故障预测与健康管理(Prognostics and Health Management, PHM)是利用先进的传感器技术集成，借助各种算法和智能模型来诊断、预测和监测系统/子系统/设备的健康状态，并根据诊断或预测信息、可用维修资源和使用要求对装备维修活动做出适当决策，从而以最小的投入获得最佳的健康状态。 PHM是一种实施以健康为核心的装备综合管理的技术方法和系统。实现了两个转变：由传统的基于传感器的故障诊断转向基于智能系统的健康状态预测与评估；由事后维修和定期维修转向基于状态的视情维修。主要研究内容包括：飞机液压/环控/供电/蓄电池/作动器等典型机电系统的地面故障诊断与健康预测评估，机载状态监测与诊断推理，飞机机电PHM原型系统，小卫星电源系统在轨寿命预测与运行管理，船舶机电系统综合状态评估与维护维修辅助决策，测试性设计分析与试验验证等。 已在SCI/EI/ISTP检索的国际国内学术刊物和会议上发表论文100多篇，获得国家发明专利10余项。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn

本技术以在高温井下（＞200℃）作业的测井仪为研究对象，采用绝热-储热-导热三种技术联用的方式，对井下电子进行热管理，保障其正常作业。 一、项目分类 关键核心技术突破 二、成果简介 在国防、航空航天、石油勘探等领域，电子器件常面临极端的高温环境（150℃以上），常规热管理方法无法满足其散热需求，亟需开发一套极端环境下的电子器件热管理系统。本技术以在高温井下（＞200℃）作业的测井仪为研究对象，采用绝热-储热-导热三种技术联用的方式，对井下电子进行热管理，保障其正常作业。主要工作和创新如下：1）针对井下电子数量多且分散特点提出了分布式储热均温系统，设计了导热储能一体集成模块并成功实践；2）新型相变材料的研制、封装、可靠性测试及其在极端热环境下的应用；3）极端环境下热管理系统的热学建模及实时温度预测算法开发。

生产企业应对多变市场，期望达到既满足用户订单个性化要求而又要保证生产有序高效进行的双重目的，企业通常采用现有产品结合相关技术通知的运作方式来组织快速设计，生产活动，因此贯穿整个产品生命周期的技术通知管理在企业管理中发挥着核心关键的作用。天为TIS技术通知管理系统是针对技术通知管理的专业化管理软件，为技术通知管理员、技术通知归档员、技术通知审批人、通知接收员提供统一的信息平台，为技术通知快捷高效制定，审批，归档，下发，接收提供了不可缺少的技术工具。 天为TIS技术通知管理系统采用业界先进的工作流技术，系统具有自定义审批特点，让客户轻松定义符合自己业务过程的流程，并对定义好的技术通知流程进行有效的监控、管理；本系统具有鲜明应用特色，具有传统工作流软件无法比拟的特点和功能，能对技术通知，工艺通知，标准化通知内容进行集中归档管理，方便调用和知识积累；系统分为厂级通知管理系统和车间通知管理系统两个层面，车间接受厂级技术通知并形成车间具体生产需要的技术通知，达到两个层面技术通知信息有效集成，为企业全面的技术通知管理提供完整的解决方案。系统支持单个企业在线系统计算机使用用户达千台规模。

北京知识印象科技有限公司（小盒科技）是中国知名的AI教育公司，秉持“以学习者为中心”的教育和技术理念，致力于用AI技术构建基于校内教学和家庭辅导的智能教育服务生态。

软件技术研发、市场运营管理

本发明公开了一种基于模板匹配技术的知识图谱问答系统和方法。该系统包括离线模块和在线模块，离线模块主要用于离线数据准备，在线模块主要用于系统服务。本发明的系统可支持用户友好的自然语言问句为查询，通过对用户的问句进行语法分析，将语法分析后的结果到离线定义的手工模板库中寻找匹配的问句模板，根据所述的实体匹配方法和关系匹配方法，生成最终的结构化的知识图谱查询语句，根据该结构化查询语句到知识图谱中进行检索，返回最终的结果。本发明的基于模板匹配技术的知识图谱问答系统和方法能够针对用户的问句给出精确性的检索结果，提高用户的搜索满意度。

▶芯片：4 颗 Leo Chip 芯片，专注零知识证明运算加速 ▶存储：64GB LPDDR4 显存 ▶接口：PCIe 4.0 x16 接口（可拆 4 个 x4 通道） ▶ 架构：双插槽、10.8 英寸全高全长设计，ASIC LEO（DPU）架构，运行稳定 ▶ 散热：被动式散热，系统气流控温 ▶ 功耗：300W 热设计功耗，稳定处理高强度任务 ▶ 应用场景：在区块链、隐私计算领域表现突出，支持 Scroll、Zcash、Manta 等项目，快速完成零知识证明生成与验证，保护用户隐私。适用于区块链、隐私计算、身份验证、云计算与大数据、物联网等领域，满足不同场景下的隐私保护、计算加速、安全验证等需求。