2022年10月17-21日，第28届ACM移动计算与通讯系统大会（MobiCom 2022，CCFA类）在澳大利亚悉尼举行。计算机学院系统软件团队关于泛在计算环境下的利用异构计算资源进行端侧原位训练的论文“Mandheling:Mixed-Precision On-Device DNN Training with DSP Offloading”进行了在线汇报，得到了与会者的高度关注和广泛讨论。

XM/ALS1000A高级心肺复苏、AED除颤训练模拟人 （计算机控制/无线版）   执行标准：执行美国心脏学会(AHA)2015国际心肺复苏(CPR)＆心血管急救(ECC)指南标准。 XM/ALS1000A高级心肺复苏AED除颤训练模拟人（计算机控制/无线版）由全身模拟人、计算机控制系统、AED模拟除颤训练仪组成，可进行CPR训练考核、AED模拟除颤训练等操作。   一、产品特点： ■ 本模型为成年男性整体人，采用高分子材质，肤质仿真度高。 ■ 解剖标志明显，具有仿真的头颈部，头部可水平转动，有利于清除异物。 ■ 胸部体表标志明显（胸骨角、乳头、剑突等），便于胸外按压的操作定位。 ■ 可触及颈动脉搏动，死亡状态下，颈动脉搏动消失，抢救成功后，颈动脉搏动恢复，颈动脉搏动与有效按压相关联。 ■ 心肺复苏术：仰卧位，头可后仰，便于清除呼吸道异物，可进行胸外按压。 ■ 可进行口对口人工呼吸或者使用简易呼吸器辅助呼吸，有效人工呼吸可见胸廓起伏。 ■ 瞳孔示教：死亡状态下，模拟人瞳孔散大，抢救成功后，双侧瞳孔由散大变为正常。 ■ 模拟人和计算机之间通信方式：蓝牙无线通信。 ■ 模拟人手臂关节灵活，可进行搬运练习。   二、软件功能： ■ 软件依据《美国心脏学会2015国际心肺复苏心血管急救指南标准》的操作标准对心肺复苏操作进行评价。 ■ 软件形象的展示了心肺复苏急救流程，图文并茂的介绍了急救链中的每项操作要点。 ■ 操作模式：训练、考核、实战三种操作模式，每种模式均可自行设置操作时间、按压次数、按压深度、吹气次数、吹气量、CPR循环次数等，老师也可调节和变更按压和通气的考核标准值，建立符合当次考核状态的心肺复苏标准。 ■ 学员管理：可自由编辑学员名称及编号，用于存档。 ■ 人工口对口呼吸(吹气)时： · 动态条码指示灯显示潮气量大小：吹入的潮气量正确由条码绿灯显示，吹入的潮气量过小由条码黄灯显示，吹入的潮气量过大由条码红色指示灯动态反馈显示潮气量大小。 · 电子计数显示：详细记录吹气正确和错误的次数（吹气量过大、吹气力量过小）。 · 语音提示：中文语音提示，详细提示吹气错误的具体原因以便训练者及时改正。 ■ 人工手位胸外按压时： · 动态条码指示灯显示按压深度：按压深度正确由条码绿灯显示，按压深度过小由条码黄灯显示，按压深度过大由条码红色指示灯动态反馈显示按压深度。 · 电子计数显示：详细记录按压正确和错误的次数（按压力量过大、按压力量过小、按压位置错误）。 · 语音提示：中文语音提示，详细提示按压错误的具体原因，以便训练者及时改正。 ■ 全程心电图显示： · 抢救前：显示为濒临死亡的心电图, 呼吸图消失。 · 抢救中：进行按压操作时，显示按压心电图，频率与按压频率一致，呼吸监护显示潮气操作图形。 · 抢救成功后：显示为窦性心律，呼吸恢复正常。 ■ 依据《2015年美国心脏协会心肺复苏及心血管急救指南》的操作标准，对心肺复苏操作进行评价，操作达标，模拟人复活，操作未达标，模拟人死亡。 ■ 模拟人3D动画：正常状态时，模拟人3D动画有瞬目，休克或死亡状态时3D动画为闭眼。 ■ 成绩单所有操作结果数据以表格形式清晰显示，并可保存成绩单，可连接通用打印机对成绩单进行打印。 ■ 按压与人工呼吸比：30：2（单人或双人）。 ■ 操作周期：先30次按压再2次人工吹气，30：2五个循环周期CPR操作。 ■ 操作频率：100-120次/分。 ■ 操作时间：以秒为单位计时。   三、AED模拟除颤功能： ■ 自动体外模拟除颤仪设计符合人机工程学，打开盒盖则设备开机，关闭盒盖则设备自动关机，具有单键除颤功能操作，面盖背部可存放AED电极贴片。 ■ 模拟急救现场AED的工作流程，但无高压电击除颤工作，全程中文语音提示，指导学员熟悉BLS的工作流程及AED使用要点。 ■ 自动侦测除颤电极片的贴敷位置是否正确，学员通过反复使用模拟AED可以熟悉电极片贴敷位置。 ■ 系统内置12个脚本（一次除颤的室颤、多次除颤的室颤、反复颤动的室颤、发现并解决故障-电极片松动、发现并解决故障-触碰病人、发现并解决故障-电池电量低、非除颤心律、二次除颤的室颤、三次除颤的室颤、室颤、发现并解决故障-电极片松动-电池电量低、发现并解决故障-触碰病人-电池电量低），可模拟不同情景的急救现场情况，并且全程语音提示指导训练者完成BLS训练，可以根据需要暂停或继续BLS过程。 ■ 故障模拟功能：通过遥控器选择可以进行情景模拟的语音提示，包括：除颤过程有其他人接触病人身体、贴片位置错误、贴片位置正确、无需除颤、需要除颤、机器故障、电池电量低等。 ■ 电量管理功能：AED训练器自动侦测电池电量，当电池电量不足时，系统将有“电池电量低，请更换”语音提示。在两次AED期间，系统处于待机状态，进入省电模式，开机后如果3分钟内无任何操作，系统将自动进入关机状态。   四、标准配置： ■ 心肺复苏全身人体模型：1台 ■ 手拉推式硬塑箱：1只 ■ 计算机：用户自配或选配 ■ USB蓝牙适配器：1个 ■ 电源适配器：1个 ■ CPR安装操作软件：1套 ■ 复苏操作垫：1条 ■ 一次性呼吸面膜(50张/盒)：1盒 ■ 可换肺囊装置：4套 ■ 可换面皮：1张 ■ AED模拟除颤仪：1台 ■ 操作指南光盘：1张 ■ 急救手册：1本 ■ 说明书：1册 ■ 保修卡合格证：1张

本申请涉及机械工程技术领域，特别涉及一种部分可观测信息下多状态复杂系统维修决策方法，其中，方法包括：基于状态观测数据构建多状态退化过程的连续时间齐次马尔科夫链模型；利用期望最大化算法联合估计待估的状态转移参数和观测参数，结合贝叶斯定理实时更新系统处于各个采样时刻的后验概率，以计算系统的条件可靠度，以长程期望平均费用最小化为目标，寻求最优条件可靠度控制限；推导计算半马尔科夫决策过程中转移概率、期望驻留时间和期望维修费用，以确定多状态复杂系统维修决策。由此，解决了相关技术中，未考虑到在系统各状态失效率的区别且最优停机阈值为虚拟的复合指标，导致维修决策缺乏准确性和针对性，影响系统的可靠性等问题。

为了解决计算机多视几何中稀疏特征点错误匹配导致基本矩阵F精度不高的问题，提出一种RANSAC(RANdom SAmple Consensus)求解F时自动设置内点门限的方法。此方法根据RANSAC求解F矩阵的要素，将固定设置极线距离门限Th的方式改为自动设置，提高了算法的鲁棒性。这些要素是图像对中的稀疏特征点匹配的个数N、图像像素多少、初始计算得到的特征点到极线的平均距离Dinit。Th计算采用公式Th = Min(w×N/51200, Dinit/3)，w为图像的宽，单位为像素。Min为取二者最小值的函数。门限Th与图像大小和特征点匹配个数成正比，图像越大，匹配越多，Th越大。相对于传统方法，本方法将固定门限变成了自动设置，可以自适应三维重建不同类型的图片，更加实用和鲁棒。

初步揭示了全球高分辨率大气物理-化学耦合模拟能显著改善极端天气事件预报的准确性，展现出高空间分辨率和耦合化学反馈效应对数值天气和空气质量预报的重要意义，对预报极端和高影响天气、以及大气污染事件具有重大应用前景。

华中农业大学文法学院实验室计算机更新采购项目（二次）竞争性磋商

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。

在国家自然科学基金项目的资助下，电子科技大学计算机学院李洪伟教授带领团队在云—端协同的安全智能云系统方面取得研究进展，针对终端环境不可信、联邦学习难验证、存储数据不可靠以及加密数据难检索等难题，提出了非可信环境下面向云终端的智能评估与认证、云—端协同的可验证联邦学习、密态数据的完整性智能验证和海量密态数据的高效检索等核心技术，形成了自主可控的安全智能云系列产品。

成果简介：氨式法 HCN 固定床反应器是当前应用较多的由天然气生成 HCN 的生成装置，利用金属铂作催化剂，在 1600℃高温下反应合成 HCN。该反应器 对反应温度、气体纯度、气体配比和流速等都有很高的要求。国际上先进的 氨式法反应器的收率一般都在 78~82％，而国内该种反应器在 2000年之前的 收率基本都只有 45％左右，操作稳定性差，存在一定的安全隐患。低收率造&nbs

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证