本成果包含如下内容：高转换效率的小面积碲化镉太阳电池制造技术，面积为1200mm×600mm 的碲化镉太阳电池组件规模化生产技术，年产30-50MW碲化镉太阳电池生产线及关键设备的设计。 主要技术指标： 组件效率超过12%。 应用范围： 用于太阳能直接发电，建立大规模光伏电站或小型户用光伏发电系统。国家扶持光伏发电系统的建设，每年新建在10GW以上。由于是薄膜太阳电池，出口不会受到限制。 项目目前已进入产业化阶段，成果权属为我校独自拥有。

关键技术及水平：数字化轮胎全系列成套装备涵盖了从轮胎配料、密炼、压延、裁断、成型、硫化至检测共7个工序，产品“软硬结合、管控一体”，将信息技术与轮胎装备制造相结合，实现了全流程工艺控制的计算机辅助制造，属世界首创。 该项成果的研发综合利用机械与自控技术、振动与测量技术、计算机技术、光机电一体化等技术，研发装备与传统轮胎生产线相比，更加突出智能化和网络化，不仅可以有效提高轮胎生产企业的管理水平、技术水平、生产效率和产品质量，而且可以大量削减能源和原材料的消耗,降低环境污染。 取得主要成果：主要攻关突破了高效低温一次法炼胶技术、高性能半钢一次法成型装备控制技术、电子辐照预硫检测技术等一系列关键技术，申请专利52项，共获得授权专利29项。

半夏野生变家种已有近40年历史，但是由于野生资源减少和人工种植跟不上，每年只能提供4000吨以下半夏原药材，远远低于国内和国际市场7000吨以上的半夏需求。因此，全国市场近5年半夏原药材单价已经上涨了50%，市场上半夏鱼龙混杂，出现水半夏和天南星替代优质半夏的局面。拯救半夏产业刻不容缓，利用现代生物技术培育原药材成为行业所需。 目前半夏产业存在的主要问题： 1）品质不均，不能满足现代中药生产对药材的品质要求；2）自然繁殖率低，不能满足规模化生产优质种苗需求；3）品质衰退，病害严重，半夏栽培风险增加；4）缺少品种和品牌，药材档次不高，种植效益和市场无保障。本项目通过对半夏脱病毒复壮、优良单株倍性育种，获得品质好，抗性、产量、成活率高的半夏新品种；利用新型植物生物反应器进行新品种半夏的工厂化扩繁，实现新品种半夏的产业化。

项目背景：安全、高效、绿色、智能的自动化智能化码头都 是国内港口发展的必然趋势。中国是港口大国，在“交通强国” 国家战略的统筹下，国内各大港口先后开展了自动化智能化码头 的新建和改造升级工作。但国内现有、在建及规划中的所有集装 箱自动化码头装卸设备控制系统、自动化单元、自动化管控信息 化系统的核心技术及部件基本依赖进口，这些核心技术及部件被 ABB、SIEMENS 等国外公司所垄断，并形成了技术壁垒。面向国 内集装箱港口自动化智能化的现实需求，加快“卡脖子”关键核 心技术的突破和关键零部件国产化替代势在必行，迫在眉睫。 所需技术需求简要描述：1.依据国产工业控制平台的技术特 点和现有港口场景的业务需求和任务流程，搭建基于国产平台的 物理架构。对标 ABB、西门子等成熟平台，主要考核指标：每秒 至少处理 500 个任务、软件响应时间为毫秒级、支持多系统扩展； 在国内一流大港的集装箱码头实现工程应用。堆场效率不低于 30 循环/小时，人工介入率不高于 5%；与 ABB 或西门子等管控系 统下辖场桥设备实现同堆场组网、互联互通以及无缝替代。2. 结合目标工程研制测试验证平台，实现单机控制系统和堆场管控 系统的数字仿真测试、半物理仿真试验。为工程应用奠定基础。 在测试验证基础上，完成控制系统和管控系统迭代优化，并实现在智慧港口的生产联网应用。主要考核指标：（1）具备按目标港 口实际实现三维场景快速搭建能力，具备多接口接受不同的数据 驱动源的能力；（2）具备关键设备数据收集及数据实时可视化展 示的能力；（3）软件系统支持多客户端计算机同时运行（10+）； （4）系统支持第三方三维模型导入；（5）系统模型数量级不低 于在场箱 10 万，其他运动机械模型 1 万；可实现在场岸桥≥6 台、场桥≥20 台、AGV≥20 台、集装箱≥2 万 TEU、年吞吐量 200 万 TEU 规模集装箱码头的模拟仿真。  对技术提供方的要求:1. 拥有完善的科研管理体系，符合国 标的质量管理体、环境与职业健康安全体系；2. 拥有与本项目 技术方向相关的省部级工程技术科研平台及测试中心；3. 承担 过本项目相关领域的国家级科研攻关项目；4. 设有硕士点、联 合博士点和博士后研究工作站。 

一种大规模并发数据流处理系统及其处理方法,涉及数据处理技术领域,所解决的是提高流处理器处理效率的技术问题.该系统包括数据流单元缓冲区,数据流单元聚类队列池,数据流单元映射表,流处理器池,数据流读取部件,DSU聚类分配部件,任务调度部件,计算后处理部件,所述流处理器池由多个GPU构成,其中数据流读取部件用于将并发数据流写入数据流单元缓冲区,DSU聚类分配部件用于对数据流单元缓冲区中当前被处理的数据流单元进行分类,任务调度部件用于将数据流单元聚类队列池中的就绪队列加载至流处理器池中的GPU上执行流计算,计算后处理部件用于将GPU的计算结果返回到数据流.本发明提供的系统,能提高流处理器的处理效率.

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

2020年1月30日，天津大学生物信息中心新型冠状病毒基因组注释数据库上线，并纳入中国国家基因组科学数据中心向全球开放服务。天津大学生物信息中心的高峰教授、罗昊博士采用已研发的ZCURVE_CoV系列软件对包括新型冠状病毒(2019-nCoV)在内的两千余株冠状病毒的基因组进行了基因识别和酶切位点预测，并以数据库(ZCURVE_CoV Database)的形式提供网上服务。

为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。