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：

铁路勘测设计一体化、智能化是系统地研究和建立以数字化信息为基础，以计算机应用技术拉通勘测设计全过程为主要特征的新的生产作业模式。所以，该系统应将使用各种勘察手段所采集的铁路线路及其相关的地形、地理、地质、水文等资料加工成数字化信息，通过接口界面进行信息处理并传输到工程数据库中。先进的计算机网络必须覆盖各专业CAD终端，各专业在集成化设计环境中共享工程数据的信息，完成本专业设计，同时输出数字化和可视化的设计成果，供后序专业应用。设计完成后，全部CAD设计电子文件通过网络直接归档，从而实现铁路勘测设计一体化。随着各专业设计专家系统的建成与不断完善，再实现勘测设计智能化。在一体化新的作业模式下，勘测设计的全过程可以理解为对一般数字化信息流的采集、加工和扩充的过程。外业的勘测和勘探资料是这股数字化信息流的源头，各专业的设计工作是对信息流的加工和扩充。最终完成的数字化信息就是设计成果和归档资料。设计与管理所面向的不再是原来的书面资料和图纸，而是在工程数据库统一管理下，在网络的终端上有序受控流动的数字化信息流。所以，实现勘测设计一体化的过程就是从以非数字化为基础的现有作业模式向以数字化为基础的新的作业模式转化的过程。实现这一转化需要建立新的勘测设计流程，研究解决新模式带来的一系列技术层面和管理层面的关键问题。 1)勘测设计资料数字化是新的生产作业模式的基础，只有后道工序需用计算机处理的资料是数字化的资料，才能保证整个设计过程形成数字化的信息流。这就需要外业勘测时尽量利用各种测量仪器的数字化功能，使第一手资料即是数字化的形式，同时资料整理必须利用计算机来完成，才能获得满足内业设计要求的数字化勘测成果。为了实现外业数字化勘测，重点应研究以下问题：充分开发利用航测、全站仪及各种遥感设备的数字化功能；研究既有地图如何实现高精度、高清晰度扫描数字化处理；开发在勘测现场的铁路线路初步设计方案比选系统，改变外业队的作业方式，建立与数字化勘测相适应的装备水平、劳动组织、作业内容和管理制度。 2)建立工程数据库是新的生产作业模式的核心，新模式与原有模式的重大区别之一就是外业与内业之间、各专业这间需要共享的数据都要通过数据进行存取，所有的设计成果都由数据进行保存与管理。所以，如何开发一个符合铁路勘测设计行业特点、功能强大的工程数据库管理系统是本项目研究的一个重点。为此，需要研究与解决以下关键技术问题：做好标准化工作，制定铁路勘测设计一体化数据格式标准，规定每个专业的哪些数据需要进；如何处理非结构化数据；如何制定适应铁路勘测设计特点的数据结构。 3)建立铁路勘测设计集成化设计环境是新的生产作业模式的关键，新模式与原有模式的重大区别之一，就是全部内业设计均在集成化设计环境中进行。设计集成化环境是以计算机网络为平台，工程数据为核心，设计流程管理为主线，各专业设计软件与程序数据库接口为主要内容的计算机集成应用体系。为此，需要研究与解决以下关键技术头题：建设技术先进的计算机网络系统；研究出一种适应各种软件和各种数据需求的专业设计软件与工程数据库的接口方案；开发设计流程管理系统，保证整个设计在受控，有序的条件下进行。从而实现完全消除专业间书面资料的往来传动，每个设计人员在自己的计算机站点上就可完成设计和前后工各种间的信息交换。 4)建成计算机档案管理系统是新的生产作业模式的重要内容，新模式与原有模式的重大区别之一，就是全部电子设计文件采用光盘存储并由计算机管理。计算机档案管理可实现在网络环境下直接检索、查询、浏览和下载电子档案文件，并为电子设计文件重复利用提供了极大的方便。为此，需要研究与解决以下关键技术问题。正确处理管理型软件与管理方式之间的关系，就是说，所编的档案管理软件应满足行业的需要，适应各设计院在档案管理上存在种种差别的实际情况，而不是让各设计院改变档案管理方式来适应所编的软件；能浏览各种格式的电子文件，使软件具有良好的实用性。 5)采用人工智能技术是实现铁路勘测设计智能化的主要途径。传统CAD技术的特点是辅助设计人员进行计算与绘图，没有智能功能。总结国内外经验后，我们认为，以专家系统、智能CAD为主要内容的人工智能技术在铁路设计中的应用是实现铁路勘测设计智能化的主要途径。铁路选线是带全局性的非常错综复杂的设计问题，一直以人工以验为主进行设计，只能对有限的方案进行研究，设计周期长，推荐方案往往不是最优的。所以，必须要研究铁路新线设计智能CAD系统，以提高设计质量。采用综合地质勘探方法来解决特定的工程地质问题被证明是行这有效的。由于综合地质勘探模式有几十种，采用哪一种模式来解决某一个具体工程地质问题往往是很复杂的、模糊的。采用的模式不适合，就不能有效地解决问题，所以要研究铁路地质综合勘探方法专家决策支持系统，以显著提高地质工作质量

产品详细介绍 电压：6V-24V 额定电流：10A(持续工作无需散热器) 额定电流：30A(持续工作需铝散热器) 额定电流：60A(持续工作需铝风扇散热器) 注：固态开关小，安静，没有移动部件，防止击穿和温度过高而熔融。出口商品，出口品质。

平面·UI、原画·插画、IT·技术、互联网·运营、其他设计等，零基础入门、精品小课。

产品创新设计用户体验测试评价技术，包括目标用户筛选、用户感知体验形 态显示、用户体验测试和数据分析和处理。1）目标用户筛选，根据设计定位, 采用心理量表，设计目标用户筛选标准，制作目标用户筛选问卷；2）用户感 知体验形态显示，将用户体验的对象拓展为设计效果图、设计原型、油泥模型、 虚拟现实和实物产品等多维的显示形态，提高用户的体验感知度；3）用户体验 测试，采用基于语义量表、脑电、皮电、心电、眼动、面部表情、行为观察的 等生理/心理相结合的体验测试手段，确保用户体验测试数据的可靠性；4）数据 分析和处理，采用基于时间序列尺度的多维测试数据共辗显示的数据分析方法和 无量纲愉悦度当量值数据处理模型。可用于产品创新设计，用户体验需求挖掘、 新产品设计方案与模型测试评价、产品上市前营销理念用户测试、产品品质和服 务用户体验测试以及标杆产品用户体验对标分析等应用领域。 用户体验测试评价技术包括眼动追踪技术：该技术能追踪用户视觉的轨 迹，测量眼动能直接反应和揭示内部的过程，可对设计方案视觉体验进行测试 评价；手指运动追踪技术：可追踪用户手指的运动轨迹、速度、角速度，可对产 品的人机交互已经可用性进行评估；面部表情分析技术：通过自动分析面部表 情变化的面部表情，通过它用户能够客观的评估个人情绪变化，可对用户感 知产品的情绪进行测量;脑电测试分析技术:采集用户体验过程中的脑电波数据, 通过脑电分析获取用户潜在的需求。行为观察分析技术：通过视频记录用户体 验过程中的动作和行为数据，对产品的可用性进行评价。 （1）某汽车企业车载信息终端手机互联产品人机交互用户体验测试。得到 了该汽车自主研发手机互联产品CA-LINK与百度手机互联产品C ar-life两者之间的用户体验对比测试结果，并对CA-LINK后期的改进提供了客观用户体验数据 支撑。 （2） 某医科大学嗅觉ERP实验服务。针对该医科大学提出的灭火救援环境 下消防员嗅觉脑电测试数据采集的需求，完成了 30名被试在硝烟、硫磺等气味 刺激下嗅觉体验的脑电数据。 （3） 某科技大学电动代步车概念设计与造型方案评选。运用桌面式眼动 仪对4款电动代步车方案进行概念阶段用户体验测试评价，等到了用户最喜欢 的设计方案。用户体验测试评价技术服务的盈利模式包括：（1）用户体验测试评价服务, 针对具体的产品创新设计用户体验测试需求，进行用户体验测试实验设计和服 务；（2）用户体验测试评价技术培训服务，为客户提供用户筛选培训、方案 设计评选培训、设备使用培训、数据处理与分析培训等服务；（3）用户体验 测试中心建设服务，提供用户体验测试中心建设的整体解决方案服务；（4）产 品租赁，对科研机构、高校、以及企业提供用户体验测试设备的租赁服务

1. 项目背景（1）压力容器设计及制造技术:A1级，指超高压容器、高压容器（包括单层、多层）；A2级，指第三类低、中压容器；A3级，指球形储罐；A4级，指非金属压力容器；C1级，指铁路罐车；C2级，指汽车罐车、长管拖车；C3级，指罐式集装箱；D1级，指第一类压力容器；D2级，指第二类压力容器；SAD级，指压力容器应力分析设计。（2）压力管道设计及制造技术：GA类（长输管道）；GB类(公用管道)；GC类（工业管道）；GD类(动力管道)。2. 技术优势提供质量体系文件及相关产品图纸，负责人员培训及取证许可咨询；质量体系文件及相关产品图纸均符合现行标准和规范要求。3. 技术水平质量体系文件及相关产品图纸均符合现行标准和规范要求。

从农场到餐桌的冷链（如收获、搬运、运输和储存）中，水果会受到各种伤害，例如机械损伤。机械损伤的存在会加速果实软化，甚至增加水果对真菌腐烂的敏感性。无损检测方法正在应用并取代人工方法检测果蔬的受损程度。该成果评估了高光谱数据与化学计量学方法相结合的表征和检测蓝莓非明显机械损伤的时间演化性能。通过多重比较，初步证明了蓝莓果实的物理特性比吸收冲击能更为显著。

机泵产品每年耗电量占全国总发电量的20％左右，是耗能大户。风机／泵在运行时，实际工况多变，如果在非设计工况下运行，会导致效率、可靠性、寿命降低。此外，噪声严重影响泵的使用效果和使用场景。 效率与振动是泵与风机等流体输送设备的主要技术指标，与此同时振动也直接影响着阀门作为流动控制部件的调节精度。现有通流部件设计更多从提高效率的角度出发的，对其振动指标缺乏足够的关注，尚未形成系统的低振动通过流部件设计方法。本技术在过流部件设计上突破现有模型库和设计理念，通过研究流体机械内部流动机理、液力过程及能量转换机理，利用CFD分析和三元流设计工具来开发高效、低振动过流部件模型。 轨道交通风机主要应用于隧道通风排烟系统、车站通风空调系统和车辆段通风空调系统。本项目成果基于对地铁站点的典型关键风机组群进行健康状态预测性维护。能够实时、远程监测和诊断典型故障类型，适用于关键风机组群，例如隧道通风排烟系统和车站通风空调系统的风机设备，包括区间隧道风机、车站排热风机、车站通风空调系统的大系统和小系统风机。本项目通过对上述轨道交通通风关键风机设备运行安全的监测和节能优化的研究，积累大量数据，并经过在试点车站的实践基础上，总结风机设备的安全导则，开发风机安全监测平台，建立风机设备的安全评价体系，最终进一步提升风机设备系统运行的安全性、可靠性和经济性，实现轨道交通安全、绿色运营。