产品详细介绍

       虚拟现实智慧教室解决方案，将虚拟现实技术应用到常规教育中，通过VR头盔、VR眼镜、VR桌面交互一体机等硬件设备，营造超强沉浸感的智慧课堂，让每位学生都有探究创新的实训操作机会，是VR+教育的最新教学解决方案。 软件资源： 虚拟现实（VR）智慧教室优势： 1） 视听化教学，生动有趣 虚拟现实技术将难以出现或实现的场景模拟出来，让学习者与虚拟场景进行探索、互动，立体形象、生动有趣的场景，让学习成为探索之旅。 2） 模拟实验教学场景，安全保障 虚拟现实技术将一些危险性的实验、或存在一定风险的体验学习模拟成场景，让学生在教室里体验“尖峰时刻”。 3） 人机交互，培养探索能力 虚拟现实的技术，让人机进行互动，虚拟与现实进行互动，大大地激发了学生的学习兴趣，让学生更积极主动去探索、去学习。 4） 智慧化技术创新，方式多样 虚拟现实（VR）智慧教室可扩展融合AR技术，学习方式有趣多样。

新开普业界首发以微服务为核心架构的全新校园一卡通联机交易平台，秉承“大平台 + 微服务”概念，以学校智慧校园建设为整体框架，以微服务、容器化技术为牵引，完成一卡通业务与智慧校园体系完美融合，为国内高校智慧校园顶层及应用服务建设提供有利建设依据。 新一代校园一卡通系统采用“金融在线”联机交易模式，参考银行金融支付体系，多种介质共用一个“钱包”，达到“多种介质、多种支付、一个账户、统一管理”的目标，彻底颠覆传统一卡通支付及认证模式。平台底层架构采用 kubernetes 微服务技术和 docker 容器化部署方式，实现了平台业务处理能力的大提升，可支持高并发、高容错、高性能、高效率，引领行业发展。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

新能源学院赵学波教授领衔的氢能团队在具有工业应用前景的丙烷氧化脱氢制丙烯高性能催化剂研究方面取得新进展，相关论文《含硼金属有机框架化合物衍生的球形超结构氮化硼纳米片》（A Spherical Superstructure of Boron Nitride Nanosheets Derived from Boron-Contained Metal-Organic Frameworks）在国际化学领域顶级期刊Journal of the American Chemical Society发表。我校2016级博士生曹磊、新能源学院代鹏程副教授为该论文共同第一作者，新能源学院赵学波教授、代鹏程副教授、昆士兰大学Yusuke Yamauchi教授为共同通讯作者，中国石油大学（华东）为第一署名单位。 丙烯是极为重要的大宗化工基础原料，后续衍生出的众多有机化工产品在建筑、汽车、包装纺织等领域有广泛应用。近年来随着丙烯下游产业规模的迅速扩张，传统的丙烯来源已无法满足市场需求，因而亟需开发新的丙烯来源。丙烷氧化脱氢制丙烯具有底物转化率高、工艺能耗低和无积碳不易失活等优势，极具工业应用前景。但是由于产物丙烯容易与氧化剂发生过度氧化，降低了目标产物的选择性，从而让丙烷氧化脱氢工艺一直无法达到工业化的要求。因此，开发一种高效催化剂，抑制过度氧化，提升产物中丙烯的选择性是推动丙烷氧化脱氢发展最直接有效的手段。 氮化硼是目前烯烃选择性最高的丙烷氧化脱氢催化剂，但是单程烯烃收率离工业化需求仍有一定差距。通过可控合成提高活性物种在氮化硼表面的含量和分散度是一种提升催化性能的有效途径。构建分层的三维结构，尤其是基于二维氮化硼纳米片为基本单元的球状三维结构，有助于提高边缘活性物种的含量。除丰富的边缘活性位点外，特殊的三维球状结构促使反应混合气沿着球面进行有效地扩散并充分与活性位接触，提高催化剂的催化活性。然而迄今为止，如何控制氮化硼纳米片自组装形成三维球状超结构仍是一个充满挑战性的工作。 针对上述问题，研究人员以金属有机框架化合物（MOFs）为前驱体，通过溶剂热转换的方式制备了三维球形超结构MOFs纳米片（SS-MOFNSs），并进一步以SS-MOFNSs为自牺牲模板，制备了球形超结构氮化硼纳米片（SS-BNNSs）催化剂。 SS-BNNSs在丙烷氧化脱氢反应中表现出了优异的催化性能，510 ºC的操作温度下，产物中烯烃的收率达到了40.2%（丙烯，27.8%；乙烯，12.4%），远超商业化的氮化硼纳米片（丙烯，23.8%；乙烯，8.6%）和高比表面积的氮化硼纤维（丙烯，20.7%；乙烯，10.2%）。通过系统的表征可以发现，SS-BNNSs表面富含B-OH，让催化剂无须活化就可以直接催化反应进行，同时特殊的结构优势提高了活性物种的分散度，利于反应气与活性位点快速接触和产物丙烯的迅速脱附，提升了产物丙烯的单程收率。SS-BNNSs自组装的构造过程和结构优势带来的性能提升拓宽了催化剂的设计思路。 该研究成果获得审稿专家充分肯定，审稿专家一致认为该工作提出的含硼MOFs衍生三维超结构氮化硼纳米片具有很好的创新性，其作为丙烷氧化脱氢催化剂表现出的高烯烃收率在工业应用方面具有较大潜力，为丙烷氧化脱氢催化剂的研究提供了新的参考。

大会将围绕新能源及智能网联汽车产业发展趋势及西咸新区高质量创新发展等需求，汇聚新能源及智能网联汽车与相关产业的新理论、新技术、新成果，联通政产学研用各界，打造高端学术交流平台、成果发布平台、创新合作平台、产业聚集平台和投融资对接平台，建立长效合作机制，推动产业结构转型升级和经济高质量发展。

大会将围绕新能源及智能网联汽车产业发展趋势及西咸新区高质量创新发展等需求，汇聚新能源及智能网联汽车与相关产业的新理论、新技术、新成果，联通政产学研用各界，打造高端学术交流平台、成果发布平台、创新合作平台、产业聚集平台和投融资对接平台，建立长效合作机制，推动产业结构转型升级和经济高质量发展。

氧化铁石墨烯复合材料目前涉及的电化学方面的应用包括锂离子电池、超级电容器和燃料电池。氧化铁（包括Fe3O4，α-Fe2O3和γ-Fe2O3）是制作电化学器件非常有前途的材料，不仅具有成本低、无毒性、化学稳定性好等优点，还具有较高的理论电容量。但在实际使用时又因为自身导电性的不足以及反应的循环稳定性差等问题受到了限制。石墨烯因其具有超高的比表面积，较高的导电性，优异的化学和热力学稳定性，以及独特的光、热、机械性能，成为了非常合适作为制作电化学能源存储和转化器件的材料。负载氧化铁在石墨烯上，不仅能够弥