【哈尔滨新闻网】哈工程研发国内首个船海学科教育大模型亮相“高博会”

为更好发挥高等教育在教育强国建设中的龙头作用，统筹推进教育科技人才一体发展，5月23日至25日，第63届高等教育博览会建设教育强国·高等教育改革发展论坛在长春隆重举行。其中，哈尔滨工程大学研发的国内首个船海学科教育大模型亮相“高博会”，引起极大关注。

哈尔滨新闻网 2025-05-26

【吉林广播电视台】【相约高博会】记者带你看高博会：室外体验展区 展示科教融汇魅力

【相约高博会】记者带你看高博会：室外体验展区 展示科教融汇魅力

吉林广播电视台 2025-05-26

【新华网】新华独家·聚焦高博会｜发挥长春科教优势，助力东北全面振兴——与会嘉宾眼中的高博会

【新华网】新华独家·聚焦高博会｜发挥长春科教优势，助力东北全面振兴——与会嘉宾眼中的高博会

新华网 2025-05-25

【吉林省人民政府】厚植科教人文优势 推动吉林全面振兴——黄强会见出席第63届高等教育博览会重要嘉宾

5月22日，省委书记黄强在长春会见中国高等教育学会会长林蕙青等出席第63届高等教育博览会的重要嘉宾。

吉林省人民政府 2025-05-22

【新华社】新华社看长春丨办一个展，兴一座城——第63届高博会助力长春擦亮全国科教大市名片

第63届中国高等教育博览会（以下简称“高博会”）在中铁·长春东北亚国际博览中心启幕，千余所高校及科研机构、800余家科技企业齐聚，12万平方米展区涌动创新热潮。

新华社 2025-05-24

高校智慧资助系统

建设智教智慧资助系统，通过其高效协同的后台分类处置能力，把高校学工资助事项进行整合和业务流程的约简化处理，运用大数据打通“最后一公里”，将线下的业务操作剥离开实体大厅转化为线上业务，实现高校学生资助工作的无纸化办公，让学生真正实现“最多跑一次”。 管理员可以灵活设定经困生等级（比如一般困难、困难、特别困难等）。 管理教师可以根据学校的经困生管理办法灵活设定经困生认定条件，在对应的条件下可以设置多条困难条件类型及对应的权重值、限制条件。 管理员可以灵活设定经困生申请计划，包括起止时间、对应认定条件、申报条件参数设置、申报对象。 学生通过移动端进行在线填写经困生申请材料，提交后系统可根据管理员设定的经困生等级条件自动给审核人员推荐申请经困生等级并可以手动调整，学生提交后可以实时查看审核进度。 班主任可以根据系统推荐的经困生等级自行根据实际条件进行手动确认等级，并保留推荐等级和班主任确认等级查询痕迹。 经困生认定条件需具备权重分配方案和认定版本的统一联动管理。 二级学院可以根据权限设置批量打包下载学生上传的经困生证明文件，并以学号+姓名方式保存。

吉林省智教软件有限责任公司 2025-05-16

高校报修管理系统

智教高校报修管理系统优化校园设施维修流程，提升服务效率与质量，满足学校师生及后勤管理部门的需求，维修完成后，能对维修服务质量（如维修效果、维修人员态度）进行打分评价，并可填写反馈意见，以便学校改进服务。 教师、学生可以通过手机端，点击报修服务、我要报修后，可以根据实际报修情况进行问题描述、上传图片等。学生可以实时跟踪维修进度，并对维修结果进行线上打分、评价。

吉林省智教软件有限责任公司 2025-05-16

电供暖智能控制系统

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

吉林建筑科技学院 2025-05-19

芯片热设计自动化系统

TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。

清华大学 2025-05-16

锂电池管理系统AI算法研究

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。

西南大学 2025-05-12