自疫情发生以来，对于劳动密集型的制造业企业来说，尽可能减少工人聚集和交叉接触成为企业复工复产的重要保障。但在生产经营活动中，必要的沟通、协同、信息互通和反馈指导不可避免，这其中涉及了离散制造的多个部门（销售、采购、计划、生产、仓库、财务等）、多个生产工序以及多个工种。北大信息技术高等研究院智能工厂实验室利用工业领域企业级数据中台的优势，全面整合企业生产经营环节的关键数据，并利用数据智能对齐、行业知识图谱等关键技术，实现面向制造业的全流程可溯源的透明管控线上生产链，迅速帮助企业集中获得每一个线下关键生产环节的实时进度，并且能够细化到订单、生产设备、运行情况等细节，同时根据挖掘算法提供有效的智能辅助决策建议，在高效保障生产经营管控的同时，最大化地减少不必要的人员聚集，实现数据中台的指挥室作用，快速实现复工复产，有效提升生产效能。 拟解决的核心问题： 1、无法在生产环境外远程下单，下单效率低； 2、工厂远程管控困难，无法掌握订单的详细生产进度，并预测交期，难以面向JIT及时交货； 3、对生产缺少全维度统计掌握，需要跨系统反复查询； 4、在线实时分析困难，缺少必要的预测辅助参考； 5、生产环节无法自下而上进行反馈； 6、多源异构数据融合困难； 7、缺少人工智能的辅助决策。 预期实施效果： 1、移动端远程下单，基于混合云架构，实现内外网数据互通； 2、移动端跟单进度，多源异构数据融合，实现生产环节全流程线上实时可见； 3、生产数据实时监控，关键指标实时汇总，实现工作进度量化可见； 4、形成线上闭环数据看板，在线辅助指导生产经营； 5、沉淀大数据资产，形成工业领域企业级数据中台； 6、实现订单生产智能逾期预警、订单销量智能预测、原材料动态库存优化。

研制了国际首例稳定可逆的单分子光开关器件（ Science ,  2016 ,  352 , 1443;  J. Phys. Chem. Lett. ,  2017 ,  8 , 2849）；观察到了低温下联苯基团由于σ单键的旋转产生的精细立体电子效应（ Nano Lett. ,  2017 ,  17 , 856）；研究了分子间主客体相互作用的动力学过程（ Sci. Adv .,  2016 ,  2 , e1601113），揭示了羰基和羟胺反应形成酮肟的分子机制（ Sci. Adv. ,  2018 ,  4 , eaar2177），证实了利用单分子电学检测方法研究单分子反应动力学的可行性，为实现单分子化学反应的可视化研究迈出了重要的一步。他们利用硅基单分子器件实现了具有单碱基对分辨率的DNA杂交/脱杂交动力学过程的研究（ Angew. Chem. Int. Ed. ,  2016 ,  55 , 9036）；在单分子水平上揭示了分子马达水解的动力学过程（ ACS Nano , 2018 ,  11 , 12789），展现了单分子器件在单分子生物物理研究方面的可靠性。

翟继先课题组此次发布的数据库（Arabidopsis RNA-seq database, ARS）整合了来自GEO、SRA、ENA和DDBJ数据库的20,068个拟南芥RNA-seq数据，提供了“Google-style”在线查询工具。该研究对所有文库进行了基因表达水平定量和共表达网络分析，并将所有文库进行分类，总共涉及1176个突变体、1102种处理条件、12个组织和176个发育时期，同时也对突变体和处理条件分别同对应的对照组进行差异表达分析。

本发明公开了一种水下作业平台压载水舱进排水控制系统，用于控制压载水舱的自动进排水，压载水舱由多个对称分布的子水舱构成，每个子水舱底部安装有一个该通海阀、其舱内布置有至少一个高压气阀、其顶部安装有若干透气阀、压载水舱艏艉的侧壁上还对称安装有深度计，还包括安装在控制舱中驱动阀箱，驱动阀箱与高压气阀、通海阀以及透气阀分别通过信号线连接，在控制舱中还安装有进排水PLC控制器，其对驱动阀箱发出指令，使驱动阀箱控制高压气阀、通海阀以及透气阀以实现压载水舱进排水。本发明还公开了基于状态反馈的多变量模糊解耦控制方法实现对压载水舱进排水的自动控制。本发明系统自动化程度高，控制准确，操作方便，可靠性高。

利用硅基单分子器件研究了分子马达水解的动力学过程，发现了无标记的电学检测方法观察到的分子马达的转动速度要比荧光标记的方法快一个数量级（ACS Nano 2018, 11, 12789）以苯环为骨架、芴基为核心的共轭分子，并在末端修饰上氨基，通过稳定的酰胺键将带有羰基官能团的功能分子连接在石墨烯电极之间，通过使用自主搭建的高速电学测试平台对化学反应进行了实时监测。大的共轭结构以及酰胺共价键的强耦合保证了分子具有良好的导电性；在化学反应进行的过程中，分子结构的变化将导致分子轨道发生改变，从而影响导电通道，影响器件的电导特性。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

武汉理工大学材料声学振动响应特性测试平台采购项目 招标项目的潜在投标人应在武汉市东湖新技术开发区关南园一路当代光谷梦工场2号楼1002室获取招标文件，并于2022年07月04日 14点30分（北京时间）前递交投标文件。