上海够快网络科技股份有限公司成立于2012年4月，致力于为企业提供专业的文档管理系统，完善的云存储解决方案和优质的产品服务。 目前，够快正在为包括新东方、浦东软件园、上海外国语大学、宜信、一德集团、雀巢等超过10万家企业和团队提供专业的文档管理服务，涉及媒体广告、教育培训、投资金融、建筑设计、工程制造、政府等诸多领域及行业。 创立伊始，够快科技便获得了戈壁投资“绿洲计划”的天使投资。2012年12月，够快获得由红杉资本领投的4000万元A轮投资。于2016年1月，够快科技成功登陆新三板，成为行业内首家挂牌的企业云盘。

成果的背景及主要用途： 该成果属于高端装备制造业领域，内容涉及数控技术创新与自主数控系统及 其产业化应用，是在已完成天津市数控系统技术重点攻关项目成果的基础上，通 过进一步深化研究取得的。实施期限为 5 年，自 2006 年 10 月至 2011 年 12 月。 该成果针对复杂数控装备的集成监控、可重构数控系统流水线架构和三级加工自 优化与控制等方面进行系统的研究。 技术原理与工艺流程简介： （1）针对数控系统内多任务调度及实时并行化执行的特点，提出基于可重 构的数控流水线架构。该架构由数控主控流水线线程、驱动程序和数控微代码实 时执行单元构成数控流水线体系，可实现软件乃至于硬件的多重可重构。 （2）针对数控系统因功能集成造成的核心运动控制实时性差、结构复杂等 问题，提出一种新的多层次集成监控数控的系统架构。该监控系统架构通过底层 数控系统监控层、监控管理层、远程诊断监控层进行分级式地故障分析与诊断， 实现数控装备的监控与维护。 43天津大学科技成果选编 44 （3）提出一种具有三级加工自优化功能的智能控制方法，实现通过数控系 统对数控机床的智能控制。 技术水平及专利与获奖情况： 该成果在国内外首次提出并研究基于可重构、多层次集成监控和三级加工自 优化的数控流水线架构，并开发了全新的 2-6 轴联动控制可重构数控系统，已获 得三项国家发明专利和两项软件著作权，并发表重要论文 12 篇。经专家组鉴定， 达到了国际领先的水平。 应用前景分析及效益预测： 鉴于该成果的独特技术特征及数控产业的国家需求和巨大市场潜力，依托该 成果的“天大精益数字化制造产业园”项目已于 2011 年在天津海河科技园区奠基 建设，占地面积 100 亩，可实现年产值 10 亿元以上的规模。 应用领域：高端装备制造业 技术转化条件： 该成果已实现产业化运作，并推广到福建威诺数控、鑫菱机床厂、威海东云 数控机床、天地股份有限公司等企业，取得了很好的经济社会效益。 合作方式及条件：根据具体情况面议

本发明公开了一种以智能物流叉车为载体的碳排放智能监控和减排系统，包括能读取物流中心订单数据库中订单信息的碳排放智能减排监控系统、设于智能物流叉车上的智能物流叉车硬件终端，智能物流叉车硬件终端包括：碳排放检测装置、ＧＰＳ定位装置及能控制智能物流叉车动作的中央处理器，中央处理器能将碳排放量信息与位置信息发送给碳排放智能减排监控系统；碳排放智能减排监控系统能根据碳排放量信息与位置信息、并以低碳节能的执行原则将订单分配给中央处理器，又能自动规划出叉车最优作业路径，中央处理器会根据最优作业路径及分配订单进行作

本发明公开了一种带漂移干扰的模型预测控制器的建模质量监控方法,包括如下步骤：建立闭环控制系统的干扰模型；根据闭环控制系统的实际情况以及给定的控制目标，设计过程的动态模型 MPC 控制器；采用干扰模型及 MPC 控制器控制闭环控制系统，并采集闭环控制系统运行所得的过程数据；根据闭环控制系统结构，对过程输出及过程输入数据进行正交投影，获得过程估计干扰更新；根据闭环控制系统既定参考信号和过程实际输出，获取闭环控制系统的实际

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括：1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用，参见下图。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括： 1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。 图1 工业物联网 2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化