本发明公开了一种基于图数据处理系统的数据并行访问方法， 所述方法包括以下步骤：S1、载入图数据至内存，将图数据各节点平 均分配至各处理器上并行处理；S2、各处理器调用图算法并行处理分 配至自身的图数据节点，处理过程中对图数据节点进行原子性读写； S3、将经图算法处理后的所有图数据节点写回至硬盘形成完整图数据， 判断所有图数据节点是否均收敛，如果收敛，则流程结束；如果不收 敛，则返回步骤 S1 进行下一次循环直到写回至

一种基于计算相关度的多数据中心数据布局优化方法，根据执行计算处理数据集的情况，生成计算 集和数据集集合的访问关联矩阵，计算出任意两个数据集之间的计算相关度，生成对应的计算相关度矩 阵;计算每个数据中心的基本容量，定义布局关联矩阵，根据计算相关度部署数据集。本发明通过构建 访问关联矩阵和布局矩阵，给出计算相关度的具体数学表示，根据建立的计算相关度矩阵，以低复杂度 的方法实现数据布局，并将新数据和中间数据动态部署至合适的数据中心，可以有效减少跨数据中心数 据调度，提高系统的访问性能。

《美国国家科学院院刊》（ PNAS）在线发表了清华大学医学院生物医学工程系和清华-北大生命联合中心杜亚楠教授研究组题为“纤维化扩展中旁张力信号介导的肌成纤维细胞和纤维细胞通讯”(Matrix-transmitted paratensile signaling enables myofibroblast-fibroblast crosstalk in fibrosis expansion)的研究长文。该研究应用单细胞力学刺激和体外仿生模型结合数学模型计算，系统探究了基质材料介导的力学信号在细胞间通讯的时空作用模式、分子基础，及其在纤维化发展蔓延过程中的作用，为细胞间力学信号介导的成纤维细胞（FB）-肌成纤维细胞(MF)互作提供了直接证据，并将这种纤维化发展进程中基质纤维介导的新型细胞间通讯模式命名为 “旁张力信号”（Paratensile signaling）。组织器官在受到损伤之后，会发生损伤修复，诱发组织纤维化。如果没有有效的控制措施，慢性纤维化疾病会最终导致组织硬化，诱发器官衰竭。有研究表明，在现代社会死亡病例中有将近50%与组织器官的慢性纤维化相关，包括此次新冠肺炎，会伴有肺部纤维化，重症患者纤维化进一步蔓延可导致呼吸衰竭，肺部纤维化也是愈后后遗症的重要风险因素之一。成纤维细胞的持续激活是各类组织纤维化中的主要诱因，在组织器官受到损伤或病毒感染之后，组织内的成纤维细胞FB会受到“旁分泌因子”（paracrine factors），例如TGF-b，PDGF等诱导，激活分化成为肌成纤维细胞MF，并分泌大量的细胞因子及细胞外基质，造成更广泛的成纤维细胞激活和组织硬化，进而引起组织器官内纤维化区域蔓延。除了感知化学信号，部分研究显示体外细胞会导致细胞外基质生物化学及生物物理性质的改变，也有研究表明细胞能够感受细胞外基质的物理特性，比如硬度、粘弹性等并作出响应。2017年，杜亚楠课题组发表于《自然·材料》的研究发现，在肝脏纤维化早期，肝窦内皮细胞可通过胶原纤维束传递力学信号激活星型细胞，导致肝脏纤维化蔓延。但是到目前为止，纤维化进展过程中细胞外基质材料介导的细胞间力学通讯的模式是否保守，以及其在组织器官内的蔓延模式、相关分子机制尚不明确。图1 组织纤维化扩展中旁张力信号介导的细胞间机械通讯示意图旁张力信号包含三个过程，一、力学信号的产生；二、力学信号在细胞外基质传递；三、周围细胞接受力学信号刺激作出响应。此过程介导了纤维化区域在组织内的扩张蔓延。研究团队首先在单细胞和多细胞水平上，通过统计FB和MF细胞收缩力和互作结果，显示细胞间存在基于胶原纤维化介质的细胞间通讯。为了进一步证明细胞间的机械通讯行为，团队建立了基于原子力显微镜可通过胶原纤维对单细胞施加可控、细胞级别力刺激的研究平台，利用该平台尽可能去除旁分泌等化学信号对细胞造成的影响。团队研究了来源于不同组织（肝脏、心脏和皮肤）的成纤维细胞对于旁张力信号的响应模式，即旁张力信号作用机制的三个过程：力的产生-力学信号在细胞外基质传递-临近细胞感受力学信号作出响应；研究发现距离施力细胞70微米 之外的细胞能在1秒之内对旁张力信号作出响应，并且初步证明细胞表面胶原蛋白受体Integrin/DDR2和机械力敏感钙离子通道Pizeo1介导了细胞间力学信号向细胞内生物化学信号的转变。 基于实验现象，团队进一步建立了基于单纯旁张力的数学模拟计算方法（Fibroblast - Myofibroblast Populated Collagen Lattice model, FMPCL），利用该数学模型可重现体外实验结果，包括细胞力产生、胶原纤维束的聚集及旁张力信号介导的成纤维细胞的激活，同时可预测在单细胞、多细胞水平下细胞间作用距离对于细胞激活的程度。在细胞水平研究的基础上，进一步结合微加工技术、组织工程手段和报告基因系统，分别构建了可模拟纤维化蔓延界面的体外纤维化灶扩展（ fibrotic foci expansion）模型和可模拟心脏纤维化扩展的体外仿生模型，并结合数学仿真，发现在纤维化组织和正常组织交界面（border zone）存在广泛的MF-BF细胞间旁张力通讯，导致界面不断扩展、纤维化区域蔓延。使用激光切割技术切断介质胶原纤维束，能够显著的阻断纤维化区域的蔓延。同样，阻断细胞间旁张力通讯能够抑制体外仿生模型中心脏纤维化的蔓延，证明了旁张力信号在组织纤维化扩展蔓延中不可或缺的作用（图2）。图2 纤维化蔓延界面和心脏纤维化仿生体外组织模型和数学模型在纤维化蔓延界面体外（A）和数学模拟（B）仿生模型中，在未干预的情况下，纤维化区域呈现显著蔓延并伴随着成纤维细胞的激活。通过显微切割技术切断纤维化界面的胶原纤维阻断旁张力信号，纤维化蔓延趋势得到显著抑制。同样在模拟心脏心室壁的组织纤维化模型和数学模拟模型中（C），在未干预情况下均出现显著纤维化蔓延，但是经过小分子BAPN处理抑制胶原纤维重塑，纤维化区域的蔓延得到抑制。该研究为细胞外基质材料介导的细胞间机械通讯提供了直接证据，“旁张力”细胞间通讯模式是对现有基于生化因子的“旁分泌”信号机制的重要补充（见视频），为纤维化病理研究提供了新视角，为临床干预纤维化疾病提供了新思路。清华大学医学院生物医学工程系教授、北大-清华生命联合中心研究员杜亚楠为本论文通讯作者，杜亚楠研究组已毕业博士刘龙伟、硕士于鸿升为本文的共同第一作者。杜亚楠课题组已毕业博士赵辉、鄢晓君，在读博士生龙艺、吴钊钊、尤志峰、周律等对此项工作有重要贡献。该研究得到了北京市自然科学基金、北京市自然科学技术委员会和国家自然科学基金的资助。文章链接：https://www.pnas.org/content/early/2020/04/30/1910650117?from=groupmessage&isappinstalled=0

本发明公开了一种基于子空间融合和一致性约束的准稠密匹配扩展方法。首先获取可靠的种子匹配，在种子匹配周围选定待扩展区域。然后对区域内的所有待扩展像素点进行稠密 SIFT 特征提取，并通过子空间学习将待扩展点的特征信息和位置信息进行融合。在寻找匹配时，利用一致性约束学习一个局部非刚体变换，该变换与仿射变换·748·等模型相比可以更好地描述非平面复杂场景。每一次扩展完成之后，对扩展结果进行优化，剔除不好的匹配

针对智慧城市、移动设备、工控系统等多个领域的CPS 多源异构时空大数据，提出了多种时序模式挖掘算法和时空 模型构建方法，并应用在轨迹预测、交通流预测、空气质量 预测、用户画像、活动识别、异常行为检测、网络攻击检测 等多个任务中，并为“人机物”融合的数据驱动模型提供理 论与技术基础。

与华为技术有限公司开展互联网语义分析合作研究，双方共同研发了“电商知识图谱自动化构建和电商评论分析系统”，该系统可以自动化将不同电商网站的数据抽取和集成，形成一个庞大的电商知识图谱，并且利用这个知识图谱来对电商评论做语义分析。该项目中的技术已经被华为公司用于大数据中的视频分析，并且产生了良好的经济效益。另外，与百度签订了“本体及知件技术构建医疗领域知识库和应用研究”项目，提交并审核通过一项专利“一种医疗知识库中保健品与疾病的关联构建方法”，并且提出一种word embedding的方式挖掘非结构化数据中实体关系的方法，项目成果被百度用于医疗保健品的搜索中，取得了很好的社会效应。

开放化、高速化和高精度化都是现代信息技术的发展趋势和研究热点。数据采集系统是通信技术和数控技术领域的重要功能模块，应用领域十分广泛。 本数据采集平台的中央控制芯片选用美国TI公司的DSP (Digital Signal Processor，数字信号处理芯片)TMS320C5402。DSP具有高速、高精度的运算能力，强大、方便的数据通信能力，灵活、可靠的编程与信号处理能力。设计选用昀A/D转换芯片是AD公司推出AD976A，其转换精度是16位，转换速率最高可达200k/s。系统的核心采用DSP控制AD976A实现高速数据采集的功能。

系统重点解决舆情数据分析中可视化舆情数据采集、存储和分析方法问题。系统提供可视化舆情数据采集方法，解决了用户定义数据采集模板易用性问题。系统采用主流的hadoop系统作为存储系统，解决了系统可用性问题。系统实现了多种舆情数据分析算法，实现了舆情报告辅助生成功能，能够有效的协助舆情分析人员工作。系统数据采集吞吐量、数据存储、计算能力均具有良好的扩展性。

该项目利用国家卫健委公布的确诊病例总数数据链，以应用传播动力学为方法，以黄森忠教授建构的普适SEIR模型作为模型理论，通过“南开大学智英健康数据研究中心”开发的程序EpiSIX，分析新冠病毒肺炎疫情有关数据，并将分析结果生成可视化网页，开展疫情发展回顾、确诊病例数时序区间预测等相关工作，对疫情发展情况及疫情防控效率作出研判。 研究团队由黄森忠教授和山西大学复杂系统研究所所长靳祯教授、南京医科大学公共卫生学院彭志行副教授共同领衔，南开大学统计与数据科学学院多名年轻教师与研究生加入。研究团队从1月30日至2月14日，每3日发布一次预测，已连续发布疫情传播预测6期，并根据疫情变化，及时调整预测评价指标，其预测区域也进一步细化，由原来的对全国、湖北省、武汉市的疫情预测，拓展为对全国各省市的预测。

近日，中国科学技术大学管理学院在时空面板数据模型的研究中取得重要进展，突破经典的广义极大似然估计和广义矩估计理论框架，提出了基于空间权重矩阵特征分解的估计和模型选择方法。相关论文在学术期刊《美国科学院院报》上发表。现在很多大数据（环境，疫情，犯罪，物流，区域经济等）呈现出时间和空间的复杂相依关系，由于时空的交互影响提高了对应的时空模型的估计难度。有别于已有的复杂估计方法，文章改变传统的估计思路，充分利用时空数据的空间结构特征，采用空间权重矩阵的特征分解，极大的简化了估计方法，提高了估计精度和运算速度，并提出了相应的模型选择方法。理论部分模型的示意图如下图所示：文章以 2008 年 1 月到 2013 年 12 月（72 个月） 138 个美国匹兹堡行政地区的犯罪数据为例做了示范。在这个例子中，犯罪数据重罪（Part I）和轻罪(Par II)在138个行政区的平均犯罪个数分布如下图：文章还选取了 15 个区域社会经济变量作为解释变量，包括区域总人口、收入、失业率、贫苦率、非裔比例、教育水平等。模型的拟合程度指标R平方（接近1时，拟合程度高）达到 0.98，表明选择的模型非常好的拟合了数据。数据分析结果可以用于以轻罪发生率预测重罪发生率，解释犯罪学的“破窗理论”，分析重罪发生率和总人口、收入和贫困等的量化关系。论文链接：https://doi.org/10.1073/pnas.1917411117详细阅读：http://news.ustc.edu.cn/2020/0318/c15884a414854/page.htm