1 成果简介智能交通系统已经成为交通运输发展的重要支撑。 2000 年左右我国正式从国家层面开展相关研究及示范工程，智能交通系统的发展已经成为各级交通相关部门的共识。 清华大学自 1996 年开展智能交通系统的研究及系统设计、开发工作，内容涵盖交通信号控制系统、交通信息平台、指挥调度系统、应急交通指挥等方面，形成了一系列具有自

本成果为自主研发的神经外科智能导航与手术机器人系统，核心包括手术规划软件、导航定向系统、机器人辅助器械定位和操作系统。 该系统能够提供开放的人工智能建模与手术规划功能，让建模与规划更加智能；提供个性化3D打印部件功能，让导航设置更简便，术中操作更安全；具有界面友好、功能强大的神经外科建模与手术规划软件，支持CT/MRI多模态图像自动配准融合、智能重建、解剖测量、手术方案设计等功能。此手术机器人可用于脑外科手术、活检、电极测量、囊肿或血肿等手术。机器臂可实现精确的术中定位，手术更加微创，并且可以连续稳定工作，降低医生疲劳程度，提高手术安全性。

一、项目分类 关键核心技术突破 二、成果简介 高温是很多新材料及制造过程的必须，因为高温下很多反应才能够发生并且更快速的发生。然而现有高温合成与制造技术有以下缺点： 1、温度有限； 2、升降温慢； 3、能源时间成本高； 4、过程开发和控制不智能等。 高温可以实现毫秒或者秒级的材料制造，从而大大加速了材料开发制造过程，允许在短时间内合成制造出大量产品并收集其信息及数据，通过对数据的处理分析，利用机器学习及人工智能的方法去指导新材料开发及智能制造过程，实现材料开发与制造的智能化升级。

项目背景：面向国民经济建设、JM 融合发展和国家重大 战略实施对全时空海洋大数据深度融合与精准分析的迫切 需求，针对地理空间离散几何化抽象难以表达海洋复杂语义 关系、海洋地理空间分析智能化水平不足等瓶颈，建立海洋 地理空间智能核心技术与软件系统。主要研究基于几何代数 学的全时空海洋对象建模方法，建立全时空海洋对象化表达 与海洋对象空间建模的理论体系；构建对象内嵌的海洋地理 空间智能算法库，建立面向海洋复杂场景动态演化的学习和 模拟模型；研制以数据-知识-模式三元组构成为基础、全时 空海洋对象化表达与智能计算为核心、具有自主知识产权、 国内领先的海洋地理空间智能基础平台软件和应用基础软 件，在海洋生态环境保护、JM 融合等领域开展应用示范。 所需技术需求简要描述：1.突破经典点线面几何空间建 模限制，构建基于几何代数学的全时空海洋对象建模方法； 2.研制知识驱动的海洋时空大数据智能计算方法，构建对象 内嵌的海洋地理空间智能算法库，建立面向海洋复杂场景动 态演化的学习和模拟模型；3.集成大数据引擎、知识引擎、 时空分析引擎、智能计算引擎和全息可视化引擎的多模态协 同的引擎中台研发，其中核心中台技术模块不少于 10 个；4. 以数据-知识-模式三元组构成为基础、全时空海洋对象化表 达与智能计算为核心、具有自主知识产权、国内领先的海洋 地理空间智能基础平台软件和应用基础软件研发，软件可管理 PB 级时空大数据，查询响应时间为秒级。  对技术提供方的要求:1.在海洋地理空间信息领域具有 较好的研究积累，具有海洋地理空间信息方向的发明专利及 省部级以上奖励。2.技术方案成熟可靠稳定有创新思维，不 涉及知识产权侵犯。3.主要负责人需要具有工学博士学位， 是国内外海洋地理空间信息领域著名专家，主持过海洋地理 空间相关国家项目。 

利用蚯蚓动物反应器将有机废弃物与脱水污泥进行同步处理，能够解决区域一定范围内的以污水处理厂污泥为主的有机废弃物污染问题。蚯蚓的适应和消化能力强，能够起到分解混合物中的有机物，调节系统的氧化还原条件和改善微生物群落结构等作用，迅速的完成将污泥到处理产物(蚯蚓粪和蚯蚓)的转化。本研究从资源循环利用角度出发，主要研究蚯蚓动物反应器对污泥处理的最佳反应条件及处理产物的应用前景，以期为更好的将有机废弃物与污泥一并资源化利用提供科学指导与理论依据。

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

1. 背景随着工农业生产的不断发展和人民生活水平的提高，氨氮的排放量急剧增加，已成为环境的主要污染源并引起了社会各界的关注。氨氮是引起水体富营养化的主要因素之一，对饮用水的安全构成一定的威胁。如何进一步削减工业废水氨氮/总氮的排放总量，是改善水质富营养化状况的根本措施。2. 关键技术：高效吹脱与氨资源化技术及装置3. 技术原理本项目针对传统氨氮吹脱技术目前存在的缺点，通过对氨吹脱塔填料及塔内件结构等的改进，强化气液传质过程，在提高氨去除效率的同时，降低气液比，缩短吹脱时间，从而显著降低能耗；同时开发新型氨吸收-解吸溶剂，采用高效吸收-解吸技术获得一定浓度的氨水，从而实现吹脱气中氨的高效回收与资源化，同时吸收-解吸溶剂能循环使用，从而消除二次污染，变废为宝，进一步降低氨氮吹脱技术的运行成本；进而运用集成化技术，对氨氮吹脱技术和氨高效回收资源化技术进行优化集成，形成高效、节能、低成本的高浓度氨氮废水处理与资源化预处理集成技术，满足工业企业对高浓度氨氮废水处理的技术需求。

多模态医学影像信息处理与分析，具有重大的应用背景，是国家和社会当 前高度重视的研究领域之一。 本项目拟基于机器学习方法，主要研究医学影像的特征描述、设备无关性 的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、 参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为： （1）建立统一的特征描述模型，实现跨模态医学影像的统一特征描述； （2）提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无 关性问题的通用框架； （3）在医学影像标注数据有限、数据库为海量等条件下，实现高效率单模 50 态影像检索，有效提高多模态、跨模态医学影像检索的精度，实现用户友好的 检索结果展示； （4）从结构复杂的多模态医学影像数据中，挖掘有用的知识，构建有效的 辅助诊断模型、实现个人疾病风险预警； （5）完成首期参考库建设与算法辅助研发平台的开发，为项目研究内容的 开展提供有效数据和环境支撑。本项目获得国家自然科学基金重点项目资助，项目执行期 2013.1-2017.12。

本发明公开了一种超大规模 RDF 图数据的划分与并行分布处理 方法，包括：对原始的 RDF 图数据进行预处理，生成对应的哈希字典 文件和整形三列表数据，并将整形三列表数据转换成关联矩阵 M；建 立关联矩阵 M 的超图模型，在该超图模型中，M 的主语、谓词和宾语 即为超边，与超边相关的数据即为超边数据；判断该 RDF 图数据是连 通图还是非连通图，如果是非连通图，则将该非连通图划分为多个连 通图；基于超图模型，并发的广