产品，但由于工序多、流程长造成生产率低、成本高。清华大学开发的过共晶铝硅合金缸套挤压铸造成形技术具有短流程、近净成形、优质、高效、节能等优点，目前正在与汽车发动机制造企业合作，进行技术评价与应用。 申请国家发明专利 1 项。3 效益分析缸套作为汽车发动机生产中的一个重要配件，其用量大，产品和技术相对独立，原材料充足，设备投资小，适于中小企业给发动机厂配套，特别是适合于已经在给发动机厂配套铝合金活塞等部件的企业发展这一技术和产品，易于在现有客户渠道基础上丰富产品种类，同时较高的技术含量可以避免被简单模仿和恶性竞争。

1. 成果简介预制缸套然后铸造或装配是采用铝合金制造汽车发动机缸体的一种主要成形工艺。传统的缸套都是用铸铁制造，铸铁耐磨性好，但热导率较低，铝合金导热率是铸铁的 4 倍，采用铝合金制造缸套的优势是迅速将发动机燃烧产生的热量传递出去，避免机油焦化，从而显著提高发动机的升功率（功率密度）。过共晶 Al-Si 合金具有热膨胀系数小、耐磨性好、热导率高、高温性能好等特点，是制造发动机缸套的理想材料。2 应用说明采用铝合金制造发动机缸套甚至全铝发动机缸体是国外主要汽车企业开发高性能发动机的重要技术之一。采用喷射沉积加挤压或锻造工艺已有相关产品，但由于工序多、流程长造成生产率低、成本高。清华大学开发的过共晶铝硅合金缸套挤压铸造成形技术具有短流程、近净成形、优质、高效、节能等优点，目前正在与汽车发动机制造企业合作，进行技术评价与应用。 申请国家发明专利 1 项。3 效益分析缸套作为汽车发动机生产中的一个重要配件，其用量大，产品和技术相对独立，原材料充足，设备投资小，适于中小企业给发动机厂配套，特别是适合于已经在给发动机厂配套铝合金活塞等部件的企业发展这一技术和产品，易于在现有客户渠道基础上丰富产品种类，同时较高的技术含量可以避免被简单模仿和恶性竞争。4 合作方式技术转让或合作开发。5 所属行业领域先进制造。

项目概况 该静态模型提供了一个融建筑平台、空调设备、中央空调系统于一体的、具有自由拼装搭接功能的实时教学环境、产品展示平台。 本项目处于国内先进水平，拥有自主知识产权。主要特点 该模型将平台、设备及系统融为一体。具有三大部分： （1）建筑平台。我们认为，建筑平台与中央空调系统是一个有机的整体，离开建筑平台谈中央空调，有如无水养鱼，这正是市面上诸多空调模型的弊端所在。 我们提供的建筑平台以建筑的梁、柱、墙体等为基本部件，按建筑模数等比例制作，部件之间采用了拼装结构，可拼出任意种建筑形式。让学生在自由拼装中了解建筑知识。 （2）设备模型。包括了中央空调从主机到末端的各类设备的实体静态模型。各模型均按主流品牌的设备外形等比例制作，效果逼真，接口清晰。 （3）系统搭建。利用上述建筑平台、设备模型，以及配套的管材、配件，学生可自行搭建各类中央空调系统。 系统可用于教学，也可用于产品展示。 技术指标     模型按建筑模数等比例制作，通用接口，观察、搭接方便、实用性强，可反复使用。是一种新颖的教学和产品展示平台。市场前景     近年来在部分教学活动中使用，赢得了众多客户的信任和支持，具有良好的市场前

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。

  肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。    研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。