NMT逆境研究工作站基于非损伤微测技术（Noninvasive Microelectrode Technique，NMT）可在不损伤样品的情况下，实时监测活体样品中的离子通量，实现对植物在重金属、盐碱、干旱、营养缺乏等生物/非生物胁迫条件下的生理响应机制的深入研究，广泛应用于农学、植物生理、作物育种等领域。         由山东金歌科学仪器有限公司自主研制生产的 SRMT1204 NMT逆境研究工作站（非损伤微测系统、NMT活体生理检测仪、植物根系吸收监测仪）检测种类涵盖植物所需的16种营养元素中的所有的大量元素、中量元素，和绝大部分微量元素。   金歌NMT功能特色：   （1）检测种类多；   （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；   （3）提供个性化定制，免费升级测试软件。   可检测种类：   （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+   （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+   （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-   （4）其它：Li+、NO2-   测试样品：   根际/种子/花粉管、细胞/液泡、生物膜、藻类、活体组织、神经、骨骼、珊瑚等其它活体样品             “NMT逆境研究工作站”的名称源于非损伤微测技术NMT。非损伤微测技术NMT是离子/分子通量测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT），主要功能是离子/分子通量（flux）测试。           离子/分子通量测试技术（非损伤微测技术）经历了方法学建立、原型机、技术成熟、引进国内和全国产化。           1.方法学建立          1974年，美国麻省伍兹霍尔海洋生物学实验室科学家 Lionel Jaffe 和 Nuccitelli 提出了振动电极（Vibrating Probe：VP）概念，采用振动电极探针技术测量生物体中弱电流，为离子/分子通量（flux）测试奠定了方法学的基础。            2.原型机           1990年伍兹霍尔海洋生物学实验室开发出了基于离子振动电极技术的自动化离子/分子通量（flux）测试系统，在早期的文献中写做 SRIS系统。            3.SIET离子/分子通量测试系统标志着通量测试技术仪器的成熟           1994年，伍兹霍尔海洋生物学实验室员工 A.M.Shipley 和 E.Karplus 分别成立 Applicable Electronics Inc. 和 Sciencewares 公司，联合推出商业机 SIET通量测试系统，标志着离子/分子通量（flux）测试技术仪器的成熟。             4.SIET系统被引进国内           SIET通量测试系统被引进国内后，我国学者从2009年开始在离子/分子通量（flux）测试领域发表文章，当时文章明确标识使用的是SIET通量测试系统。（文献：Plant Physiology, February 2009, Vol. 149, pp. 1141–1153, NaCl-Induced Alternations of Cellular and Tissue Ion Fluxes in Roots of Salt-Resistant and Salt-Sensitive Poplar Species）                5.国产化               金歌仪器科研团队自2011年开始深耕非损伤微测技术（NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。                当全球科技竞争的硝烟弥漫，核心技术的自主可控已成为企业存续的命脉。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破依赖进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。               凭借扎实的科技实力，金歌公司成功打造出可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。              金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。               金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。  

2020年3月5日，复旦大学在medRxiv预印本上发表了题为COVID-19 Epidemic Outside China:34 Founders and Exponential Growth 的回顾性分析的研究成果。该文章以2020年1月21日到2020年2月28日以来世卫组织公布中国境外的确诊病例数为基础，建立了一个回归数字模型，通过这个模型，该研究估计在病毒开始传播到中国之外时，大约有34个未被发现的国外传播的初始病例。他们推测34个病例可能属于轻症患者，因此没有前往医院救治。而且中国外COVID-19从一开始就稳定的遵循近似指数型增长模型，每19天患者数量增长10倍，显示出并没有强有力的干预措施。作者呼吁全球借鉴中国与新加坡的经验采取有力的公共卫生措施。

近日，中国科学技术大学管理学院在时空面板数据模型的研究中取得重要进展，突破经典的广义极大似然估计和广义矩估计理论框架，提出了基于空间权重矩阵特征分解的估计和模型选择方法。相关论文在学术期刊《美国科学院院报》上发表。现在很多大数据（环境，疫情，犯罪，物流，区域经济等）呈现出时间和空间的复杂相依关系，由于时空的交互影响提高了对应的时空模型的估计难度。有别于已有的复杂估计方法，文章改变传统的估计思路，充分利用时空数据的空间结构特征，采用空间权重矩阵的特征分解，极大的简化了估计方法，提高了估计精度和运算速度，并提出了相应的模型选择方法。理论部分模型的示意图如下图所示：文章以 2008 年 1 月到 2013 年 12 月（72 个月） 138 个美国匹兹堡行政地区的犯罪数据为例做了示范。在这个例子中，犯罪数据重罪（Part I）和轻罪(Par II)在138个行政区的平均犯罪个数分布如下图：文章还选取了 15 个区域社会经济变量作为解释变量，包括区域总人口、收入、失业率、贫苦率、非裔比例、教育水平等。模型的拟合程度指标R平方（接近1时，拟合程度高）达到 0.98，表明选择的模型非常好的拟合了数据。数据分析结果可以用于以轻罪发生率预测重罪发生率，解释犯罪学的“破窗理论”，分析重罪发生率和总人口、收入和贫困等的量化关系。论文链接：https://doi.org/10.1073/pnas.1917411117详细阅读：http://news.ustc.edu.cn/2020/0318/c15884a414854/page.htm

2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

小试阶段/n项目已解决的关键技术问题和技术创新点。1．提出了CSP大梁钢的钢种分类优化方案，通过分析化学成分Si含量对变形抗力的影响，发现汽车系列用钢在增加Si含量后，对轧制状态影响产生了很大影响并造成了该系列钢种轧制困难，提出QSTE等钢种层别分类优化方案，同时优化其化学成分系数。。2．提出了适合涟钢CSP热轧生产线的相变变形抗力模型的结构设计及参数优化方案，从2015年9月底上线稳定运行至今，有效提高了CSP电工钢的轧制力模型预测精度，轧制力预报偏差12%以内从88.3%提高到96.7%。。3．

基于区域热质平衡理论，建立适合于大空间建筑的分层空调负荷计算模型，进行某大空间建筑夏季工况下的试验测试研究，验证室内垂直温度分布的计算结果，比较同步求解模型计算的分层空调冷负荷和实际大空间建筑空调供冷量，在此基础上，预测分层空调冷负荷在变工况下的变化趋势，计算结果表明实际空调最大供冷量与模型计算结果相差14%,变工况的负荷变化趋势符合实际变化规律。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

小试阶段/n项目已解决的关键技术问题和技术创新点：1.提出了精轧变形抗力模型新型“九宫格”自适应学习方法，在“轧制温度*变形速率”参数空间上布置多个特征点，对参数空间上与当前轧制工况位置相邻的 9 个特征点进行加权插值，获得空间任意均连续的自学习参数，它是位置坐标的函数，打破了原来的“自学习系数与层别一一对应”的关系，使自学习系数精确到工作点坐标，解决了 原有的不同层别的自学习参数相互不关联、跳跃大、不连续等问题。新方法上线后，应用效果非常明显，每月带钢因厚度超差导致的预封锁量从投用前的 45 块/