本发明公开了一种基于遥感卫星成像的目标红外辐射特性测量方法及系统，其中，方法的实现包括：通过逐步扩大目标区域，并判断扩大目标区域前后的目标红外辐射总能量的变化情况来进行红外辐射能量的提取，并由此计算待测量目标物方的红外辐射亮度，解决了目前红外辐射特性测量方法不能有效解决基于遥感卫星成像的目标红外辐射特性测量的技术难题。

本发明公开了一种气动热辐射指纹库的建立方法，包括：（1）获取红外成像系统的多幅气动热辐射退化图像，形成气动热辐射退化图像序列；（2）求取气动热辐射退化图像序列中的每一幅图像与基准图像之差值即差值图像；（3）对每一幅图像的差值图像进行二维曲面拟合，获得其在对应热流密度下的二维曲面多项式；（4）对多个二维曲面多项式中相同项的系数进行处理，通过拟合建立各相同项的系数关于热流密度的关系式，即确定为气动热辐射指纹库。本发明还公

本发明公开了一种用于治疗新生儿黄疸的蓝光辐射装置。所述 蓝光辐射装置，包括蓝光光源(1)和多根侧面发光光纤(2)，所述侧面发 光光纤(2)首端通过光纤连接头(3)和所述蓝光光源(1)相连；所述蓝光光 源(1)发出蓝光，蓝光通过耦合进入光纤，沿光纤传播并均匀漏出，形 成均匀蓝光辐射。本发明提供的用于治疗新生儿黄疸的蓝光辐射装置， 便于携带，漏光均匀，治疗效果好，使用舒适安全。 

针对充填采矿灾变预测与防治的关键问题开展研发，本成果主要技术内容如下：（1）系统研究了充填体破坏失稳声发射预测技术，开辟了用声发射预测充填破坏失稳的新途径；（2）开发了胶结充填过程控制成套技术，提出并成功实施不良地质体超前护帮充填技术等。本技术成熟可靠，适用于充填法开采的金属矿山，已经在江西等省的 9 家矿山推广应用，累计取得产生超过 3 亿元的经济效益和显著的社会效益，并荣获 2011 年江西省科技进步二等奖。 

在2020年抗击COVID-19疫情斗争中，北京航空航天大学经济管理学院王惠文教授及团队结合2003年所做非典疫情的状态评估和预测建模研究基础，密切关注在疫情防控中存在的问题。自1月23日起，通过各种渠道相继提交了20多个信息和提案，例如：加强对密切接触者实行隔离筛查、避免新冠肺炎疫情在医院内扩散、关注医务人员的轮岗休整、加强对全国各地区疫情监控与预警工作，等等。团队收集和分析了COVID-19的公报数据，采用统计分析方法对新冠肺炎疫情的传播规律进行了预测与分析，对全国（除湖北）各地区的抗疫阶段做出判断和预测，提出了疫情防控全过程的阶段划分方法，并提交了7篇研究报告。王惠文教授接受《中国经济时报》专访，发表文章《各地应分期分批有序恢复社会经济活动》，并被《今日头条》等网络媒体转载；民建市委网站头版刊登了她的文章《COVID-19疫情发展的状态评估与预测分析》，并报道了《数据会说话：王惠文：疫情发展的状态评估与预测研究》；民建中央网站也专题报道了《北京会员王惠文：用数据打赢疫情防控战》。

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。

本技术是一种构件级别的建筑地震经济损失精细化评估方法，具体包括 3 个模块：构件震害评估模块、损失评估模块和可视化模块，构件震害评估模块用于根据建筑信息模型（building information model，BIM）和易损性数据库评估每个构件的震害；损失评估模块用于根据 BIM、易损性数据库和修复标准库计算每个构件及建筑整体的地震经济损失；可视化模块用于建筑震害和损失的三维可视化展示。本技术可以将损失评估精确到构件，而且提供具体的构件损失分布，为建筑投保、地震修复策略、防灾设计等提供重要参考。

痴呆前期异常改变的代谢通路（左）与痴呆预测模型的ROC（右）复旦大学人类表型组研究院陈兴栋青年研究员团队、复旦大学附属华山医院神经内科丁玎研

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。