采购项目名称    电子产品生产工艺虚拟仿真实训基地采购需求概况    电子产品PCB设计系统40套、SMT生产线工艺设计系统40套、SMT关键设备虚拟制造系统40套、SMT虚拟智慧工厂40套、考试系统40套、工作站1台等预算金额（元）    950000

云幻科教初中化学虚拟学科资源库是根据国家课程标准实验要求，依据人教版初中化学实验课程设置，综合应用3D影像、虚拟仿真技术构建高度仿真的虚拟实验环境，供学生进行模拟化学实验。资源库包含一氧化碳还原氧化铁、浓硫酸的腐蚀性与稀释、粉尘爆炸实验、甲烷燃烧等化学实验内容。 初中化学虚拟实验资源库特点 1.    交互式操作，培养实践动手能力 学生通过动手操作完成实验，让学生在实践过程中发现问题，解决问题，鼓励学生“手脑并用”，提高学生实际操作能力。 2.    虚拟实验器材，节省资源损耗 虚拟的实验器材与实验材料可节省实验成本，即使多次操作也无需担心实验资源浪费和消耗问题。 3.    与教材重点实验100%匹配，实验素材丰富全面 化学虚拟实验资源均为人教版初中化学教材中的重点实验内容，根据国家课程标准的教学要求研发，分章节、分知识点制作，针对性强。 4.    正确操作指引，规避实验风险 明确的实验步骤提示，实验操作注意事项提示以及实验知识点总结指引学生正确操作实验，虚拟的实验环境可确保实验安全，不存在实验风险。 5.    打破时间与空间限制，方便学生多次尝试操作 为化学实验教学高效提供便捷安全的平台，耗时长、难演示的实验也能在课堂上展示，并且能无限次练习操作。 6.    虚拟实验环境逼真，提高学生求知欲 通过3D影像、虚拟仿真技术构建的虚拟实验环境调动学生多感官参与，真实感强，给学生身临其境的感受，从而达到体验式教学效果，提高学生的学习兴趣。   初中化学虚拟实验资源库的应用     初中化学虚拟资源库适用于各类3D智能展示硬件设备，结合3D投影机、交互一体机使用效果尤佳。在实验教学中可以进行如下应用。 1.    实验教学活动 教师可运用资源库向学生演示实验操作过程，结合课本知识讲解，总结实验要点，与学生进行互动，活跃课堂气氛。 2.    虚拟实验操作 学生可随时练习化学实验操作，知识点提示可加强学生学习记忆，让学生对实验原理更容易理解，提高学生对化学学科的学习兴趣。 3.    实验知识检测 教师可通过对学生虚拟实验操作的检测，了解学生对化学实验知识点的掌握程度与实验操作的熟练程度。 4、其他应用     与老师一起在教学实践中探讨更多应用方式。

本产品是针对各类大中专院校《数字电路》实验课程配套开发的可在网上开展的虚拟实验室，软件由课程实验仿真平台和虚拟实验教学管理系统两部分组成。仿真平台模拟真实实验中用到的器材和设备，提供与真实实验相似的实验环境；虚拟实验教学管理系统提供全方位的虚拟实验教学辅助功能，包括：实验前的预习、实验的开课管理、典型实验库的维护、实验教学安排、实验过程的指导、实验结果的批改、实验成绩统计查询等功能，为实验教学环境提供服务并开展应用。可满足高校和各类培训机构实验教学环节的需要，尤其适用于远程教学。 1、实验台提供如下9大类175种器材模型。 •     信号源库：10种常用信号源、8种独立电压源与4种数字信号源； •     基本元件库：3种常见电阻、3种常见电容与普通电感； •     二极管库：10个常用普通二极管、5个常见发光二极管； •     晶体管库：15种NPN晶体管、13种PNP晶体管； •     模拟集成元件库：三端虚拟放大器、五端虚拟放大器、OP37AJ； •     数字元件库：29个常用基本逻辑门、30个常见74LS系列数字芯片、15个常见74HC系列数字芯片、8个常见HCC4000系列数字芯片、8个常见CD4000系列数字芯片； •     指示元件库：5个常用颜色指示灯、3个常见数码管； •     混合元件库：555定时器、LM555CM； •     虚拟仪器：双通道示波器、四通道示波器、八通道示波器、频谱分析仪、频率计、波特图分析仪、电压探针、差分电压探针、直流电压表、交流电压表、直流电流表、交流电流表、胜利万用表VC9802A、固纬信号发生器AFG-2005、泰克示波器TBS1102。 2、课程提供了20个典型实验案例： 1)    二极管开关特性测试与分析 2)    二极管与门测试与分析 3)    三极管开关特性测试与分析 4)    基本逻辑运算及其电路实现 5)    小规模组合逻辑电路实验1：交通灯状态监视电路 6)    小规模组合逻辑电路实验2：水位显示控制电路 7)    中规模组合逻辑电路实验1：选择器及其应用 8)    中规模组合逻辑电路实验2：加法器及其应用 9)    中规模组合逻辑电路实验3：译码器及其应用 10)    触发器的基本逻辑功能 11)    二进制计数器设计 12)    扭环计数器的设计 13)    异步十进制计数器的设计 14)    555定时器及其应用：多谐振荡器 15)    555定时器及其应用：施密特触发器 16)    555定时器及其应用：单稳态触发器 17)    血型配对指示器电路设计 18)    自动游戏投币控制电路设计 19)    可控计数器电路设计 20)    环形计数器及其自启动电路的设计 备注：除上述实验，用户也可以利用提供的器材模型自主添加典型实验。

适用专业：车辆工程、汽车工程、汽车与交通工程、能源与动力工程等相关专业。 系统涵盖机械与汽车工程相关学院实验教学全体系的三维仿真实验教学资源。这些虚拟仿真实验教学资源，以培养汽车工程人才为目标，由浅入深，覆盖基础型、专业型、特色创新型等不同层次与深度，建设思路清晰，形成了一套立体化的教学体系同时，具备良好的交互性、实验过程和数据仿真度高等特点。 这些虚拟仿真实验教学资源，采用国际领先的虚拟仿真技术开发而成，解决了实际实验中无法开展、实验危险性高等一系列问题，方便学生快速、高效地进行在线操作学习。 使用现有器材模型，系统可开展如下9个常用汽车实验学虚拟实验的训练： 1）、汽车碰撞虚拟实验； 2）、基于虚拟样机的ABS整车控制虚拟实验； 3）、汽车悬架系统的振动仿真及优化虚拟实验； 4）、基于虚拟样机技术的汽车制动性能虚拟实验； 5）、基于虚拟样机技术的汽车蛇行行驶虚拟实验； 6）、汽车瞬态转向特性虚拟实验； 7）、汽车底盘测功虚拟实验； 8）、汽车安全环保检测线虚拟实验； 9）、汽车尾气双怠速实验；

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

流立方在技术流派里属于流式大数据实时处理领域，但兼顾了批式数据处理技术的优势，一定程度的做到了混合时态的实时处理。流立方通过在数据流水过程中嵌入流处理引擎将所有流过的数据进行实时处理, 并生成多维度的可计算数据魔方。1）超高并发性：“流立方”产品拥有每秒处理百万笔交易流水复杂分析的能力。而达到这样的性能仅需要 8 台普通的 pc 服务器搭建的集群。2）超低时效性：流立方对每笔流水处理的延时严格控制在毫秒级，实际生产中平均延时稳定在 10 毫秒左右。形象一点来说，也就是在海水涌进海洋的几乎同一时刻，数据就被分析完成了，远远低于人类学上 0.1 秒即有所感知的时间节点，处理速度比一眨眼快了很多倍。最近一年，流立方的高级版本更是提升到了微秒级的处理延时，将被用在春运票务、军工、反恐等要求更加极致的场景。3）高可靠性、高扩展性、高兼容性：流立方自带的可计算分布式缓存高性能、高可靠、高可扩展。在内存不足时, 能够平滑扩展到多节点。流立方平台内支持算法数量达到几十个。计算模型、脚本独立管理,在线编写、即时部署即时生效, 大大节约上线时间。

中国传媒大学融合门户平台竞争性磋商

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

神经递质作为神经元与神经元及神经元与细胞之间沟通的媒介分子，介导了发育、信息感知，运动及大脑的高级认知功能。随着生化分离纯化技术的发展以及人们对大脑精细结构的进一步了解，现如今已发现有几十种重要的神经递质。而神经系统在时间和空间上的高度复杂性对研究特定神经递质的动态变化及其功能提出了极大的挑战。本项目成功构建了一系列新型的基因编码的神经递质荧光探针，可实现对特定神经递质动态变化的灵敏检测。该类荧光探针利用大多数已知的神经递质所对应的特异性G蛋白偶联受体（GPCR）与循环重排的荧光蛋白（cpGFP）融合，利用循环重排荧光蛋白的荧光强度变化来指示GPCR的激活，进而反应外源神经递质的浓度变化（图一）。我们命名该类荧光探针为GRAB探针，即为GPCR Activation Based Sensor的缩写。

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。