本发明公开了一种考虑环境温度的重型机床热变形预测方法， 具体为：预测机床内部热源引起的机床热变形量，以及预测机床外部热源引起的机床热变形量，将机床内、外部热源引起的机床热变形量 叠加得到机床最终热变形量。在机床外部热源引起的机床热变形量预 测中考虑了环境温度引起的时滞热变形误差，在内部热源引起的机床 热变形量预测中进行了基于最小二乘原理的多元回归建模。本发明综 合了反映重型机床受环境温度非线性滞后影响和内热源影响的共同作 用效果，能够实现任意环境条件和加工条件下的热变形误差实时有效 预测。

本实用新型公开了一种溢流式分体空调冷凝水热回收装置，包括冷凝水管、冷凝水溢流盘、冷凝水集水盘和排水管，冷凝水溢流盘卡扣在冷凝器上部，通过冷凝水管与空调室内机相连，接收夏季空调室内机产生的冷凝水，并将冷凝水均匀分布或形成三面水幕或形成密集水滴与冷凝器进行热交换；在冷凝器下部设有冷凝水集水盘，该集水盘收集多余的冷凝水并通过排水管将其统一收集处理。本实用新型构造简单安装方便，充分利用空调冷凝水辅助冷却冷凝器，有效地回收了冷凝水废热，节能省电，提高空调能效比，有一定的环境效益和经济效益。

（专利号：ZL 201410446618.0） 简介：本发明公开一种用于薄板热成形性能试验中试样失稳的检测方法和装置，属于金属塑性加工成形技术领域。该检测装置包括X射线发生器或人工放射源、图像增强器、CCD摄像机、图像采集卡、计算机、图像灰度识别控制卡以及显示屏。本发明利用射线实时成像技术，在试验过程中，板料一旦出现失稳-微裂纹，透过板料的射线形成的图像的灰度值有明显的阶跃变化，通过计算机处理软件实时检测出接收到的图像中此阶跃变化，从而给

项目背景：1.随着动力电池能量密度的不断提升，对电池安 全性的要求也越来越高。隔膜作为锂离子电池的重要组成部分之 一，可提供锂离子传输通道，并且防止正、负极接触发生短路， 对锂离子电池的安全性具有非常重要的影响。油性聚偏氟乙烯 （PVDF）主要由韩国 LG 等电池企业把控技术，国内受制于工艺 不完善、配套设备跟不上等问题，始终无法实现突破。研发具有 优异电化学性能、安全性高的 PVDF 膜是国内提高电池安全性能 的重要途径之一。2.目前国内外企业如旭化成、陶氏、GE、北京 碧水源、天津膜天等主要采用等非溶剂致相分离制备聚偏氟乙烯 中空纤维膜，应用于净水处理及污水处理领域中，但市场上尚未 发现有热致相分离法制备聚偏氟乙烯平板一体膜产品。本项目已 对聚偏氟乙烯原材料、溶剂体系进行初步筛选，进行了不同制备 工艺的对比实验，得到不同性能的聚偏氟乙烯平板一体膜，具备 一定的研发基础。 所需技术需求简要描述：1.采用热致相分离方法加工聚偏氟 乙烯（PVDF）材料，通过对原材料体系、溶剂体系、加工工艺的 筛选优化，通过开发配套的热法工艺设备，制备出具有高孔隙率、 高均匀性的微孔一体膜。2.提供微相分离、破膜温度、高倍率隔 膜微观孔结构的检测、电池安全性能检测，为转化生产提供各项数据的技术支持。  对技术提供方的要求:拥有一定的研发基础和实验的技术团 队和科研单位，相关研究成果处于国内领先水平。 

东南大学国际分子铁电科学与应用研究院暨江苏省“分子铁电科学与应用”重点实验室团队发现了具有七个物理通道开关的热致变色铁弹体。相关工作以题为“The First Chiral Thermochromic Ferroelastic with Seven Physical Channel Switches”的学术论文在化学领域顶级期刊《Angewandte Chemie International Edition》上发表。此外，该论文被选为VIP（Very ImportantPaper）。据悉，只有不到5%的已接收论文才能获得如此积极的评价。 在信息化时代，电子智能设备的信号处理和加密显得至关重要，具有多重物理通道双稳态开关特性的多功能材料成为后起之秀。众所周知，一把钥匙对应一个锁，假如我们将财产放进保险柜中，我们就又多了一层防护。类似地，每增加一个物理通道，就是增加一层保障。基于此，我们报道了首例具有七个物理通道的手性化合物，可以对信息进行七层加密处理，使信息安全更加可靠。 (a) 消旋晶体结构中的无序的CTA阳离子和手性有序的S-CTA和R-CTA阳离子 (b) (R-CTA)2CuCl4 (c) (S-CTA)2CuCl4的晶体堆积图 图为变温固体紫外-可见吸收光谱 该工作由博士生陆思祺（第一作者）等人的共同努力下完成，东南大学为第一通讯单位。该成果得到“东南大学十大科学与技术问题”启动培育基金的资助。

东南大学国际分子铁电科学与应用研究院暨江苏省“分子铁电科学与应用”重点实验室团队发现了具有七个物理通道开关的热致变色铁弹体。相关工作以题为“The First Chiral Thermochromic Ferroelastic with Seven Physical Channel Switches”的学术论文在化学领域顶级期刊《Angewandte Chemie International Edition》上发表。此外，该论文被选为VIP（Very Important Paper）。据悉，只有不到5%的已接收论文才能获得如此积极的评价。 在信息化时代，电子智能设备的信号处理和加密显得至关重要，具有多重物理通道双稳态开关特性的多功能材料成为后起之秀。众所周知，一把钥匙对应一个锁，假如我们将财产放进保险柜中，我们就又多了一层防护。类似地，每增加一个物理通道，就是增加一层保障。基于此，我们报道了首例具有七个物理通道的手性化合物，可以对信息进行七层加密处理，使信息安全更加可靠。 图1. (a) 消旋晶体结构中的无序的CTA阳离子和手性有序的S-CTA和R-CTA阳离子；(b) (R-CTA)2CuCl4和(c) (S-CTA)2CuCl4的晶体堆积图。 早在1999年，Wataru Fujita等人在《Science》上就已经报道了磁双稳态（Science1999, 286, 261–262）。在1,3,5-trithia-2,4,6-triazapentalenyl（TTTA）分子中观测到一个明显的磁双稳态回线发生在230 K到305 K温度范围内。它的高温相为顺磁相，低温相在二聚作用的影响下具有抗磁性。三年后，M. E. Itkis等人在《Science》上报道了在非那烯基中性自由基产物中发现了电、光、磁三个物理通道的双稳态特性（Science2002, 296, 1443–1445）。直到2014年，熊仁根教授团队在《Advanced Materials》上报道了高碘酸咪唑（IPI）化合物具有介电、压电、SHG和铁电和机电耦合等五个物理通道的双稳态（Adv. Mater.2014, 26, 4515–4520）。由此可见，每增加一个物理通道都面临着巨大的挑战，在分子铁电“似球-非球”原理和手性引入的指导下，我们利用手性配体进行合成，将手性开关引入其中，成功组装得到了(R-CTA)2CuCl4和(S-CTA)2CuCl4(CTA = 3-Chloro-2-hydroxypropyltrimethylammonium) （图1），这两个化合物在介电、电导、二阶非线性、压电、铁弹性，手性和热致变色这七个物理通道上具有开关特性。其中热致变色特征尤为耀眼，区别于传统的相变材料，这为双稳态开关提供了光谱加密的新灵感。 图2. (a) DSC曲线；(b) 介电，电导，压电和二阶非线性光学等多重双稳态示意图。 (Rac-CTA)2CuCl4，(R-CTA)2CuCl4和(S-CTA)2CuCl4的相变点分别在361, 417 和420 K附近(图2)，随着温度变化，相变温度以下的低温相和相变温度以上的高温相的介电常数、电导率、压电系数、SHG信号强度均呈现出可切换的两种稳定的状态。 图3. (S-CTA)2CuCl4和(R-CTA)2CuCl4晶体在293 K下的铁弹畴结构。 此外，这对手性化合物还具有铁弹性，铁弹相变往往伴随着铁弹畴的演化。在正交偏振光下，不同取向的铁弹畴具有不同的双折射特性，从而呈现出明暗不同的结构区域。(S-CTA)2CuCl4和(R-CTA)2CuCl4的晶态薄膜在室温下呈现出清晰的三角形铁弹性结构。当温度高于相变点时，铁弹畴迅速消失，呈现出立方对称的消光特性。在随后的冷却中，规则的铁弹畴又很快显现，表现出明显的开关特性。 图4.变温固体紫外-可见吸收光谱。 除了铁弹性外，这一对手性晶体还展示出可转换的热致变色的性质。室温下，(R-CTA)2CuCl4和(S-CTA)2CuCl4晶体对光的吸收均低于540 nm，与它们呈现的黄色外观一致。随着温度的升高，电子吸收带的吸收边缘发生红移。当温度超过相变点达到423 K时，吸收边移动到580 nm，这也与晶体受热变成橙色一致。利用热致变色特征对光谱加密和信号检测进行特定的处理，这为开发新型加密技术带来新的思路。 该工作由博士生陆思祺（第一作者）等人的共同努力下完成，东南大学为第一通讯单位。该成果得到“东南大学十大科学与技术问题”启动培育基金的资助。

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：