1.痛点问题 尽管目前已有一系列临床治疗手段，但癌症仍然是人类健康与生命安全的最主要威胁之一，大多数癌症仍然有巨大的未满足医疗需求。抗肿瘤药物的研发依赖于靶点分子的鉴定。因此，依托于新的抑癌靶点，开发全新的抗肿瘤靶向药，是当前创新药研发的前沿。现有药物靶点主要是蛋白编码基因，所开发药物以靶向蛋白质的抗体药、小分子化合物药为主。 长非编码RNA（lncRNA）是近年来发现的一类不编码蛋白质的RNA分子，具有组织特异性强，功能复杂，种类数量大等特征。研究发现多个lncRNA与各种生物学过程相关，但是大多数lncRNA的生物学功能仍然未知。学术界已发现多个与肿瘤发生发展相关的lncRNA，但目前尚没有靶向lncRNA的抗肿瘤药物上市或在临床试验中。鉴于lncRNA复杂、多样化、特异性的生物学功能特征，这一大类分子有望成为新的疾病治疗靶点库。与已知的蛋白靶点相比，lncRNA研究少，易于获得原创、高价值的靶点专利。这要求基础研发工作在特定生理或疾病状态下，从成千上万的lncRNA中准确鉴定具有核心、基础生物学意义的lncRNA，并详细解析其细胞功能与分子机制，确定其作为疾病治疗靶点的可行性与科学基础。 2.解决方案 在此前的研究中，本项目组以肿瘤体系为研究对象，开发了基于信息论的多组学数据挖掘与lncRNA功能预测方法流程。在多种癌症中鉴定了具有核心生物学功能的lncRNA。例如，首次发现一个此前从未被研究过的lncRNA对于肝癌肿瘤细胞等高增殖率细胞的核仁结构及功能至关重要。研究证明该lncRNA在肿瘤中特异性地高表达，并且对于肿瘤细胞的快速增殖不可或缺，因此项目提出以该lncRNA作为肿瘤治疗靶点，开发抗肿瘤小核酸药或小分子化学药，控制肝癌发展。 项目技术核心是在肿瘤体系中鉴定重要lncRNA的技术流程，预期产品是针对一系列lncRNA新靶点的靶向药物。 3.合作需求 1)资金需求：针对新靶点lncRNA的小核酸药临床前研发需要的资金投入，在IND申报前需约2500-5000万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、计算服务器、分析与测试公共实验室等； 3)团队：生物医药科技公司管理团队、核酸药临床前研发团队、商务开发与合作团队、财务、法务等支持团队； 4)CRO公司合作：小核酸序列大规模合成、敲低效率验证、动物模型、药物毒理、药代动力学、免疫原性等指标测试； 5)大型医药公司合作：商讨未来技术转让方案，利用大型医药公司临床开发资源，开展临床研发合作； 6)药物递送平台合作：针对小核酸药靶向递送需求，开展不同递送工具的合作开发； 7)临床医院合作：针对临床治疗需求，开展小规模IIT临床试验，准备IND申报； 8)基础研究合作：与lncRNA研究领域内国内外基础研究团队合作，开发新的lncRNA靶点。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

近日，来自中国科学技术大学物理学院、合肥微尺度物质科学国家研究中心，国际功能材料量子设计中心(ICQD),合肥国家实验室的赵瑾教授研究团队与王兵、谭世倞教授、以及北京大学李新征教授合作，发现固体-分子界面的超快电荷转移与质子的量子动力学有很强的耦合，揭示了电荷转移过程中核量子效应的重要作用。

刘奇航及其合作者以最近由中科院物理所领衔的研究团队发现的ZnCu3(OH)6BrF为例，采用修正后的单体平均场密度泛函理论方法，对这一体系的本征和掺杂行为进行了详尽的模拟。研究发现，ZnCu3(OH)6BrF掺杂后，掺入的电子并没有成为期待的“自由载流子”，而是局域在一个铜原子周围，引起了局域形变。这种电子与束缚它的晶格畸变的复合体称为极化子（如图一所示）。本征材料的带隙中形成新的电子态。因此，电子掺杂后，ZnCu3(OH)6BrF并没有实现半导体到导体的转变。相比之下，具有类似CuO4局部环境的铜氧化物高温超导体的母体材料Nd2CuO4显现除了不同的随掺杂浓度变化的导电性。研究发现，低掺杂浓度时，铜原子附近形成较为扩展的极化子，因此在高掺杂浓度时，这些极化子之间的跃迁可以使系统导电性大大增加，实现半导体到导体的转变，与实验观测很好地吻合。 该研究圆满地解释了最近实验上观测到的Kagome晶格的锌铜羟基卤化物在掺杂后并不导电的现象，指出要在量子自旋液体实现超导，仅仅找到量子自旋液体体系是远远不够的，还必须实现有效掺杂，注入一定浓度的“自由载流子”，为耕耘在该领域的实验工作者提出了新的挑战和实验方向。

本发明公开了一种分布式电源接入对配网三段式电流保护影响的评估方法，基于规则库实现，规则 库中包含若干条顺序执行的规则步骤，这些一般性的语义规则适用于任意的配网系统和分布式电源接入 情况，且每条规则通过描述性语言指导操作者该如何构造短路场景，并选择哪些保护的 I、II 或者 III 段 进行校验。这样，操作者无须根据所研究的系统来分析确定校核步骤，只要顺序执行规则库中的规则步 骤便能高效准确地判断分布式电源接入方案对保护的影响：当规则库中的所有规

"本发明公开了一种利用网关节点缓存优化分布式块存储写性能的方法,具体包括：缓存经过网关节点的数据，并采用计数表对各数据块的访问次数进行计数；对于用户请求，若为读请求，则在读请求命中缓存时从缓存读取数据，在读请求未命中缓存时从本地节点或者副本节点读取数据；并将该请求访问过的节点计数加一；若为写请求，则先写网关节点的缓存，然后在该写请求对应的其他副本节点上做日志备份，用于掉电恢复；在提高系统性能的同时还保证了数据的可靠

本发明公开了一种提高分布式缓存的命中率并减少固态硬盘磨 损的方法，结合缓存数据分布特性和固态硬盘特性优化缓存性能并降 低成本。它能根据应用场景分配内存缓存区并将 SSD 划分为连续分布 的与内存缓存区等大的 Cage，内存缓存区缓存新数据，内存缓存区的 数据达到上限时将内存缓存区所有数据写入 Cage，擦除内存缓存区进 行新的数据缓存。替换算法通过分析内存缓存区中的数据的访问频度 分布，设定 Cage 中替换算法参数

本发明公开了一种交流无刷双馈电机及其绕线转子绕组的设计 方法；包括：先根据定子绕组极对数 p1 和 p2 初步确定转子齿槽数 Zr 和相数 mr，这时 Zr＝mr，每个齿对应一个集中式线圈，由此得到齿谐 波集中式绕组，然后扩大转子槽数，选择系数 kr，使新的转子槽数 Z ＝krZr，这时极距τr＝kr。此基础上，将原来的每相一个集中式线圈 分裂为 nr 个等节距 yr 的线圈，且 nr≤kr 及有 yr&lt、τr，这 nr 个线 圈依次间隔αr 槽距角分布在转子槽内，再通过调整 kr 和

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本发明公开了一种热冲压件获得强塑性能差异化分布的方法及 装置，采用冷气流和热气流分别作用在淬火件的强度增强区和塑性增 强区，所述热气流的作用是在配分温度范围内和配分时间范围内进行， 以使碳由马氏体向残余奥氏体扩散，从而使淬火件中残余奥氏体稳定 化，进而使塑性增强区在使用温度范围内为马氏体和残余奥氏体混合 组织；所述冷气流用于使淬火件中残余奥氏体继续转变为马氏体，使 强度增强区在使用温度范围内为马氏体组织。本发明还提供了一种实 现如上方法的装置，其包括热冲压件固定单元和热气流封闭单元。本 发明方法和装置能提高热冲压件的强塑力学性能，简单、有效实现热 冲压件强塑性能差异化分布。