羟基嘧啶是生产大吨位杀虫剂地亚农的关键中间体。地亚农是由瑞士汽巴一嘉基公司于1956年合成，是一种广谱、高效、中低毒有机磷杀虫杀螨剂。广泛用于水稻、棉花、果树、蔬菜、甘蔗、玉米、烟草、马铃薯等作物，防治刺吸式口器害虫和食叶害虫，如磷翅目、双翅目幼虫、蚜虫、叶蝉、飞虱、蓟马、介壳虫、十二八星瓢虫等，对螨卵也有一定杀伤效果。小麦、玉米、高梁、花生等作拌种，可防治蝼蛄、蛴螬等土壤害虫。颗粒剂灌心叶，可防治玉米螟。地亚农还广泛应用于兽药领域和用于卫生用杀虫喷雾剂，应用前景十分广阔，具有显著的社会效益、经济效益。目前地亚农的总产量为2-3万吨/年（不包含中国市场），需要羟基嘧啶的总量为1.5-2万吨/年。国内地亚农的生产才刚刚起步，随着国内高毒农药的淘汰，地亚农的产量可能达到1-2万吨/年，则需要羟基嘧啶的总量为1万吨/年。/line南开大学元素所研制的羟基嘧啶小试工艺是以异丁腈为起始原料，经醚化、脒化、环化连续化制备中间体羟基嘧啶，三步总收率达到92%（以异丁腈计）以上，羟基嘧啶的含量达到98％。

项目简介： 羟基嘧啶是生产大吨位杀虫剂地亚农的关键中间体。地亚农是由 瑞士汽巴一嘉基公司于 1956 年合成，是一种广谱、高效、中低毒有 机磷杀虫杀螨剂。广泛用于水稻、棉花、果树、蔬菜、甘蔗、玉米、 烟草、马铃薯等作物，防治刺吸式口器害虫和食叶害虫，如磷翅目、 双翅目幼虫、蚜虫、叶蝉、飞虱、蓟马、介壳虫、十二八星瓢虫等， 对螨卵也有一定杀伤效果。小麦、玉米、高梁、花生等作拌种，可防 治蝼蛄、蛴螬等土壤害虫。颗粒剂灌心叶，可防治玉米螟。地亚农还 广泛应用于兽药领域和用于卫生用杀虫喷雾剂，应用前景十分广阔， 具有显著的社会效益、经济效益。目前地亚农的总产量为 2-3 万吨/年 （不包含中国市场），需要羟基嘧啶的总量为 1.5-2 万吨/年。国内地 亚农的生产才刚刚起步，随着国内高毒农药的淘汰，地亚农的产量可 能达到 1-2 万吨/年，则需要羟基嘧啶的总量为 1 万吨/年。 南开大学元素所研制的羟基嘧啶小试工艺是以异丁腈为起始原 料，经醚化、脒化、环化连续化制备中间体羟基嘧啶，三步总收率达 到 92%（以异丁腈计）以上，羟基嘧啶的含量达到 98％。这一技术达 到国际先进水平，该工艺的创新点在于：发现了高效催化剂（用量： 1/1500-1/3000），找到了一条高收率、高质量、低成本、连续化生产地亚农的主要中间体羟基嘧啶的生产方法；采用了先进的自动化控制设 备；基本实现了羟基嘧啶生产过程中的原子经济性及过程清洁化，即 投料比基本接近理论投料量，生产过程基本无废气排放，废水大部分 可循环使用。 

羟基嘧啶是生产大吨位杀虫剂地亚农的关键中间体。地亚农是由瑞士汽巴一嘉基公司于1956年合成，是一种广谱、高效、中低毒有机磷杀虫杀螨剂。广泛用于水稻、棉花、果树、蔬菜、甘蔗、玉米、烟草、马铃薯等作物，防治刺吸式口器害虫和食叶害虫，如磷翅目、双翅目幼虫、蚜虫、叶蝉、飞虱、蓟马、介壳虫、十二八星瓢虫等，对螨卵也有一定杀伤效果。小麦、玉米、高梁、花生等作拌种，可防治蝼蛄、蛴螬等土壤害虫。颗粒剂灌心叶，可防治玉米螟。地亚农还广泛应用于兽药领域和用于卫生用杀虫喷雾剂，应用前景十分广阔，具有显著的社会效益、经济

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。

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。