先进聚合物材料研究所建于1999年10月18日。研究所以黄培教授为技术带头人，拥有一批高水平的科研队伍，参与研究工作的教授、博士及研究生二十余人，研究所的主要特点是产、学、研相结合，在基础性研究、应用研究、高新技术产业化等不同层次上开展科研工作。先后参加国家"863"项目、国家科委"九五"攻关项目的研究工作，承担完成国家自然科学基金重点项目、**和化工应用课题多项。研究所主要突出以单体合成、聚合、复合材料、结晶等具有明显优势的学科领域的综合集成开展研究工作。目前主要研究对象主要为以聚酰亚胺为代表的一系列功能高分子材料。聚酰亚胺（PI）是指分子主链中含有酰亚胺基的一类高分子聚合物。近年来聚酰亚胺以其优异的机械性能、电性能、耐辐射性能和耐热性能越来越受到人们的重视，它在航空航天、电气、通讯和汽车等行业得到广泛的应用。然而热固性聚酰亚胺不溶解、不熔融，加工成型困难，限制了其应用范围，因此合成热塑性的PI，进一步制备聚酰亚胺复合材料，扩大应用面是当前聚酰亚胺研究和开发的主要趋势。热塑性聚酰亚胺（TPI）作为一种高性能工程塑料，不仅具有优异的耐热、力学、介电、耐腐蚀及抗辐射等性能，还表现出卓越的热加工特性，可采用热模压、挤出和注射方法成型。在特定场合下为一种替代金属、陶瓷、热固性树脂、低温热塑性塑料和大多数难加工聚酰亚胺的理想材料。聚酰亚胺的单体合成是以苯酐为基础原料，通过酰基化、硝化、缩合、水解酸化、脱水等一系列步骤得到二胺，该合成路线原料来源充足，工艺简单，产物纯净，产率高，易于纯化，三废少，具有很好的工业化价值。聚酰亚胺的聚合是以二酐和二胺通过溶液聚合，再分别通过化学环化或热环化得到聚酰亚胺树脂。聚酰亚胺树脂与碳纤维、玻璃纤维、聚四氟乙烯、石墨等复合，可显著提高材料的力学强度和自润滑耐磨等性能。研究所以自主研发高性能热塑性聚酰亚胺及其复合材料作为研究对象，系统考察复合材料摩擦磨损性能，重点研究各种填料改性材料在不同工况体条件摩擦磨损行为，深入了解填料对其摩擦性能影响机理，从而达到材料摩擦性能设计的长期目标。利用有限元技术建立过程物理及数学模型，对滑动摩擦过程中的温度分布进行模拟计算，取得了较好的模拟结果。通过摩擦表面微观形貌观察，可了解摩擦磨损机理。前期的研究结果已运用于滑片式压缩机的滑片、汽车发动机活塞环等产品形式，为应用提供指导。研究所拥有一批先进的分析测试仪器：热机械分析仪、差示扫描量热仪、高效液相色谱仪、凝胶色谱、红外分析仪、微机控制电子万能试验机、摩擦磨损试验机，可对合成的单体、聚合物、复合材料进行全面的性能测试。

 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。

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。

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：

青楷槭是长白山地区常见的乔木品种之一，在《本草纲目》、《本草再新》均被提及，其叶片、树皮及果实等部位，均可作为药材使用，具有清热、解毒、抗炎等多重疗效。此外，青楷槭的叶片亦常被用于泡茶或烹饪汤品，有助于缓解上呼吸道相关症状。人参被誉为“天然的能量补充剂”，在提升体力、缓解疲劳方面有显著的效果。现代研究表明，人参能提高体内的ATP（细胞能量来源）水平，改善微循环，从而有效抗疲劳。 青楷槭的抗氧化作用与人参的抗疲劳、增强体能的作用相结合，能够更好地抵御衰老和疲劳的双重挑战。青楷槭与人参的组合具有较好的互补作用。青楷槭的抗氧化、降血糖、调节内分泌等作用与人参的补气、抗疲劳、增强免疫力等特点相结合，能够在提升免疫力、抗衰老、缓解疲劳、调节血糖血脂等多个方面产生协同效应。通过科学的配比和加工，青楷槭与人参合用可以为消费者提供一种功能全面、健康有益的饮品。 1.独特的原料组合与健康功能创新：本项目的核心创新在于将人参与青楷槭这两种具有显著保健功效的天然植物成分进行有机结合。人参以其滋补强身、增强免疫力的传统功效著称，而青楷槭则富含丰富的抗氧化物质、维生素C及矿物质，具有较强的抗衰老、抗疲劳等健康功效。通过选择水醇提取法、冷冻干燥等来确保有效成分的高效提取，并保持其生物活性，创新性地将这两种植物的优势特性融合，开发出一种具有复合健康功能的功能性饮料，填补了市场上同类产品在多元化营养需求上的空白此外，开发了新型的成分稳定化技术，有效解决了植物成分在饮料中的保存和长期保鲜问题，确保了产品的品质稳定性与健康功效的长期有效。 2.口感优化与产品差异化创新：在口感方面，本项目通过多次配方调整与风味优化，使得人参和青楷槭的独特植物风味得到平衡，并加入天然水果香料，改善传统中草药饮料的“草本味”，使饮料口感更加顺滑、清新、适合现代消费者的接受口味。这种口感创新不仅提高了消费者的饮用体验，也突破了传统草本饮料的单一风味模式，为市场带来了差异化竞争优势。 根据市场研究，健康饮品领域，消费者越来越倾向于选择具有增强免疫、抗氧化、抗衰老、降血糖等多重功能的饮品。人参作为传统滋补佳品，已在市场上占据了一定份额，凭借其强身健体、补气养血的功效，广受消费者喜爱。而青楷槭，作为富含多酚类、黄酮类等抗氧化成分的植物，其抗衰老、抗疲劳、降血脂等效果逐渐得到消费者的认可。两者结合的功能性饮料，能够满足市场对天然健康饮品的需求，成为新兴的市场亮点。随着生活方式的变化，越来越多的职场人士、学生群体等年轻人开始关注抗疲劳、抗压、促进睡眠的饮品，这为人参青楷槭饮料的市场拓展提供了机会。 目前，市场上的功能性饮料竞争激烈，主要以一些大型饮料品牌为主导，如红牛、华润怡宝等企业推出的健康功能饮料占据了较大的市场份额。此外，还有一些植物性饮品品牌如植物萃取饮料、草本茶等逐渐获得关注，满足消费者对天然、低糖、无添加的偏好。然而，这些产品多集中在单一功能或传统草本成分上，缺乏多种植物成分的创新结合。因此，人参和青楷槭的结合，作为一种具有多重健康功效的饮品，有望在现有市场中开辟出新的细分市场，填补部分空白。

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。

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。