项目成果/简介:长牡蛎“海大1号”是我国培育的第一个牡蛎新品种，填补了我国牡蛎良种培育的空白。中国海洋大学自2006年在国内率先开始了长牡蛎快速生长系的选择育种，以山东乳山海区自然采苗养殖的长牡蛎为基础群体，基于群体选育、辅以分子标记辅助育种，采用有效繁殖亲本数量控制、选育群体世代遗传参数与选择效应评估以及选育世代遗传多样性监测等多项关键技术，通过连续6代成功培育出长牡蛎“海大1号”新品种。该新品种具有生长速度快、壳型规则等特性，目前在山东、辽宁、江苏等地养殖面积超过20万亩，取得了显著的经济和社会效益，有力推动了我国牡蛎养殖业的良种化进程。长牡蛎“海大2号” 新品种是中国海洋大学继培育我国第一个生长性状优良的长牡蛎“海大1号”新品种的基础上培育的长牡蛎第二个新品种。长牡蛎“海大2号” 新品种是以金黄壳色和生长速度作为选育目标性状，采用家系选育和群体选育相结合的混合选育技术，辅以分子标记辅助育种，经过4代培育而成。该新品种体重和出肉率可分别提高38%和25%以上，左右壳和外套膜均为色泽亮丽的金黄色（养殖户喜称“金牡蛎”“金蚝”），在北方沿海进行了示范养殖，深受育苗企业和广大养殖户的喜爱，大大提高了我国养殖牡蛎的品质和档次。长牡蛎“海大3号”新品种是以2010年从山东沿海长牡蛎野生群体中筛选出的左壳为黑色的个体为基础群体，以壳黑色和生长速度为目标性状，采用家系选育和群体选育相结合的混合选育技术，经连续6代选育而成。在相同养殖条件下，与未经选育的长牡蛎相比，10月龄贝壳高平均提高9%，软体部重平均提高64.5%，左右壳和外套膜均为黑色，黑色性状比例达100%。适宜在山东和辽宁人工可控的海水水体中养殖。项目阶段:工业化生产阶段效益分析:牡蛎是世界上养殖产量最大的海水养殖种类，世界年产量为400多万吨，产值近40亿美元，也是消费量最多的贝类产品。我国是牡蛎的故乡，牡蛎居我国四大经济贝类之首，年产量480多万吨，占世界牡蛎产量的4/5。我国牡蛎产量虽然很大，但产值仅占世界的1/4左右。在我国牡蛎价格仅为2-4元/kg，而在美国和欧盟国家的牡蛎价格却高达1~2 美元/个。虽然国外牡蛎价格昂贵，但我国每年却要从美国、澳大利亚等国家进口大量的牡蛎，来满足各大城市高档市场的需求。长牡蛎“海大1号”、“海大2号”和“海大3号”新品种品质优良，可作为进口牡蛎的替代产品，具有广阔的市场前景。预期投资500万元，养殖规模2000亩，产值2000~3000万元。知识产权类型:发明专利 、 软件著作权知识产权编号:GS-01-005-2013 GS-01-007-2016 ZL201410120162.9 GS-01-007-2018技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

长牡蛎“海大1号”是我国培育的第一个牡蛎新品种，填补了我国牡蛎良种培育的空白。中国海洋大学自2006年在国内率先开始了长牡蛎快速生长系的选择育种，以山东乳山海区自然采苗养殖的长牡蛎为基础群体，基于群体选育、辅以分子标记辅助育种，采用有效繁殖亲本数量控制、选育群体世代遗传参数与选择效应评估以及选育世代遗传多样性监测等多项关键技术，通过连续6代成功培育出长牡蛎“海大1号”新品种。该新品种具有生长速度快、壳型规则等特性，目前在山东、辽宁、江苏等地养殖面积超过20万亩，取得了显著的经济和社会效益，有力推动了我国牡蛎养殖业的良种化进程。 长牡蛎“海大2号” 新品种是中国海洋大学继培育我国第一个生长性状优良的长牡蛎“海大1号”新品种的基础上培育的长牡蛎第二个新品种。长牡蛎“海大2号” 新品种是以金黄壳色和生长速度作为选育目标性状，采用家系选育和群体选育相结合的混合选育技术，辅以分子标记辅助育种，经过4代培育而成。该新品种体重和出肉率可分别提高38%和25%以上，左右壳和外套膜均为色泽亮丽的金黄色（养殖户喜称“金牡蛎”“金蚝”），在北方沿海进行了示范养殖，深受育苗企业和广大养殖户的喜爱，大大提高了我国养殖牡蛎的品质和档次。 长牡蛎“海大3号”新品种是以2010年从山东沿海长牡蛎野生群体中筛选出的左壳为黑色的个体为基础群体，以壳黑色和生长速度为目标性状，采用家系选育和群体选育相结合的混合选育技术，经连续6代选育而成。在相同养殖条件下，与未经选育的长牡蛎相比，10月龄贝壳高平均提高9%，软体部重平均提高64.5%，左右壳和外套膜均为黑色，黑色性状比例达100%。适宜在山东和辽宁人工可控的海水水体中养殖。

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research

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 学号 赵玉蓉 外国语学院/英语 2016/2020 201631131102 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 阮先玉 外国语学院/英语 教研室主任/副教授 语言学、翻译 四、项目简介 随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。

1.痛点问题 新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。 在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。 2.解决方案 本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。 自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。 智能化研发平台 3.合作需求 拟成立公司推动该项成果的产业化进程，希望对接 1）工程化、产品化所需的资源； 2）新能源、新材料领域合作企业。