：本发明公开了一种二维阵列光耦合模块，包括陶瓷基底、光收 发芯片阵列、微透镜阵列，驱动单元阵列、光纤阵列和光纤连接器。 本发明中，光纤阵列耦合端采用 45 度反射面，通过微透镜与光收发芯 片阵列实现了有效耦合，耦合效率高，体积小，便于封装；提出的对 准与定位方法较易实现，有利于工业制造；采用异形陶瓷基底，能够 减小光程差对于数据传输速率的影响，对于光耦合效率也有一定提升； 而且，制作成本相对于聚合物波导来说较低。本发

本发明公开了一种 2^m×2^kAPD 阵列地 址编码主动输出电路，属于 APD 阵列领域；现有的无扫描输出只能实 现单点像素地址的输出；本发明提供的主动输出电路，通过地址控制 电路控制地址编码电路的输出开关，经地址输出电路输出对应的像元 块首地址，通过后续处理电路得到四个单元地址，无需复杂的时序控 制电路，效率高，速度快。

该成果为一款工作于蓝牙频段的分米级高精度坚固型的室内定位天线，在设计中结合了低功耗、低成本的电路设计与制造技术，方便大规模应用；借助稀疏贝叶斯学习(P-FCSBL) 算法，大范围、高精度的系统定位得以实现。目前已完成原理样机的验证，满足智慧工业、智慧医疗 / 智慧商业等不同的行业应用。主要应用于室内环境精准定位。 主要技术指标 （1）工作频率：2.45GHz （2）工作带宽：250MHz （3）定位精度：≤ 10cm （4）识别距离：≥ 5m

本发明公开了一种 MTJ 纳米柱阵列的制备方法，包括 S1 在基 底上表面制备电子束光刻对准所需要的定标符；S2 根据定标符在基底 上表面制备底电极层，底电极层包括多条平行的底电极线；S3 在附着 有底电极层的基底上表面涂覆一层 HSQ，通过电子束曝光对 HSQ 层 进行图形化，在每一条底电极线上形成多个绝缘单元；每一个绝缘单 元的中间具有一个孔；S4 依次通过光刻、溅射和剥离工艺在绝缘单元 的孔内形成磁性多层膜层；

本项目的创新点主要是采用环形镜解调和GSM数字移动网传输信号的技术。具有响应速度快、调谐范围宽、可实时检测、使用寿命长、抗电磁干扰能力强等优点，有重要实用意义。 光纤光栅传感器阵列的每一个光栅反射率大于90%，线宽小于0.4nm，各光栅中心波长间隔大于1nm。 研制出宽带光源等实验装置，宽带光源输出功率大于1mw，带宽30nm；已成功应用于光纤光栅传感器阵列检测实验。 研制出宽带光源、高双折射光纤环镜滤波边缘滤波解调系统的实验样机。 研制出快

本发明公开了一种阻性传感器阵列测量装置，所述阻性传感器阵列为共用行线和列线的阻性传感器阵列；该测量装置包括：标准电阻行，其包括一行N个标准电阻，被增设于阻性传感器阵列中，从而得到一个新的共用行线和列线的（M+1）×N电阻阵列；（M+1）个运算放大器，与电阻阵列的（M+1）条行线一一对应，各运算放大器的反相输入端、输出端分别通过一根连接线与其所对应行线连接；控制器，其具有至少(M+1)个IO端口以及至少N个ADC采样端口，其中的(M+1)个IO端口与（M+1）个运算放大器的同相输入端一一对应连接，其中

流体食品阵列感应电场低温绿色杀菌技术，针对指标菌（大肠杆菌，沙 门氏菌，金黄色葡萄球菌）和指标酶（辣根过氧化物酶，多酚氧化酶，果胶酶） 的杀灭温度为 60-65 ℃，处理时间<15 s，技术含标准化的开发流程。该新技术 可替代传统巴氏杀菌（~68℃, ~30 min）和超高温瞬时杀菌（~135℃，~8 s）的装备产品，实验室版处理量是 60-100 mL/min，应用客户包括高校、科研单位、 企业研发部；工业版处理量是 100-2000 L/h，客户包括酱油、食醋、黄酒、啤 酒、乳制品、蛋液、果汁等液态食品生产企业，中药/天然产物生产企业（中药 提取物和浸膏的杀菌）。 

STRATOS 5000采用三分频扬声器系统设计，系统由由1只3* 5"钕磁中音+9* 1""球顶高音的无源线阵列全频音箱+1只内嵌4路输入带双通道功率放大器的箱式调音台的12"有源超低频音箱+1只可调节高度的伸缩支架组成；音色清晰、细腻，低频坚实有力，重量轻，携带方便。

病毒的同源性包括基因组核苷酸序列的同源，也包括蛋白质氨基酸序列的同源。在序列比对方面，穿山甲冠状病毒与新冠病毒在氨基酸序列同源性方面超过90%的相似度。对于药物筛选来说，蛋白质氨基酸序列的同源性越高，意味着病毒生命活动的方式越相近，可以形象地理解为，两个病毒的“行为方式”非常一致。这种“行为方式”与新冠病毒极为相似的病毒，能不能替代新冠病毒用于药物筛选呢？童贻刚敏锐地意识到：如果可以，那么“筛药”工作将在针对新冠病毒的同时，也保障了实验的安全性，筛药工作将走出高安全等级实验室，走进普通P2实验室。

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：