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：

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：

在串联回路中，当电弧或放电现象发生时，对电流进行频谱分析，根据电流 的频谱特征变化来确定是否有电弧发生，提供预警信息或保护动作。为了防止在 开关的瞬间或受到其他脉冲电流的干扰造成电弧故障检测电路误动作，同时在频谱分析的基础上综合电弧时间长短等其他特性作为电弧故障的判据。系统的硬件 部分包含电流检测、滤波、故障特征提取等模块。软件部分包含信号采集、信号 处理、故障判别等模块，并综合时间等其他因素降低误报率，提高检测系统的可 靠性。在算法中，采用了人工智能算法以提高系统的适应性。主要成果包

本发明公开了一种基于CMA?ES优化算法设计声学超材料单元的方法，该方法将CMA?ES优化算法和有限元分析方法集合，CMA?ES优化算法可以对0?1排布的阵列进行优化，每一个尺寸维度的0?1阵列，都对应一种声学超材料单元结构，其中，0和1分别代表由空气或光敏树脂构成的声学单元结构的子单元；在优化过程中，每一个声学超材料单元结构的等效折射率和阻抗值可以通过有限元分析方法分析提取，作为CMA?ES优化算法中适应度函数的变量；通过对适应度函数的值进行优化，最终可以得到最优的、满足设计要求的声学超材料单元结

本项成果对传统的协调控制算法进行了优化研究，可以使城市道路绿波带控制的效果得到改善，使交叉口通行效率获得提升。仿真表明，本项成果的应用可以使延误减小10%~20%。

本发明公开了一种基于动态规划算法的网络数据传输能耗优化 方法，具体步骤为：①统计当前网络传输任务列表及截止时间列表， 挑选出最大截止时间，作为所有任务的结束时间；②若当前有新任务 加入，则根据任务列表、截止时间列表、网络带宽状态，通过本发明 中改进的动态规划算法计算出传输决策方案，以此控制网络传输，时 间推进并执行步骤①；③若当前无新任务到达且任务未完成，则按照 最近一次的传输决策序列控制网络传输，时间推进并执行步骤

1、项目简介 本项目在三维荧光光谱技术的基础上，建立光谱数据矩阵计算模型和处理方 法，建立了基于荧光光谱和智能算法的食品安全检测新技术。应用于白酒检测， 实现了白酒品种和年份酒年份的科学化、仪器化和智能化鉴别和测定；应用于食 品添加剂检测，实现了目标物的种类和含量的方便、快捷、灵敏、准确测定。 2、创新要点 本项目研发用于复杂混合物体系检测的高分辨率荧光光谱技术，结合数学建 模方法和智能计算技术，以三维荧光光谱获得更多信息，以三维数阵校正智能算 法进行混合物光谱特征信息的提取和处理，在处理复杂混合物体系光谱信息方面 发挥优势，实现了以“数学分离”代替“化学分离”、以“计算识别”代替“人 工判别”，解决了复杂混合物荧光光谱特征指向问题，建立了新的食品安全检测 技术。 3、效益分析 “白酒年份酒的荧光光谱检测技术及鉴别系统”可实现对所建库中不同品牌白 酒及不同年份白酒进行准确鉴别，可应用于白酒企业的生产管理和年份白酒消 费市场的监督管理，将促进我国白酒年份酒的产生和销售的规范和发展，推动 品牌白酒鉴别工作的技术进步，为打击假冒伪劣、保护名牌提供技术支持，具 有直接的经济效益和良好的社会效益。 4、推广情况 建立的白酒荧光光谱检测技术对“中国白酒 169 计划”和“白酒 3C”计划的 家白酒企业的产品进行了应用。在“山西杏花村汾酒厂股份有限公司”，本项目 成果已应用于公司的生产管理和市场的监督管理.本项目成果已在“无锡市凯得 灵糖果食品有限公司”得到应用，应用于公司生产原料和成品的检测。为本公司 确保产品质量，提供了有效的技术支持，促进了产品质量的稳定和提高，应用二 年多时间以来，糖果的产销量有了显著的增长

小试阶段/n随着通用处理器的主频突破4GHz，人们发现单一提升主频的做法已经不能再有效地提高性能，反而却带来了功耗的急剧上涨，高频率的道路逐渐走到了尽头。于是对于计算机处理器的研究开始转向多处理核心的方向。处理器本身的结构关系到整个芯片的面积、功耗和性能。如何继承和发展传统处理器的成果直接影响到多核处理器的性能和实现周期。。本成果由多项发明专利成果共同构成，共同解决智能互联设备中的能耗和性能优化问题。主要包括：针对多核处理器的任务调度相关优化方法、与输入输出相关的缓存优化方法、移动智能终端上图片显示

通常达到机械轻量化的主要途径有两种：一是改进机械本身使用的材料，二是采用先进设计手段，使机械结构更加合理。采用新型材料由于制造成本、加工工艺、环保等方面的问题，新材料很难用于一般机械上，而通过结构优化在保证满足性能要求的前提下，实现轻量化却更具有实际意义。