聚甲醛在国内已经得到较大规模的生产，但是产品质量与国外公司同级的共聚甲醛相比，无论是热稳定性，还是力学性能上都有明显的差距和不足。主要表现为：力学性能差且不稳定、性脆；热稳定性差，模垢高，加工过程易分解有害气体甲醛；制品易变形翘曲；电学、热学性能不达标；目前我国大部分聚甲醛生产企业由于产品质量问题经济效益远未达到预期。2011年我国新建聚甲醛装置产能将集中释放，竞争压力迅速加剧，市场形势严峻，不合格聚甲醛产品必将要被市场淘汰。 本成果的核心主要集中在三个方面：一是提供成熟的全套聚甲醛产品分子结构、聚集态结构和宏观性能的工业分析表征方法(包括仪器、方法和人员培训)。聚甲醛产品分子结构和聚集态结构共同决定了其宏观性能，目前我国聚甲醛生产企业在此方面十分欠缺。有了这些基本手段后，可以很方便地对聚甲醛装置相关工段工艺进行调整，提高基础树脂质量。二是提供成熟的、高性价比的整套聚甲醛产品助剂包。聚甲醛的助剂体系决定了其产品质量50%的权重，目前国内聚甲醛生产企业的聚甲醛助剂体系相对落后，我们的助剂包可以进一步提高聚甲醛产品质量水平。三是可以根据需要提供下游改性聚甲醛的整套技术，包括成熟的产品配方，生产工艺，定制或推荐全套生产设备和相关硬件设备。

液滴阵列是研究数字分子检测、数字分子免疫学、单细胞分析的重要技术手段，是当前生物医药领域的研究热点。受植物叶片倒模的启发，创新性地将限制性表面能梯度微孔阵列应用于高通量液滴数字化过程（相关研究成果发表在中科院工程类分区Q1、Q3期刊上），提出了基于仿生微流控原理的数字化液滴阵列技术，设计开发了数字分子诊断和单细胞分析通用系统平台，在细胞、颗粒的分散阵列化及生物应用进行了探索。经过近4年研究，已完成了平台原理验证、结构优化、系统调试、生物应用验证的工作，应用在数字PCR、数字LAMP等核酸分子诊断领域，在多菌分离及培养等单细胞分析领域，初步开发了数字ELISA等分子免疫学领域研究方法。

一、成果简介 食源性病原微生物目前是威胁我国食品安全的首要风险。通过分子生物学手段可快速、准确、廉价的检测病原微生物，但传统分子生物学技术在食品微生物检测中只能做到靶向检测和事后检 测，即在例行检查中只检测种类有限的常规病原微生物，而不在常规检测范围内的病原微生物在爆发食品安全事件后才进行检测，这种靶向性和后验性导致食源性病原微生物检测的遗漏和滞后。另 外，传统的分子生物学技术一次实

本发明公开了一种测量不确定度的分析方法。利用参考测量系测量各标准样件，获取测量结果 X，利用某一待分析的测量系统对标准样件进行测量，获取测量结果 Y；分别计算测量结果 X 和 Y 的方差V(X) 和 V(Y) ， 并 定 义 α ＝ V(X)/V(Y) ； 假 设 <imgfile="DDA00002582404000011.GIF" wi="39" he="46" /> 和 <imgfile="DDA00002582404000012.GIF" wi="29" he="46" /

该筛选仪器以表面等离子体共振成像（SPRi）装置为基础平台。SPRi技术将传统的SPR 技术与成像技术相结合，能够实现生物分子互作信息的高通量捕获。该仪器由一套包含光学检测系统、微流体控制系统以及数据采集存储的操作界面构成。仪器能进行核酸适配体筛选、高通量生物分子之间的动力学测定、生物标志物发现、特异性结合动力学、食品安全与质量检测、小分子微阵列药物筛选、先导化合物的优化、药物初筛、抗体发现、抗体糖基化表征、杂交瘤筛选、靶标垂钓等技术提供技术和材料，应用于制药、生命科学、医学、食品和环境等领域。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

深入了研究低电压芯片电泳的理论原理和控制方法，开展了低电压电泳分离检测相关基础理论与关键加工技术的研究。通过芯片微流道中流体的电场和流场等的模拟分析，对低电压电泳芯片进行了结构设计，提出集成非接触高频电导检测器的硅基低电压电泳芯片和玻璃基低电压电泳芯片的新结构；突破了SOI硅基芯片侧壁微电极阵列及其与高频非接触电导检测器一体化三维集成等关键加工技术，研发出基于SOI的集成低电压电泳芯片和集成光学滤色薄膜的玻璃基低电压电泳芯片的两套加工工艺；成功研制出柱端集成非接触高频电导检测器的两种低电压电泳芯片

成果与项目的背景及主要用途 目前，对于心脏进行检测的仪器主要有两类：一类是基于心脏电学特性的心电图；一类是基于心脏声学的特性的听诊和心音图。心电图是现在医院普遍采用的心脏监测方式，它能够较为准确和全面的反映心脏的健康状况。但是，有些心脏疾病，当它在心音图上反映出来的时候在心电图上还没有反映，所以，心电监测较心音检测有一定的滞后性。一个完整的心动周期，心脏会产生两个声音：第一心音（S1）和第二心音（S2）。有些情况下，比如幼年和老年的时候也会出现第三心