本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明的目的在于克服现有技术的不足，提供一种基于门限的低复杂度MPA算法， 该算法通过设置置信度门限来及时对可靠的码字进行译码，或对发送概率极低的码字进行 舍弃，从而有效地降低了原始MPA算法的复杂度。

本发明公开了一种并行 LLL 高维模糊度降相关算法，首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵，所以在每一次 QR 分解变换过程中，变换系数矩阵要 获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序， 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列，由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整，可以避免算法迭代过程中反复取整而引起 的误差累积，解决算法发散的问题，从而进一步提高并行 LLL 算法的计算效率和稳定性。 

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在

本发明提出了一种基于时间-能耗重要性比重的并行任务调度算 法，在满足时间和能耗的双重限制下，实现异构并行系统下任务所用 时间和能耗的权衡优化。本发明考虑到实际情况中任务受各种因素的 影响，执行时间不是固定且确定的，而是近似于正态分布，因此在确 定任务调度顺序时，不采用以往技术中使用执行时间平均值的方法， 而是将执行时间的平均值和方差同时考虑进来使用近似权重。在任务 分配阶段，同时考虑时间和能耗这两个性能指标，并能根据

在串联回路中，当电弧或放电现象发生时，对电流进行频谱分析，根据电流 的频谱特征变化来确定是否有电弧发生，提供预警信息或保护动作。为了防止在 开关的瞬间或受到其他脉冲电流的干扰造成电弧故障检测电路误动作，同时在频谱分析的基础上综合电弧时间长短等其他特性作为电弧故障的判据。系统的硬件 部分包含电流检测、滤波、故障特征提取等模块。软件部分包含信号采集、信号 处理、故障判别等模块，并综合时间等其他因素降低误报率，提高检测系统的可 靠性。在算法中，采用了人工智能算法以提高系统的适应性。主要成果包

本发明公开了一种基于YOLOv8与LSD算法的车道线检测方法，适用于在雨天、夜间或标线磨损严重等复杂环境下准确识别车道线。通过在YOLOv8网络中引入Canny边缘检测，并结合LSD对检测区域内的直线段进行强化识别，可显著提升对模糊或部分遮挡车道线的捕捉能力。首先利用YOLOv8定位车道线大致区域，再采用Canny算法提取全局边缘特征，并在LSD算法的辅助下判断线段的长度、方向及完整性。若检测框紧贴图像边缘，则进一步裁剪子图并使用LSD检测线段连续性，通过周长与面积比值与紧凑度评估车道线是否已完全进入视野。该方法可有效减少漏检、误检，适应多种光照与天气条件，为自动驾驶及高级驾驶辅助系统提供高可靠度的车道线检测结果。

在汽车热管理技术方面，从车辆角度，合理有效地对车辆的发动机，变 速器、冷却系统、空调系统、进气、排气系统进行热流的控制及利用，使各系统 在一个最佳的工作环境下高效地运行，达到节能减排的目的。

产品详细介绍附件：智能化光盘管理系统的主要技术特征阳光同步[智能化光盘管理库(柜)]YGTB1008S型系列产品-------基于"光盘指纹"识别光盘离线管理系统 专利名称：智能化光盘管理库（柜） 专利号：00201421.1 软件着作权名称：智能化光盘管理库 登录号：2003SR2767 北京中关村新产品证书（黄卡） 证书号；2006A0000-4226摘要：    该专利产品总的功用是：针对目前日益增多的大量各类光盘的电脑管理、软件系统快速检索查找、系统“光盘指纹”强制对照还库、判断还库光盘真假、柜体内盘仓的自动导航定位、一盘一仓一定位，确保光盘的安全存放、大幅度提高工作效率，使光盘的管理进入信息化，电子化的时代。    目前我们的产品，以其配套应用软件功能强大、扩展性好、硬件及柜体设计合理、安全可靠、硬件几乎无须维护、无任何噪音、小功率、低碳环保。定位迅速准确、取放盘自如、扩容简单、性价比高等优势，赢得了广大用户的认可。特别是在档案馆、图书馆光盘管理的应用领域，取得突破进展。目前除央台资料馆指定选用外，大量的档案馆、高等学府图书馆和世界500强超大型公司都采用了公司[智能化光盘管理库（柜）]光盘管理系统，以及 [精装版3。0系统]。    光盘柜与电脑通过RS232口连接，安装控制定位应用软件，从而实现对光盘信息的管理和定位信号的发送。一、系统应用软件的介绍与展望 本光盘管理系统，是至今为止，真正意义上的“光盘管理系统”。由于系统采用的对光盘直接扫描，直接获取光盘信息。因此，根据用户的需求，可以自动的提供更大量的光盘信息，存储在硬盘里，以方便用户搜索查询。而不是单纯的用手动输入光盘信息，另外在提供一个位置，这种初级的“物品管理方式”。我们的系统提供的光盘信息量，是前者“望尘莫及”的。而正是由于采用了这种方式。因此，才能够在系统升级时，将可提供更多的附加功能和拓展空间。最大限度的保护用户的投资利益。例如：光盘的特征抽取功能；逆向查询功能；全文检索功能；光盘自动镜像功能；刻录功。甚至可以做到：歌曲的特征播放，图片集的特征显示，电影的片段展示和文章的目录查找功能等。真正做到用户想怎么查就怎么查。如同“一个搜索引擎”在浩瀚的光盘海洋里找到用户所要的。而不仅仅是“对光盘名”搜索查询。而实现这些设想的前提条件就是必须在光盘管理软件“入库”时提供这些信息。而这些信息的的提供。用手动输入是更本无法实现的二、光盘识别技术软件采用了对光盘直接识别的技术，通过每台电脑配备的光驱动器读取“光盘指纹“。称读取光盘识别码。这个技术带来的直接优点就是可以判断还库时光盘的真伪和好坏。并以此展开管理方式。而条码识别光盘盒的方式就没有这一优点。换句话说，当光盘还库时，仅仅给出的盒的位置。至于盒里面装的是什么。就不得而知了。另，由于与光盘无关性，很可能导致光盘管理的二次混乱。三、软件采用了一盘一仓一定位的方法从根本上解决了采用光盘盒的一盒装两张，一个定位出现两张光盘，甚至一定位四张。用户还要自己去分辨确认要的是那一张的问题。如果是这样完全违背了光盘管理的目的。有可能产生二次混乱。 四、光盘脱壳技术软件在光盘入库时，采用了对光盘内容进行“脱壳“的技术。简单讲，就是由于采用了读取”光盘识别码“的技术，光驱在读”光盘识别码“的同时，对光盘内容进行脱壳，并写入数据库。带来的优点就是。软件为每一张入库的光盘自动进行了信息获取，以便为今后搜索查找光盘提供更多的信息（反查询功能）。当然，这一功能是完全自动的，无须用户干预的。而这一点是采用”条码识别“更本难以做到的。这一软件特点以得到很多用户的认可和推崇。是真正意义上的“光盘管理”。而不是“超市”里的货物管理。 五、软件特点1. 采用软件抗干扰方式。可在强电磁干扰环境常正工作。2. 光盘信息的自动录入和手动录入可选。 3. 光盘的多人，同时批量入库软件。全库的盲查询功能和分类查 询功能。4. “校园一卡通”接口：在[精装版v3.0]中予留了“校园一卡通接口。方便读者的光盘“刷卡”借阅 。 [光盘信息浏览器]：读者可在局域中，方便的搜索/查询目前 光盘柜中光盘的存储状态。并提供给光盘管理员借阅光盘。 5. 扩容十分简便：当用户须在购置光盘柜扩容时。只需几分钟 就可完成。  六、硬件特点1， 盘仓：柜体内装有七层，每层144个固定（而不是光盘盒）垂直下拉式专利防磨防尘式盘仓。盘仓颜色采用蓝白相间的安装模式。不但美观协调，更使用户取盘易分辨。做到更人性化。在高度设计上，符合人体最佳运动高度，盘仓的取盘高度为1.75至 0.45米。盘仓材质选用进口高抗聚苯注塑而成，无毒无味，材质黏度高，任性好。（也是制造光驱托盘的材料）盘仓通过万次进出实验。 2， 柜体：采用优质冷轧钢板整体冷成形制成。表面采用喷塑技术。外观符合大众审美。多采用办公色，符合放置环境。 外观规格：高度 宽度 深度 为：180厘米 90厘米 35厘米 3， 定位装置：采用优质、高亮度LED用于每盘仓的定位指示。做到了一盘一仓一定位，方便准确。无须再乱翻。不会造成二次混乱。 4， 柜体中装有硬件驱动电路。柜体背面配有输入/输出口及外接电源插口。5, 系统具有电源自检功能。当电源未接通时，电脑报警。7， 电源及功耗：电源采用3A/6V外接专用开关电源。柜体最大功耗4瓦。对人体不会造成任何安全隐患。并做到国家提倡的低耗能，绿色，环保。 8， 扫描定位速度：由于采用了全电子化定位。无任何机械运动产生的滞后。所以更快。10000张/5秒9， 噪音：由于采用了全电子化定位，无任何机械运动产生的噪音。噪音为0分贝。更安静。 10， 维护成本：由于采用了全电子化定位，无任何机械运动产生的故障。维护成本几乎为零。11，由于光盘柜采用的面对使用者排列方式,不会产生断电无法取盘问题。12，关于光盘柜的外观及一些参数和特殊要求,可根据用户需求定制。