1、 一种具有高度可见光透过率与隔热特性的陶瓷基玻璃涂层或玻璃贴膜。 玻璃改造后可见光透过率高于 70%，屏蔽 99%以上的致癌性紫外线，且有 效阻止通过玻璃的热能交换过程，可用于建筑或汽车玻璃的节能改造， 提升建筑的适居度与节能效果。 2、 该项目各技术环节环保无毒，产品成本远低于市面现有技术，性能优于 现有技术，设备投入与实施成本低。

电镀作为金属材料的表面改性技术已经取得了很广泛的应用，近年来电镀也开始在非金属导电材料的表面改性领域取得相当规模的工业应用。但高电阻率氧化物材料表面金属镀覆一直以来不能采用电镀工艺，这是因为这类材料的电子电导小，电镀液中被镀金属离子不能从材料表面得到电子，所以不能沉积下来。传统的绝缘氧化物材料表面镀覆金属的方法有化学镀、真空蒸镀、溅射镀、涂覆金属浆料后再烧结等方法，各方法都有各自的优缺点。如含有氨水的化学镀银溶液不稳定，甚至有可能生成有爆炸危险的叠氮化合物。真空蒸镀和溅射镀有设备投资大、维护费用较高等缺点，涂覆金属浆料后再烧结的方法有金属层厚度不均匀等缺点。 我们发明了一种高电阻率金属氧化物材料表面电镀的技术，解决了多种高电阻率金属氧化物材料表面不能电镀的问题。高电阻率金属氧化物材料电镀的基本过程是首先对氧化物材料表面进行原子氢致电导改性处理，提高其表面电子电导，使材料表面出现半导化甚至金属化，然后在氧化物材料表面直接电镀金属层。我们在这个方向上已经进行了近十年的研究，发表了十几篇学术论文，申请了两项发明专利。      本技术适用于由氧化物功能材料制造的电子元器件表面电镀，也适用于氧化物材料颗粒或块体的电镀等，所得金属镀层厚度均匀，与氧化物材料表面具有良好的结合力。

项目以高异形度喷丝板和异形纤维的加工技术，在多家企业开发了高导湿涤纶短纤维及长丝；系统研究了纤维集合体的毛细效应机理，指导高导湿织物的织造工艺和后整理工艺；并建立了高导湿纤维导湿性能的专用评价体系。成果获2007年度国家科技进步二等奖。课题组还进行高品质熔体直纺超细旦涤纶长丝工业化生产技术集成开发，成果获2009年度纺织工业协会一等奖。

本成果涉及一种可用于电子封装领域的高导热低介电复合材料。通过采用不同的技术在常见聚合物基材中添加氮化硼，来制备复合材料，复合材料热导率高于 2 W/(m·K)，其介电常数小于 4。该复合材料可作为热界面材料，应用于电子封装领域。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

可充电电池按照电解液可分为有机系和水系。其中水系电池具有制备工艺简单、无起火爆炸之风险。本项目研制了一种水系锌离子电池，负极为锌片，正极为基于导电聚合物和碳材料的复合物，不含重金属，电解液是中性水溶液。该储能器件具有高比容量，长循环寿命之优点。其能量密度高于目前商业化的铅酸电池，连续充放电1万次后容量保持率为100%，即使用寿命约为现有电池的10-20倍。该产品安全环保、成本低，可用于大规模电网储能、汽车启动电源、电动交通、UPS电源等领域；除了能够取代目前占据市场份额第二位的铅酸电池，由于较高的功率密度，在某些应用领域又可替代超级电容器。

该项目发明了花生离体诱导突变技术，以花生胚小叶作为外植体，平阳霉素作为诱 变剂，体胚诱导和诱变培养基为MS + 4 mg/L 平阳霉素 + 10 mg/L 2,4-D。 发明花生再生苗无菌嫁接和移栽新方法，解决了再生苗生根难、移栽不易成活的问 题。以体胚再生苗为接穗嫁接于无菌催芽的花生苗下胚轴。无菌培养 3-5 天后，嫁接 苗直接移栽田间，成活率达 98.7%，接穗全部结果。32 发明了花生高油性状离体筛选方法，解决了高油性状选择效率低的难题。高油离体 筛选培养基为MS + 4 mg/L BAP + 6mmol/L 羟脯氨酸,筛选与体胚萌发成苗同时进行。 再生植株后代含油量≥55% 。 利用离体诱变、高油精准筛选获得的再生植株，采用发明的嫁接移栽方法移栽田间， 后代利用常规田间选择技术，培育高产高油花生新品种。利用上述技术育成高产高油花 生新品种5个，含油量均在55%以上，达到花生高油标准，含油量最高的品种达到61.05%。 产量均比区试对照增产13%以上。并且兼具抗旱、耐盐性。

我国高速列车制造所用高档铝合金光亮焊丝主要为ER5356、ER5183、ER5087三种铝合金焊丝，它们针主要对的是时速300公里以下的高速列车的制造。目前我国高速列车时速已达350公里，因此需要采用性能更高的高档铝合金光亮焊丝。本项目的新型高Mn铝镁合金焊丝就是针对性能更高的高档铝合金光亮焊丝这一需求开发的。 开发高速列车用高Mn铝镁合金光亮焊丝产品需要具备铝合金高冶金质量熔炼及半连续铸造的生产条件，其中所限制的元素将低到所要求的含量以下：铍含量小于0.0008%(wt)、氢含量小于0.18ml/100g、钠含量小于0.0010%(wt)。保证合金锭坯成分精确，渣、气含量低，冶金质量好。经最终光亮拉拔及处理后焊丝表面光亮光洁、尺寸精确。经上述条件生产高Mn铝镁合金光亮焊丝焊接5083铝合金板材，与目前使用的ER5356、ER5183、ER5087三种铝合金焊丝相比，其焊口屈服强度、抗拉强度明显提高，更接近合金母材的水平，且焊缝弯曲性能良好，符合（ISO058173：2000（E））［金属材料焊缝的破坏试验——弯曲试验］国际标准的质量要求。焊缝力学性能与现有焊丝焊缝的比较见下表： 本项目最适合在已具备铝合金高冶金质量熔炼及半连续铸造的铝合金加工厂进行。目前每年我国进口各种规格高档铝合金焊丝约1万吨。虽然铝原材料的价格不断下降，已接近10000元/吨，但高档铝合金光亮焊丝的价格并未明显降低，因此高档铝合金光亮焊丝是高附加值的产品，可获得较大的利润。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

同步糖化与发酵是生物转化木质纤维素生产燃料乙醇或高值化学品的主流工艺。目前，由 于发酵产品浓度低所导致的高额的产品分离成本以及生产成本是纤维素原料生物转化中所面临 的紧迫问题。提高同步糖化与发酵操作中木质纤维素底物的固体含量，进而得到高浓度的发酵 产品，降低纤维素基产品的生产成本是木质纤维素生物炼制技术的发展趋势。本技术的产业化 实施将大大提高纤维素基发酵产品的浓度，大幅降低相关产品的分离成本和生产成本，为木质 纤维素生物炼制的产业化奠定基础。 本项目的高固体含量木质纤维素同步糖化与发酵技术主要包括同步糖化与发酵木质纤维素 培养发酵微生物和高固体含量同步糖化与发酵生产纤维素基产品等主要工序。其中，同步糖化 与发酵木质纤维素培养发酵微生物通过酶解木质纤维素得到的葡萄糖为发酵微生物提供碳源来 培养发酵菌种，实现了微生物培养碳源的原位生产，无需外源商业葡萄糖的添加，大大降低了 发酵微生物的培养成本；高固体含量木质纤维素同步糖化与发酵技术则通过自主研发的螺带型 反应器处理固含量达40%以上的底物进行发酵，与常规发酵反应器相比，电耗降低80%以上。 通过该成套技术可以得到不低于10% (v/v) 浓度的燃料乙醇或其它高值化学品的发酵液，纤维 素转化率达75%以上。本技术的实施将会大大降低纤维素基产品的生产成本，为木质纤维素生 物炼制的产业化奠定基础。