目前市场上缺乏能够成套交付新要求的毫米波天线、集成度高的滤波器等无源器件、以及其相应的检测设备的综合性企业，特别是具有从设计，加工，调试到性能检测认证的全产业链能力。基于我们朗普达创始团队的核心技术，我们不但能够提供业界最领先的毫米波天线模组，高性能的滤波器和其他无源器件产品，还可以交付针对这些器件的测试检测设备。这两方面的产品能力互相补充，互相促进，互相拓展，使得朗普达的产品具有客户群体广泛，客户类型多样，能够快速适应市场变化等特点。 我们的毫米波的人工电磁材料技术可以让5G基站天线具有比4G基站天线更小面积和更多的天线数及接口，极大地提高系统容量和频谱效率；天线阵列宽角扫描技术，可以在不增加天线数目的基础上将手机的覆盖能力提高70%以上；是满足新一代无线通信产业对多天线系统小体积、高容量、广覆盖的需求的重要保障，显得尤为迫切和重要。我们基于矢量拟合法的滤波器特性提取和诊断算法，能够更精准的设计高良率的无源器件；同时结合神经网络和人工智能算法，可以适用于我司的滤波器自动检测设备和产线，实现滤波器的无人调试和高效检验交付。

本发明涉及基因工程领域，具体地，本发明涉及一种豇豆胰蛋白酶抑制剂基因、及其应用、大量制备豇豆胰蛋白酶抑制剂的方法。如上所述本发明的发明人首先利用pcr反应从豇豆基因组dna中直接获得cpti基因(cpti基因不含有内含子)，然后优化改造所述cpti序列，改造后的序列在大肠杆菌中的表达量和表达比活性都有显著改进。

项目成果/简介:本发明涉及基因工程领域，具体地，本发明涉及一种豇豆胰蛋白酶抑制剂基因、及其应用、大量制备豇豆胰蛋白酶抑制剂的方法。如上所述本发明的发明人首先利用pcr反应从豇豆基因组dna中直接获得cpti基因(cpti基因不含有内含子)，然后优化改造所述cpti序列，改造后的序列在大肠杆菌中的表达量和表达比活性都有显著改进。

南方科技大学生物系兼职教授、美国科学院院士邓兴旺联合北京大学生命科学学院副研究员朱丹萌课题组，揭示了HY5(ELONGATED HYPOCOTYL 5)在光下可通过蛋白-蛋白直接互作增强BIN2 （BRASSINOSTEROID-INSENSITIVE 2）的激酶活性，抑制幼苗下胚轴伸长。相关论文以“Modulation of BIN2 kinase activity by HY5 controls hypocotyl elongation in the light”为题发表在《自然-通讯》（Nature Communications）上。 这项研究发现了HY5调控下胚轴伸长的新方式，揭示了其介导的BR信号抑制机理，为GSK3β激酶活性调控研究提供了新视角，或可为今后HY5蛋白的定向改造提供氨基酸位点信息。这项研究是研究团队继发现光形态建成抑制因子COP1抑制BIN2活性来促进暗形态建成的非经典功能 (Ling et al., 2017, PNAS)之后的又一新发现，并再次揭示光信号途径重要因子“技多不愁”的有趣现象。

本发明公开了一种硅烷偶联剂修饰二氧化钛纳米管阵列材料及其制备方法和应用。该硅烷偶联剂修饰二氧化钛纳米管阵列材料主要由二氧化钛纳米管阵列、硅烷偶联剂、有机溶剂和冰醋酸混合后反应得到，可应用于处理含有机污染物和/或重金属污染物的废水中。本发明的硅烷偶联剂修饰二氧化钛纳米管阵列材料氧化还原能力强，可同时去除有机污染物和重金属污染物，且去除效果好，可反复使用。

本发明公开了一种硅烷偶联剂修饰二氧化钛纳米管阵列材料及其制备方法和应用。该硅烷偶联剂修饰二氧化钛纳米管阵列材料主要由二氧化钛纳米管阵列、硅烷偶联剂、有机溶剂和冰醋酸混合后反应得到，可应用于处理含有机污染物和/或重金属污染物的废水中。本发明的硅烷偶联剂修饰二氧化钛纳米管阵列材料氧化还原能力强，可同时去除有机污染物和重金属污染物，且去除效果好，可反复使用。

本发明公开了一种rTRAIL突变体-单甲基化聚乙二醇马来酰亚胺偶联物及其应用。该偶联物由单甲基化聚乙二醇马来酰亚胺偶联rTRAIL突变体三聚体构成，rTRAIL突变体的氨基酸序列如SEQ?ID?No.1所示，单甲基化聚乙二醇马来酰亚胺的分子量为3000～10000Da。所述应用是指该偶联物在制备抗肿瘤药物中的应用。与现有技术相比，本发明的mPEGMAL-rTRAIL突变体偶联物质量易于控制，具有更长的半衰期，更好的稳定性、生物利用度，保留了原TRAIL分子对肿瘤细胞约20%的凋亡诱导活性，成药性更高；制备mPEGMAL-rTRAIL突变体偶联物的反应时间更短，目的产物得率更高；不存在肝毒性隐患。

本发明涉及一种粉煤灰漂珠表面改性技术，具体涉及一种利用复配硅烷偶联剂对粉煤灰漂珠进行表面改性的方法，首先对粉煤灰进行烧结、酸碱预处理，然后再用复配偶联剂对预处理过的粉煤灰进行表面改性处理。采用本发明方法对粉煤灰进行表面改性后，所得表面改性粉煤灰漂珠表面的物理化学性质发生了改变，提高了其在树脂和有机聚合物中的分散性，增进填料与树脂等基体界面的相容性，进而提高塑料、涂料、橡胶等高分子材料的力学性能及其它性能，为粉煤灰的更好利用提供了一种改进方法，减少了对环境的污染。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

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。