本发明公开了一种高性能silicalite分子筛膜的制备方法。该方法包含以下步骤：选取合适硅铝比的ZSM-5分子筛作为晶种；利用浸泡+擦涂的方法将适量晶种涂覆在载体上，干燥后形成晶种层；配制合成silicalite分子筛膜的合成液，室温搅拌陈化4小时；将带有晶种层的载体放入高压合成釜，并将陈化后的合成液逐滴加入后进行晶化；晶化完成后，用水洗涤、干燥，煅烧去除模板剂，得到silicalite分子筛膜。本发明首次使用ZSM-5分子筛制备晶种层，可以提高分子筛膜层与载体的结合力，减少膜层缺陷，显著提高分子筛膜的渗透汽化分离性能，具有良好的工业应用前景。

分子筛膜是在多孔陶瓷支撑体上通过水热晶化制备而成的一层分子筛薄膜，利用分子筛自身微孔道结构，可以实现分子水平的分离。分子筛膜渗透汽化脱水技术是一种新型的膜分离技术，通过膜一侧引入含水有机溶剂，而另一侧抽真空的方式，能够有效实现溶剂脱水，获得高纯溶剂产品。

脱色作为食品工业物质纯化的重要步骤，特别是在木糖醇、柠檬酸、味精等食品生产中都有重要应用。本项目以木糖醇脱色为突破口，通过系列对比和研究最终得到了粒状壳聚糖改性介孔分子筛。该材料具有壳聚糖大吸附量与介孔分子筛比表面积大（大于 500m2 /g）、吸附率快、结构稳定性好的特点，并可多次再生重复使用，提高了初次脱色产品质量，避免了碳酸氢钙和活性炭的污染源，可将脱色液体的 pH值提高，简化中和工序。利用此材料可将水解液直接脱色，大大提高了吸附效率。 应用领域及能为产业解决的关键技术： 该脱色分子筛现主要用于食品脱色领域，如木糖醇，柠檬酸，味精等的脱色处理，将该材料进一步改性，可应用于药品提纯，污水处理等行业，相关行业、跨行业扩散的能力也很强，市场前景十分广泛。 壳聚糖/介孔分子筛可代替碳酸氢钙和活性炭，无污染源，可再生利用，经济效益和社会效益显著。 技术产业化条件： （一）设备：1.用于填装壳聚糖介孔分子筛脱色剂交换柱，工作温度 30－100℃，设计处理糖汁能力 30m3 /h，适应于年产 500 吨精制糖生产线使用。2．再生装置，配套检测出料糖液色值及 SO2 含量，具有自动清洗交换树脂或脱色高分子材料的功能。3、用于糖汁暂存和保温的 10M3 储罐。2、液相色谱，用于测试糖含量及纯度。4、气相色谱及其自动进样器等。 （二）材料：低黏度壳聚糖、高黏度壳聚糖、分子筛、各种烷基铵盐、戊二醛、环氧氯丙烷、聚乙烯亚胺、醋酸、酸碱度标准物质、其它标准物质、氮气、氢气、实验室及生产设备及耗材、常用试剂等。 按年产壳聚糖改性介孔分子筛脱色剂 1000 吨进行计算，项目建设周期 12 个月，除基建投资外，设备投资总额为 400 万元左右。

本发明公开了一种基于保护智能中心系统的变电站系统。变电 站系统通过结合无线局域网、广域通信网和光纤通信网三种组网方式， 利用其各自优势实现了各变电站内部、各变电站之间以及保护智能中 心与各变电站之间的高效通信；同时，保护智能中心系统利用光纤通 信实现了其采集处理模块对变电站系统中各变电站运行数据的实时采 集，并通过其通信模块、故障位置判别模块和跳闸决策模块实现对采 集数据的分析计算，最终实现在变电站的站域保护退出检修后，由保 护智能中心系统作为故障变电站的后备保护系统取代故障变电站的保 护功能，极大

本发明公开了一种基于保护智能中心系统的变电站系统。变电 站系统通过结合无线局域网、广域通信网和光纤通信网三种组网方式， 利用其各自优势实现了各变电站内部、各变电站之间以及保护智能中 心与各变电站之间的高效通信；同时，保护智能中心系统利用光纤通 信实现了其采集处理模块对变电站系统中各变电站运行数据的实时采 集，并通过其通信模块、故障位置判别模块和跳闸决策模块实现对采 集数据的分析计算，最终实现在变电站的站域保护退出检修后，由保 护智能中心系统作为故障变电站的后备保护系统取代故障变电站的保 护功能，极大

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：

高校科技成果尽在科转云

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：

高效率、高精度智能化测量技术已成为我国发展高端制造业的瓶颈。本项目突破了高效率、高精度智能化测量的一系列难题，形成的自主创新关键技术有： 1．首次建立了基于运动学图谱分析的智能测量装备设计方法及通用性设计理论体系，使研发周期缩短了40%，研发费用降低了35%。 2．针对多传感器高精度配准的国际性难题，发明了多传感器联合标定标准器的设计方法。 3．针对测量装备伺服系统高平稳性控制的难题，率先提出了体现温度影响的非线性摩擦建模方法，测量装备运动平稳性提高了59%。 已申请国家发明专利18项（授权5项）、实用新型专利12项（授权12项）、软件著作权7项；以金国藩院士为主任的鉴定委员会一致认为项目整体技术达到国际领先水平。获得2013年天津市科技进步一等奖。 图1 缸套类零件检测用高效高精度智能测量装备 图2 惯性元件检测用高效高精度智能测量装备 图3 手机外壳检测用高效高精度智能测量装备

高效率、高精度智能化测量技术已成为我国发展高端制造业的瓶颈。本项目突破了高效率、高精度智能化测量的一系列难题，形成的自主创新关键技术有： 1．首次建立了基于运动学图谱分析的智能测量装备设计方法及通用性设计理论体系，使研发周期缩短了40%，研发费用降低了35%。 2．针对多传感器高精度配准的国际性难题，发明了多传感器联合标定标准器的设计方法。 3．针对测量装备伺服系统高平稳性控制的难题，率先提出了体现温度影响的非线性摩擦建模方法，测量装备运动平稳性提高了59