基于安徽煤田地质条件复杂、 防治难度大，首次提出近含水 层下“短大快流” 、采动裂隙 疏放、协同耦合的控水开采新 技术。发明了长顺层与短穿层 钻孔快速立体疏水技术，形成 “定量放、疏-堵-控-用”结合 的承压水上开采技术。提出了 巷道穿越深大断层的“三区” 新方法，攻克了穿越深大断层、 缩小断层大煤柱防控采支技术。 项目技术成果达到优于同类， 国际先进水平。

本项目面向动漫影视等产业应用需求，基于国产亿亿次及以上的高效能计 算平台，研究突破一批关键技术，研发一套软件，构建一个服务平台，开展行 业示范应用。具体的，项目研究高度真实感渲染及在高效能计算节点上的并行 优化方法，研究大规模并行渲染任务管理和数据管理等支撑技术。研发可有效 49 运行于国产亿亿次平台的自主版权真实感渲染引擎 RenderWing、渲染任务管理 软件、渲染存储管理和 Maya/3DsMax 渲染使能工具集。构建基于国产高效能计 算机的渲染服务平台，可支持 30 万以上处理器核，并行效率大于 50%。 通过 真实感特效着色器库、渲染使能接口、渲染门户和渲染咨询服务等方式，面向 电影渲染、影视特效渲染、3D 动画渲染和 3D 广告/宣传片渲染等领域，开展行 业示范应用和推广。

在电商物流的新业态下，针对竹笋产业物流发展的痛点与难点，研发了竹笋专用纳米改性包装材料及专用相变蓄冷材料，实现了竹笋保鲜的安全化、精准化与高效化。 一、项目分类 关键核心技术突破 二、成果简介 浙江大学“竹笋贮藏与加工关键技术研究及应用”于2018年度获浙江省科技进步一等奖，该成果在竹笋保鲜机理、精准保鲜技术研发、活性物质评价以及精深加工关键技术等方面均取得了重大突破，成果应用于竹笋物流保鲜及竹产品高值化加工等领域，推动了我国竹产业的产业升级，助力了国家乡村振兴。成果获奖后持续进行了创新与转化应用，在电商物流的新业态下，针对竹笋产业物流发展的痛点与难点，研发了竹笋专用纳米改性包装材料及专用相变蓄冷材料，实现了竹笋保鲜的安全化、精准化与高效化。2018年后，研发产品分别在浙江蓄冷能源科技股份有限公司及温州万科农业开发有限公司投入生产使用，成效显著。上述研发产品显著延缓了竹笋木质化，竹笋可使用率提高34%，加工周期由原来6个月延长到10个月，扭转了竹笋产业的困局，经济和效益显著。

在过程控制中，若要使生产过程处于最佳运行工况、实现卡边控制，提高装置的经济效益，就必须要对生产过程的重要过程变量进行严格控制。然而对许多工业过程来说，一些重要的输出变量目前还很难通过传感器得到，即使可以测出也不一定具有代表性，不能总体的反映出设备的运行工况。为了解决这类变量的测量问题，出现了不少方法，目前应用较广泛的是软测量方法，目前软测量在流程工业中已得到广泛应用。

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：

以先进的嵌入式技术为中心，开发一套智能隔爆式磁氧分析系统， 实现分析仪器的在线检测，自动标定，故障诊断，在线显示分析结果，并以数字和模拟趋势两种方式输出，为工业现场DCS系统提供工艺流程中样品的分析结果。仪器实现了恒温检测消除温度漂移，自动压力补偿，减小压力影响。 技术优势： 可实现O2的全量程在线测量；性能稳定、选择性好。仪器的性能指标为： （1）测量范围：0%-100%O2 （2）零点漂移：<0.1%/天；<0.2%/月 （3）对N2O、CO、CO2、H2O等的选择性误差：<0.3% （4）NO2的选择性误差：<5% （5）对NO的选择性误差较高：<43%

该技术应用于生猪养殖领域。通过对国外先进的设施设备和理念的创造性转化，建立了高标准、专业化的公猪站。在此基础上，持续开展了优质种猪的遗传选育；开展了生物安全体系建设和重要疫病的防制研究；运用大数据分析方法影响了影响猪精液品质和淘汰的主要因素；建立了提高猪精液品质和降低公猪肢蹄病发生率的营养调控技术；对优质精液生产、保存、运输和输精技术开展了集成创新；建立了以人工授精中心为核心的猪社会化供精体系。猪精社会化供精体系可覆盖母猪50万头，母猪平均分娩率达88%，可提高母猪PSY0.2头；降低公猪淘汰率20%。 该项目通过创造性转化与创新性发展相结合的方式，在高水平公猪站的建设和公猪站生物安全体系的构建等方面，开展了有效引进、转化和集成创新；在持续开展优良种猪选育的基础上，选择和引进公猪进入人工授精站；在公猪营养和生产管理方面开展了突破性创新研究；通过“互联网+基因”的人工授精服务体系的创立，建立了优质、安全、高效的猪精液的社会化供应体系，最大化地实现了遗传品质优秀、精液品质优异、安全品质优良的猪精推广应用。 目前猪精社会化供精体系可覆盖广西全省，并覆盖广东、湖南和福建等省份，覆盖能繁母猪50万头。该技术能保障精液的遗传品质优秀和卫生品质优秀，能显著提高养殖户的经济收益，推广应用前景广阔。 转化条件：大型商业化猪精公司 成果完成时间：2016年

项目首先提出了鲜叶的水冷保鲜技术、开发出水冷保鲜摊青机。创新名优茶做形理论及技术，提出“固形”理论，开发出固形设备，实现名茶的机械化做形；在此基础上，开发出关键的连接以及在制品回潮等设备，集成电子量化进料、温湿度监测与控制、水分在线检测系统，利用PLC控制系统，研建出主要名优茶连续化、自动化加工成套生产线，并制定配套的标准化技术。提出加工过程的清洁化生产技术，通过开发除尘除烟炉和名优茶加工除尘设备，实现了名优茶的清洁化加工。提出名优茶的脱氧保鲜技术，研制出高效脱氧保鲜剂，延长货架期。采用“高校-茶机厂-茶厂-政府”四位一体的技术研发与成果推广新模式普及新技术与新设备。 1、提出了鲜叶的水冷保鲜技术，保鲜时间由传统的8小时延长至15小时以上。 2、创新名优茶做形理论及技术，开发出固形设备，开发出关键的连接以及在制品回潮等设备，集成电子量化进料、温湿度监测与控制、水分在线检测系统，利用PLC控制系统，研建出主要名优茶连续化、自动化加工成套生产线，并制定配套的标准化技术。 3、首创适宜于名优茶初加工除尘的回风式除尘器，除尘效果显著。 4、研制出一种高效茶叶脱氧保鲜剂配方，能显著提高保鲜剂的脱氧能力，有效延缓名优绿茶贮藏中的氧化过程，保持名优绿茶品质。该技术已经在生产上大面积推广应用。

智能蜜网技术是一种新兴的基于主动防御的网络安全技术，目前日益受到人们的关注，发展前景广阔。蜜罐是一种网络安全资源，它通过监视入侵者的活动，使用户能够分析研究入侵者所掌握的技术、使用的工具以及入侵的动机， “知己知彼, 百战不殆”,只有在充分了解对手的前提下, 我们才能更有效地维护互联网安全，而蜜罐和蜜网技术为捕获黑客的网络攻击行为, 并深入分析黑客提供了基础。 智能蜜网技术可应用于政务网站、企业网站监控等网络安全和信息安全监控等领域。在2013年“棱镜时间”的曝光后，中国对信息安全保障的重视程度也达到前所未有的高度。在网络安全的倒逼下，行业发展正迎来政策蜜月期，相关扶持政策有望陆续出台，信息安全市场将进入快速发展期。 智能蜜网项目以数据捕获和分解，用户上网行为模拟和恶意代码分析为核心。开放真实的web服务，FTP服务，telnet服务等。系统包含数据存储，智能分析，被动蜜网，主动蜜网，模拟用户子网，邮件子网，连接控制，数据捕获，管理区域等9个模块。 蜜网服务数据有一定的吸引力，吸引黑客对蜜网的攻击。蜜网中预留一些操作系统和服务的漏洞，来实现攻击诱骗。在黑客不察觉的情况下，收集攻击方式和恶意代码样本。 模拟用户的正常上网行为，访问web服务，FTP下载，访问邮箱等等，收集一些恶意脚本和恶意代码。搭建真实的邮件服务器，并在互联网上传播该服务器的邮箱地址，引诱恶意邮件发送者向该地址发送带有恶意代码的邮件。 URL获取与分析模块通过可配置的多种途径自动获取URL，以自定义格式保存为中间结果，再统一由相应程序保存到数据库中。之后对数据库中的URL进行筛选和判断，得到最终的恶意URL。