对CF3自由基引发非活性烯烃和远程的胺β-C-H键的官能化的研究进展。该研究在国际上首次实现了有机膦催化的CF3自由基串联反应：烯烃的官能化和酰胺类衍生物的β-Csp3-H键官能化，分别得到双三氟甲基化的烯酰胺和三取代的5-(三氟甲基)噁唑。该反应具有较高区域选择性、化学选择性和立体选择性；利用该方法可以一锅法制备三取代的5-(三氟甲基)噁唑，具有方法简单、步骤少等优点。此法不仅弥补了传统方法中使用金属催化剂催化时导向基团必不可少的不足，而且为自由基有机反应提供了一种新的思路。

5-单硝酸异山梨醇酯是最新一代抗心绞痛用原料药，为硝酸甘油类药物的替代品，成药市场不断扩大，推动了改产品的生产。其合成工艺以山梨醇为主要原料，经脱水、硝化、中和、冷却、抽滤、结晶合成。我们在产品的分离方面有所创新，使生产效率和产品收率有了较大的提高。本产品原料成本约350元/kg，售价2000元/kg。设备投入约80万元。

成果描述：2,5-呋喃二甲醛（DFF）是一种多用途的有机合成中间体，可以用来合成药物、大环配体、抗真菌剂和呋喃，也可以作为单体形成各种高聚物，例如聚频哪醇和聚乙烯。采用5-羟甲基糠醛（HMF）为原料，通过氧化反应合成DFF，是目前工业上唯一可行的制备DFF的方法。但因获得HMF需要复杂的分离纯化过程，故HMF价格昂贵使得DFF的生产成本很高，其生产迄今没有工业化。碳水化合物被视为目前最有希望的“可再生资源”。将廉价的碳水化合物直接作为原料，利用无需分离HMF的二步转化方法制备DFF, 可以克服已有技术成本高，能耗高和收率低的缺陷，更为经济实用，更符合经济的绿色可持续发展。 常压下反应，以碳水化合物（葡萄糖、果糖或蔗糖）为原料，采用不分离HMF的一锅两步法合成DFF：第一步碳水化合物脱水生成HMF，第二步HMF原位氧化生成DFF。本方法的技术优势在于：1. 适用原料广，尤其可以用廉价的葡萄糖作原料得到较高的DFF产率，降低了生成成本，具有工业化应用前景；2. DFF产率高，以碳水化合物计（葡萄糖：51%，果糖：68%，蔗糖：50%）；3. 催化剂廉价易得，易于分离（离心分离）；4. 反应条件较温和，常压，低温，反应时间相对较短；5. 反应过程操作简单，反应副产物少，对环境友好。市场前景分析：生物质化工领域，精细化学品合成。与同类成果相比的优势分析：由葡萄糖制备DFF： DFF产率>40 %，选择性>60 % 由果糖制备DFF： DFF产率>55 %，选择性>65 % 由蔗糖制备DFF： DFF产率>45 %，选择性>65 % 国内先进。

本发明公开了一类新的2，5，6位取代嘧啶酮衍生物，其具有良好的抗乙肝病毒（HBV）活性。目前临床用于治疗乙肝病毒的药物皆为核苷类化合物。而抗HBV非核苷类化合物还处于研发阶段。探究其作用机制，对于发展新型非核苷类抗HBV药物，特别是对抗临床常用药物耐药的问题，具有特别重要的意义。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

万物有声科技关注声音后期制作中的拟音技术，用“AI+声音”的基本构想，致力于将拟音技术与人工智能结合，以声音资源库为核心资源，以视频动作识别和声音识别自动配音技术为核心技术。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 金若熙 公共管理学院/企业管理专业 2021 赵洋 计算机科学与技术学院/软件工程专业 2018/2022 王美琳 管理学院/会计学专业 2018/2022 谭惠文 经济学院/国际商务专业 2021 郭梦妍 艺术与考古学院/视觉传达专业 2019/2023 徐舒婷 光华法学院/法学专业 2019/2023 布音塔娜 管理学院/工商管理专业 2018/2022 崔靖乐 光华法学院/法学专业 2020/2024 陶振宇 传媒与国际文化学院/传播学专业 2020/2024 三、指导教师 姓名 学院 职务/职称 研究方向 王婧 传媒与国际文化学院 副教授，博导 声音研究、感官研究、表演学研究、艺术人类学 四、项目简介 万物有声科技关注声音后期制作中的拟音技术，用“AI+声音”的基本构想，致力于将拟音技术与人工智能结合，以声音资源库为核心资源，以视频动作识别和声音识别自动配音技术为核心技术。团队首次将人工智能与拟音技术相结合，以技术助力后期制作的同时，关注拟音技术中的情感注入和人文关怀，优化声音后期制作行业的资源配置，提高后期制作的生产效率；同时降低部分场景的声音后期制作门槛，丰富声音的应用场景，将拟音技术的高质量听觉体验引入在线音频、影视后期、游戏等多个领域。 团队首先对传统拟音师积累于硬盘中的无序声音资源进行了细化的分类和打标，对其进行数字化编码，完成了高质量声音资源库的打造，为喜爱创作视听产品的用户提供高质量的声音资源。本库声音均采用影视制作标准，同时配以智能简洁的检索系统，改善了同类产品中标签分类模糊杂乱、检索困难、音质参差不齐的不足；同时配合专业后期配音教程与作品分享，做到“既以鱼又以渔”，延伸产品价值。 其次，团队将自动配音技术与海量音源库相结合，开发有声数字化声音数据库，团队将进一步完善和细化声音资源库。同时深耕算法的研究和迭代，实现后期拟音的进一步智能化，该技术的应用场景将向专业视频后期转型，着重开发其在专业视频后期声音制作中的应用。

一种用于预测多元拼合靶材制备的薄膜成分的预测方法 一、项目分类 显著效益成果转化 二、成果简介 现有物理气相沉积（PVD）制备多元薄膜材料采用合金靶材作为靶源，生产过程中，薄膜成分的调控范围受安装的合金靶材的成分比例的限制。如果预期获得纳微复杂结构的复合薄膜，按照常规技术路线需要上百块成分连续变化的合金靶材，这显然是无法实现的。同时，采用合金靶材制备某些多元薄膜时，需要特高纯度的或极端成分比例的靶材作为靶源，这类特殊靶材以现有技术难以制造。 为此，本发明研发出一种用于预测多元拼合靶材制备的薄膜成分的预测方法，利用本发明技术有助于新材料的研发和促进半导体器件、切削刀具涂层等高新技术的发展。

高性能大算力整车智能计算平台 征程®5 是地平线第三代车规级产品，也是国内首颗遵循 ISO 26262 功能安全认证流程开发，并通过ASIL-B 认证的车规级AI芯片；⁣基于最新的地平线BPU® 贝叶斯架构设计，可提供高达128TOPS等效算力；外部接口丰富，可接入超过16路高清视频输入；依托强大异构计算资源，不仅适用于最先进图像感知算法加速，还可支持激光雷达、毫米波雷达等多传感器融合；支持预测规划以及H.265/JPEG实时编解码，是面向高级别自动驾驶及智能座舱量产的理想选择。

Matrix®5 是业界领先的面向下一代软件定义汽车的中央AI计算平台。Matrix 5 将助力Tier1，ODM以及OEM客户完全释放AI潜能，打造出极具竞争力的解决方案，应对高阶自动驾驶以及智能座舱多模人机交互HMI的多样化需求。