本实用新型涉及一种治疗吞咽障碍的可调低频脉冲电磁仪。包括电源模块、刺激信号产生模块、人机交互模块三个部分。电源模块与刺激信号产生模块连接，人机交互模块一端与刺激信号产生模块连接，另一端与电源模块连接，刺激信号产生模块输出特定可调治疗吞咽障碍的低频脉冲电磁信号。使用时，输出刺激信号通过两组六对刺激电极作用于人体需要治疗部位，控制刺激信号产生模块，调整刺激信号组别、类型、刺激时间及刺激强度等参数，实现不同患者对刺激信号的要求。临床试验表明，在低频脉冲电磁信号产生的具有特定的强度和频率的环境下每次刺激30～60分钟，平均治疗10～14次具有较好的治疗吞咽障碍的效果。

成果创新点 项目产品基于神经信号实时反馈技术 （Neurofeedback）、经颅电刺激（tES）两项关键技术对脑 疾病（主要包括精神和神经障碍）进行物理干预，实现对 于人的认知和行为控制能力的改善并降低精神障碍病症。 基于人工智能算法的智能软件，我们实时的获取大脑 的脑电信号，通过我们专利技术—集群算法，可以实时的 得到，在什么样的条件下，什么样的信号出现的时候，开 始给予大脑一个微电流

自然铜为硫化物类矿物黄铁矿族黄铁矿，是常用活血化瘀止痛药 物。本项目公开的自然铜微生物浸出液具有明显的促进骨折愈合的效 果,且用量很少。另外,由于自然铜微生物浸出液是一种可溶性的药物, 因此可以单独或与其它药物配伍及添加药学上可以接受的辅料,很容 易制成各种制剂,包括栓剂、丸剂、颗粒剂、膜剂、微囊剂、滴丸剂、 气雾剂、酒剂、糖浆剂、口服液、注射液或注射粉针剂等。

项目产品基于神经信号实时反馈技术 （Neurofeedback）、经颅电刺激（tES）两项关键技术对脑疾病（主要包括精神和神经障碍）进行物理干预，实现对于人的认知和行为控制能力的改善并降低精神障碍病症。 基于人工智能算法的智能软件，我们实时的获取大脑的脑电信号，通过我们专利技术—集群算法，可以实时的得到，在什么样的条件下，什么样的信号出现的时候，开始给予大脑一个微电流刺激。第三部分再实时获得完成刺激信号给一个闭环 

下肢深静脉栓塞（DVT）及静脉曲张在老年人及手术患者中是比较常见的疾病。长期以来，临床均采用抗凝药物以及围手术期循序减压弹力袜对上述疾病进行预防和治疗，然而效果并不令人满意。近年来，大量临床试验表明，分级气压式血液循环驱动器对预防 DVT 及静脉曲张有较好效果。目前，生产上述产品的公司主要包括美国 Kendall 公司、英国 Huntleigh 医疗设备公司等，我国目前仅有2 家企业从事相关系统的研发，性能比国外产品落后，且价格昂贵。针对上述问题，本项目组研发了一款“动静脉脉冲治疗仪”，对 DVT

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。

南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），