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。 

2025年8月22日，由e-works数字化企业网与浙江制信科技有限公司联合主办的"第二十二届中国制造业数字化转型高峰论坛"在杭州成功举办。山东鼎软天下信息技术有限公司作为国内领先的物流与供应链信息化服务提供商，受邀参会，创始人朱于爽先生并发表专题演讲。

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

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：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。