SaaS在线CAE计算仿真平台，改变了CAE应用模式，为用户提供了更加便捷、高效的计算服务。平台基于标准的Web浏览器开发，利用云计算、高性能计算和先进的仿真技术，为用户提供模型的轻量化展示、行业SaaS服务以及公有SaaS服务。平台支持CAD模型创建、模型前处理、数据分析配置与运行和结果后处理过程，用户可通过网络在不同的终端上进行操作。核心求解程序部署在私有云或超算中心，让客户可以随手调用计算资源，客户只需要支付传统模式十分之一的价格就可以进行仿真计算工作。

广州南方高速铁路测量技术有限公司根据以往举办南方高速铁路工务及精测精调技能竞赛的成功经验，基于相关比赛平台的开发经验，开发出可以对接轨道精测虚拟仿真项目竞赛系统及工务标准化作业虚拟仿真项目竞赛系统等多套比赛系统的竞赛平台，平台具有考试管理功能，账户管理，考试安排及成绩公布等功能，可以做到公平高效，快捷方便的举行比赛，同时拥有相应的赛前练习等功能，可以更好地解决在当前疫情时代下铁路职业院校的教育教学等方面的困难和问题，促进教学培训新模式的探索。 当前疫情常态化，线上培训教学成为主流，随着首届全国职业学校“南方高铁杯”铁路工务作业虚拟仿真技能竞赛的顺利举办，将以往在线下举办的比赛真正的带到了线上来进行，实现了线上开幕，线上比赛和线上监考，进一步推动了虚拟仿真软件和线上竞赛平台的发展。

新华三绿洲数据运营平台是新华三自研的一站式智能数据开发和治理平台，集成了先进的大数据技术，主要包含数据标准、数据开发、数据质量、数据资产、数据脱敏以及时空与图引擎等数据使用场景，支持结构化数据、非结构化数据、时空数据、图数据的分析和加工。产品以打破“信息孤岛”消除“数据烟囱”为理念，帮组用户把数据用起来，以发挥数据最大价值。 数据安全 提供基于用户访问级别控制的静态脱敏以及动态脱敏能力。从敏感信息自动发现、分级分类、数据变形以及安全审计等一体化数据安全服务。 一站式开发 一张画布中完成全流程业务的开发，用SQL表达业务逻辑，用户仅需三步即可实现一个完整的开发流程。 规范化标准 提供规范化、流程化数据标准能力，提供国标，部标，行业标准管理，为后续的数据处理进行数据标准化提供关键性支撑。 自定义检核 灵活的检核方案配置管理，用户可以根据变化自由地编辑指标规则，从而帮助用户发现问题数据，改善数据质量情况。 统一数据资产 拉通数据的全生命周期流程，自动解析元数据，理清数据的来龙去脉。自定义业务分类，根据业务属性对数据进行分层分类管理。 图与时空引擎 针对高度互联数据的存储和查询场景进行设计，提供图数据库、图计算、图可视化为一体的图服务以及大规模存取、查询、分析时空数据的工具和算法集合能力。 行业套件 提供智慧行业套件知识库，涵盖行业数据标准、数据模块、行业数据主题库、专题库、行业算法库，加速交付能力，增强行业认知。 简单易用 产品贯穿整个数据应用生命周期，通过简单易用的可视化界面，用户可以通过可视化的操作界面“玩转”大数据。

   中教启星中小学VR虚拟现实创新实验室综合解决方案是一款为中小学校、校外教育基地设计开发的用于满足青少年自主探索、安全实验的软硬件一体化产品，满足多地区、多学校和多学科专业的VR虚拟现实实验创新教学的需求。通过虚拟现实技术，依托国际先进的桌面级便携式一体化虚拟现实设备，深度集成VR、AR、MR等多种新兴技术，学生可亲自操作，并反复观察细节。完美支持人机交互、师生教学和生生互动，彻底打破虚拟和现实的边界，学生在身临其境的自主探索中，打破课堂壁垒进行自然探索；一改以前难以实现的地理、历史及理化生、科学、生物教学，在虚拟现实场景下，学生能更主动地学习，更深刻地理解，更长久地记忆，实现综合素质的拓展和科学精神、创新精神的培养，让VR技术真正服务教学、助力教育创新发展。结合VR实验室的整体环境建设、特色师资培训及其他配套服务，帮助中小学、校外教育基地提升办学特色，打造创新品牌。 功能模块： 1、地理创新教学模块 中教启星《寰宇地理》VR教学系统紧扣新课标地理教材，将地球和地图、陆地和海洋、天气与气候、人口与宗教、国家和地区等中学地理课程的教学难点直观、全景、高清地呈现出来，让学生在游戏和探索中深度吸收转化学科知识，是VR软硬件技术在地理学科教育的创新性应用，更是一间便携的学科实验室、一座移动的科技馆。 2、历史创新教学模块 中教启星《文明的足迹》VR教学系统则根据统编历史教材的教学要求，以拟人化的表现手法和智能化的交互方式，让文物开口“说话”，让“穿越时空”成为可能，让历史“活”起来。学生在教师的引导下自主探究，寻访文明的足迹，触摸历史的脉搏，感受华夏文化的独特魅力，激发求知欲、好奇心和想象力。 3、科学实验类VR工具及课程 适用于普教的VR课程设计工具，可提供包括物理力学、电学、机械制作、化学、数学等虚拟现实实验课程。 4、高阶模型库教学模块 具有高级模型库，在高级模型库中可提供非常精细且逼真的三维VR模型，课程内容应适用于普教及高教的自然科学认知类范畴，包括天文、植物、化学、地球科学、人体解剖学、机械、微生物学、古生物学及动物在内的多个学科门类。 5、人体模型库教学模块 提供高精度的人体各个系统的模型图资源，包含骨骼、韧带、肌肉、神经、大脑、内分泌、心血管、淋巴、呼吸、消化、泌尿、生殖等系统的全三维人体模型库。通过触控笔可随时对人体系统进行拆解或选择某特定的人体系统的构造，在全三维模式下对人体各系统进行学习、浏览，同时还可查看系统预置的人体组织的注释。   特色亮点： 1、强大的硬件技术与完善的软件资源相配套 中教启星在VR技术发展之初就将VR+教育的理念引入公司研发体系。现今已拥有桌面式和沉浸式硬件设备与地理、历史、物理、化学、生物、自然科学和创客多种学科教学体系，将VR技术真正应用到实际教学中。 2、完善的服务体系 整体方案中包括系统的师资培训、丰富的课程资源、持续的课程开发培训与支持。 3、可定制化解决方案 创新的技术与人性化的方案相结合，根据学校实际需求及资金实力定制个性化的软硬件整体解决方案。   产品构成： 1、软硬件相结合 硬件以桌面级便携式一体化虚拟现实设备为核心，软件包含地理、历史、物理、化学、生物、自然科学和创客等多种学科教学体系。 2、持续服务支持 根据学校教学需求、学生认知特点及校园场地等因素，进行个性化VR环境设计、定制化资源配置、合理化VR硬件组合搭配及特色增值服务（如学校师资培训、科技专家资源库建设、课程研发中心建设、VR大赛活动策划等），协助学校或基地打造品牌化、特色化的VR教学基地。

本发明属于痕量检测技术领域,具体涉及表面功能化的纳米金颗粒用于潜在指纹显现的方法.本发明提供不同表面功能化的纳米金颗粒(探针)用于潜在指纹显现的方法.分别为烷基硫醇修饰疏水化的纳米金颗粒,表面活性剂十六烷基三甲基溴化铵(CTAB)保护的疏水化的纳米金颗粒,CTAB保护的水溶性的纳米金颗粒及L-半胱氨酸保护的水溶性纳米金颗粒.探针与潜在指纹中残留汗液中的成分发生吸附,静电作用或缩合反应,然后利用银染法,使潜在指纹样品在银染液中显色,将与指纹中成分识别的纳米金颗粒信号放大,被还原的银颗粒在样品指纹的纹路处沉积从而呈现黑色,形成可裸眼观察到清晰的指纹图像.方法简单,快速,灵敏度高;无毒副作用.

任何骨科材料能否应用于临床，其自身血管化是关键。本成果在前期研究的基础上，采用多孔聚磷酸钙（CPP）作为基体并掺入微量锶制成掺锶聚磷酸钙（SCPP），重点研究了SCPP的“自促血管化”能力。研究表明，与传统HA等材料相比，低剂量锶的SCPP材料在体外能明显上调相应骨科种子细胞的促血管生成因子的mRNA表达，进而促进这些因子的分泌。体内试验与体外试验的趋势一致，SCPP能促进植入部位骨组织纤维的长入及材料内部细胞的促血管化生长因子的表达，促使新生血管的形成有利骨修复。本成果制备的新型骨科材料制备工艺简单，所用原材料价廉、环保无污染，材料本身本赋予了“血管诱导生成”能力，在骨科材料领域有广泛的应用前景。

        技术成熟度：技术突破         目前的潮流能发电机组以直驱液压变桨及带变速箱的液压变桨为主，其发电机和变速箱均采取机械动密封方式进行密封防水处理，海洋环境下，机械动密封的可靠性和运行效率往往冲突，密封层级多运行阻力大，效率低，密封层级少，密封可靠性差，机组的运行可靠性大大降低。光伏、波浪、海流一体化集成发电，波浪能与海流能水轮机对转并通过磁力耦合驱动发电机增速，具有多能互补、高效获能、转换效率高、结构简单、运行可靠等特点，为规模化海洋能开发提供创新型设计。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

系统面向大型项目管理与科研管理，以先进的项目管理原理与技术为核心，并充分考虑我国项目与科研管理的实际需求。系统以项目管理流程为主线，整合管理项目实施所需要的时间、费用、质量、资源、信息与知识。通过流程、角色、权限、资源的动态绑定，实现系统的可视化设计与系统功能配置。系统不仅是一个过程管理系统，同时也是一个质量检查与管理系统，不仅是一个专家管理系统，也是一个知识管理系统。系统汇聚了数据分析、文本挖掘、决策支持、自然语言处理等众多先进技术，并支持SOA软件体系结构。 在项目管理方面，系统基于项目流程，通过对信息进行不断地收集、加工，共同完成整个项目管理的过程。 项目信息管理：每个项目记录以下信息：项目编号、项目名称、承担单位、单位地点、计划开始时间、计划结束时间、优先等级、项目预算。 项目计划制定：可定义项目里程碑（包括交付成果）和计划时间，以明确科研项目所处的阶段，控制项目从某个状态提升到下一状态，并且能够直观地显示项目所处的阶段，实现了项目的流程化管理。 项目流程管理：对项目的各种技术文档的审批流程、变更进行管理，项目的进度管理，建设管理数据库、存储有关管理数据，保存项目相关材料。 在科研管理方面，系统支持完整的科研管理生命周期，包括科研项目征集阶段、评议阶段、立项审批阶段、立项阶段、实施阶段、验收阶段、跟踪阶段，整个项目管理生命周期。系统支持科研项目过程管理，支持科研绩效评估也支持科研决策。与此同时，系统提供了丰富的相关管理功能： 工作任务分解：整个项目活动分级分解至可管理工作单元的层次结构，每一个工作单元具体描述在一个规定单位或个人的具体责任和计划时间。 计划进度跟踪：项目各阶段或交付成果文档的负责人将必须定期地对所负责的工作进行进度维护。系统能够自动地综合相关的信息进行项目完成百分比的维护。 成果状态的管理：任务交付成果的管理将根据具体任务中规定的不同交付成果形式进行，例如交付形式可以为文件、设计模型、产品或部件等。 内容发布：面向各项目课题组、科研单位等用户，进行公共的信息发布以及公告。起到宣传、通报、展示等作用，即时地通过因特网向用户发布通知。 资料文档下载：各个项目中存在着大量地公共文档以及各种模板，为了方便所有用户，将此类文档和模板进行合理组织，用户可以轻松实现公共文档和模板的下载和上传功能。 辅助决策功能：提供相关的分析工具，综合应用现代管理技术，对各种关联管理信息进行对角度剖析，提供多维图表，实现对知识分析和知识挖掘，为决策提供了可靠的支持。 绩效评价：建立了多种大型项目与科研项目评估指标体系，利用关键绩效指标对工作完成效果进行测度，可以有效的对工作绩效作出评估。 本系统面向大型项目管理与科研管理，可用于通信、能源、交通、政府、国家中医药管理局、医疗机构、冶金行业、石油石化等行业。

通过车载终端以至少 1Hz 的频率采集发动机动态运行数据和静态数据，并通过远程监管终端上传至远程监管平台；远程监管平台将车辆上传的动态运行数据输入相应的诊断模块进行信号诊断，输入相应的排放因子计算模型计算出排放因子，并读取 OBD 故障信息对排放结果进行有效性评估，从而获得车辆的实际排放状态。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。