本成果面向国家亟需的复杂系统集成和功率管理等应用，采用多层次设计的指导思想，研究并突破了系统芯片多层次低功耗关键设计技术，提出了复杂片上网络系统建模、低功耗路由及互连、超低功耗模拟电路 IP 设计技术和高效率集成化功率转换和功率管理技术。提出的系统芯片低功耗多层次设计技术广泛适用于系统集成芯片、数模混合集成以及功率管理和功率转换系统，显著降低了数字信号处理器、多模多频移动基带等芯片的功耗水平，使单片功耗由瓦级降低到毫瓦级，具有广泛的适应性和兼容性。 NOC 模拟器软件支持二维和三维的 Mesh、Torus、Clustered Mesh、Clustered Torus 拓扑结构类型，交换机制为 Wormhole，路由算法为 XY 路由算法，通信模式支持 uniform 和 hotspot 模式，数据包长度可调，片上通信量可配置，最终能评估片上网络系统芯片的跳转延迟等各种延迟时间参数、仲裁能耗等各种能耗参数、实际包产生率、产生成功率、数据包分布等性能和功耗参数。 图1 NoC仿真软件 图2 绿色节能AC/DC功率转换器芯片

本成果为先进控制在钢包精炼炉电极控制中的应用。钢包精炼炉先进控制系统包括钢包精炼炉电极对象、数据采集通道、神经网络PFC-PID控制器、电极调节装置，上位机，如图1所示。数据采集通道主要实现信号的采集和转换，采集的信号包括变压器一次侧电压、电流信号，二次侧电压、电流信号；神经网络PFC-PID控制器根据采集和计算的信号，利用控制模型计算出电电极调节器的输入信号输出给电极调节装置；电极调节装置实现信号的转换，控制执行机构实现电极的升降。控制系统采用“恒阻抗”策略，实现了基于神经网络的预测控制（PFD

本发明公开了存储系统中基于溯源信息的文件元数据查询方法。 在系统客户端收集溯源信息，通过分析得到文件相关性信息并传递给 元数据服务器；元数据服务器根据文件之间的关系信息实时维护关系 图；建立基于关联感知的元数据索引树；接收到查询请求后，先在索 引树中查找到种子结果集，然后在关系图中查找，得到初始结果集， 最后对初始结果集根据查询条件进行排序和精简得到最终结果发送给 客户。本发明还提供了相应的文件元数据查询系统。本发明

神舟十二号载人飞船于6月17日从酒泉卫星发射中心发射升空，随后与天和核心舱对接形成组合体，3名航天员进驻核心舱，进行了为期3个月的驻留，开展了一系列空间科学实验和技术试验。神舟十二号载人飞行任务的圆满成功，为后续空间站建造运营奠定了更加坚实的基础。

新能源高占比发展下传统同步机组与风光新能源机组呈现“此消彼长”趋势，电力平衡面临“保供应、促消纳”的两难局面。因此，迫切需要研究面向新型电力系统的电网智能调度与可视化预警关键技术，保障电网安全可靠供电和新能源最大化消纳，助推碳达峰目标顺利实现。 该成果实现了面向新型电力系统的电网智能调度与可视化预警应用的信息融合、智能告警、动态监视、海量数据阅读、超实时仿真和高性能计算、基于人工智能的电网安全稳定分析、虚拟现实、基于图数据库的人-机交互等功能，为新型电力系统电网调度员提供了一个准确及时掌握电网实时运行态势的分析决策工具，实现调度员对调度计划方案的智能互动决策以及电网风险的实时可视化预警。 该技术实现了传统电网调度模式向智能性电网调度模式转换，可广泛应用于电网、电力公司调度及区域控制中心等机构，在实现电力系统安全可靠运行的同时，促进高比例新能源最大化消纳和保障电力可靠供应。同时，该系统不但可应用于实时运行管理，而且还可应用在规划、交易、营销等新型电力系统生产管理的不同领域。该成果已在四川省电力公司、中国南方电网等30余家单位机构投入使用，产生了良好的经济和社会效益。 图1 基于大数据的电网运行行为识别及可视化显示 图2 多源信息融合的电网环境监测可视化

本发明公开了一种电液伺服系统有限时间精确跟踪控制方法及系统，具体为：建立单出杆电液位置伺服系统的数学模型；基于多层前馈神经网络，构建有限时间神经网络扩张状态观测器，对单出杆电液伺服系统受到的匹配以及非匹配未知函数扰动和系统状态进行估计；接着构建面向模型不确定性补偿的单出杆电液伺服系统有限时间精确跟踪控制算法，设计带分数阶的有限时间多层神经网络自适应律；选取神经网络权值参数的初始值及自适应律矩阵以及控制器参数，实现系统模型不确定性的补偿，使系统的输出跟踪期望的控制目标。本发明在有限时间内降低了单出杆电液伺服系统控制器的稳态跟踪误差，提高了模型不确定性补偿能力，提高了单出杆电液伺服系统的跟踪精度和跟踪速度。

ClassIn在线教学系统，首款从教学需求出发设计的在线教学系统: 1、系统支持班课、大直播、一对一答疑等各种班型； 2、支持视频互动与分组教学等丰富的线上教学形态； 3、提供高效实用的教学工具，PBL教学不可或缺的互动电子黑板，全课件云盘轻松调取，课堂板书知识，扫码即可带走，实现数字化教学； 4、完备的教务监课管理功能，便于教学管理老师实时进行巡课，督查； 最大化还原实际课堂的体验，实现高校教学要求的实质等效。

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

产品详细介绍

成果描述：多属性文本自适应系 统主要实现对每个未 知属性的通信实体进 行属性标注的功能。 主要分为两个过程， 即训练过程和预测过 程。 在训练过程中，系统 根据用户提供的已经 具有属性的数据集、 用户选择的分类算法 所对应的参数进行训 练，得到训练模型。 在预测过程中，系统 根据用户选择的训练 模型对未知属性的数 据集中的每个实体进 行属性标注，并得到 标注过属性的数据集 。（注：在训练过程 中，用户可以使用在 训练数据集上进行交 叉验证的方法获得在 固定参数和分类算法 下模型对未知样本预 测的性能的大致估计 。）市场前景分析：随着互联网的迅速发 展，Web页面上的信 息量呈指数级急剧增 长，如何快速、准确 地从海量数据中抽取 出用户真正需要的信 息已经成为互联网对 科研工作者提出的严 峻挑战。 属性标注能够将网页 非结构化文本内容转 化为结构化的属性数 据，方便用户查询和 进一步分析使用；其 作为信息抽取的关键 一步，对提高信息抽 取的性能方面也具有 重要意义。与同类成果相比的优势分析：包括训练和预测两个 过程，实现对不同数 据集的自适应性属性 标注； 特征选择功能，可以 在训练模型时，选择 出对区分数据类别更 有用的特征词，这样 ，可以降低实体所对 应属性的维度，从而 ，减少占用的内容空 间，提高计算效率； 交叉验证功能，帮助 我们在训练阶段，就 可以了解参数和算法 的选择，对属性标注 时准确性的影响； 生成报告功能，可以 在训练阶段的交叉验 证结束后，产生一个 训练阶段的报告，帮 助用户更好地记录实 验数据、参数、时间 和准确性等信息； 评估功能，比较模型 标注结果与样本真实 标签的一致性、差异 性，以评价一个模型 的好坏。