项目背景简述：化工生产中存在大量的蒸发、浓缩、精馏、结晶、干燥等分离过程，这一过程需要消耗巨大的能量作为塔釜热源，同时消耗大量的冷却水将塔顶蒸发产物冷凝成液态。本项目针对这一背景，基于压缩式热泵技术，提出了一种适用于此类工艺过程的节能改造技术，其基本思路是用压缩机对塔顶气态物料进行压缩，使其温度提高后用于塔釜液态物料加热，同时使塔顶物料冷凝为液态产物，形成一套压缩式热泵精馏（蒸馏）工艺及其成套装置设计技术。 

本成果针对镁合金生产与应用过程中的关键问题，成功开发了镁合金目标 产品的集成应用技术和循环利用技术，打通了目标产品的合金开发、产品设计、 材料加工、产品生产、产品应用和合金废料返回利用的整个技术链条和循环过程。 主要创新成果为：1）发明了一批高品质镁合金。2）开发和发明了高质量铸造产 品高效环保加工技术和成套的型材挤压技术，成功制备了世界上最大规格的中 空型材；大幅度提高了铸件的成品率。3）首次创新开发了 “重质夹杂逆向自净 化”的“反向"过滤技术和成套装备，攻克了过滤精炼能力快速衰减的国际难题。 4）建立了镁合金材料及产品服役性能数据库，开发了专家预测系统及先进的镁 产品开发技术系统，建成了国内外第一个综合性的“镁合金材料替换设计及产品 应用技术开发平台"，解决了镁产品推广应用中新材料和新产品脱节的瓶颈问题。 成功开发了 200余款（种）镁合金及铸造产品、300多种规格高品质镁合金 管型材和两大系列镁合金气体保护熔铸和废镁回收再生装备，已在1000多万辆 汽车得到成功应用，并已成功装备轨道交通工具及军工关键装备上。节能效益非 常明显，创造了显著的经济效益和社会效益。

针对大功率led散热难题，研制了高导热的陶瓷金属复合基板、金属铝基板、 导热硅脂，其中，覆铜A1N基板热导率五200W/m.K；热膨胀系数W7. 42X10-6/K； 金属基板热阻W2K/W；并对水下等密闭环境下LED的散热结构进行了优化。研制 的导热材料和提出的散热技术方案为3家企业采用，应用于实际生产，解决了生 产中的实际问题。近3年来，研制的铝基板、导热硅脂和导热垫片等高导热材料 应用于企业生产的100W、120W、150W、180W等大功率LED工矿灯、路灯、隧道 灯等大功率LED灯1万余件，产值约2000万元，节约成本约200万元，同时， 在节能方面产生了巨大的社会效益。 实施条件：生产陶瓷金属复合基板，有两条技术途径：热压敷接工艺；化学镀, 前者设备投入较大，工业控制复杂，但产品质量更易控制；后者设备投入少，但 产品质量的稳定性不如前者。因此，低端产品可以采用化学镀，高端的，产品质 量要求严格的检测采用控制热压敷接方法。 预算：化学镀技术，投入30-50万；热压敷接：设备投入100万左右，随处理的 量和基板的尺寸而变。

产品详细介绍金钥匙科教设备有限公司基础结构件都经过匠心独具的几何设计，看似千差万别，但都存在长度倍数关系、高度倍数关系、立体结构关系。无论结构型材件、铰接头还是齿轮，上千种零件之间的纵横斜穿都隐藏着无穷繁多的巧妙连接方法，可以实现任何造型的搭建。除此之外，基础型材件可以根据用户需求来截取不同规格长度。①比较不同结构的拱桥模型承受压力的大小。②对桥的受力情况进行分析。电话：0513-8160127181601272EMAIL：ntjyskj@yahoo.com.cn网址：www.ntjys.com.cnQQ:979322621

动物捕食植物种子（下称种子捕食）是动植物协同进化的重要方面。动物捕食植物种子可影响植物种群更新和繁衍；植物通过调节各种性状，如种子大小、蛋白质含量，调节动物捕食行为。植物性状对种子捕食调节能力的评估对理解动植物协同进化具有重要意义。 因此，建立一种用于种子捕食追踪的人工种子系统，对于种子捕食追踪及相关研究，理解动植物协同进化，促进野生植物尤其是珍稀濒危植物保护具有重要的作用。

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：

本发明提供了一种复制式人工关节间隔物的制作方法，包括以下步骤：1）首先在容器内铺设固化剂，将人工关节假体包裹在容器内的固化剂中，制备人工关节假体阴模；2）然后向阴模内注入硬化剂制备复制式人工关节间隔物。可事先在阴模中放置金属棒或块以增加间隔物的强度。本发明能在较短时间内精确制备出尺寸和外形与拟选用人工关节假体一致的间隔物，以缩短手术时间，改善间隔物的作用效果，制备方法经济且简便易行。植入的关节式间隔物可使得患者在术后获得部分正常的关节功能，术后满意度提高。并有效防止了软组织的挛缩，为再次手术奠定了基础。

采用前沿的深度学习算法和相关数据处理技术，经过不断优化和创新，能够在极短时间内完成 CT 图像的人体器官勾画功能，目前已实现 30 多种器官的自动勾画。大量历史病例数据集和模型的不断创新使 DeepViewer 多种器官的勾画精准度达到 95%以上。 

（1）建立具有医学统计意义的中国人髋关节解剖学特征数据库 课题组随机抽取130 例西南地区正常成年人（其中男77例、女53例；平均年龄46岁；平均身高163.3cm；平均体重59.6kg。于仰卧、双下肢中立位行髂嵴至胫骨结节CT扫描（扫描层厚1mm），运用CT图像处理软件测量股骨头直径、颈干角、偏中心距offset、小转子中点及其上、下2 0 mm 平面处髓腔宽度、峡部直径、小粗隆中点到峡部距离、峡部曲度、髓腔闪烁指数和漏斗指数等参数，并与中国北方人和国外人群解剖参数进行比较。结果显示：中国西南地区正常人的股骨头直径为44.68±3.10mm，颈干角128.56°±4.49°，offset为36.7±2.81mm，小转子中点及其上、下2 0 mm平面处髓腔宽度分别为：24.9±2.27mm；43.6±2.79mm；17.23±1.59mm，峡部直径为9.92±1.27mm，小粗隆中点到峡部距离113.81±6.75mm，峡部曲度168.95°±1.32°，髓腔闪烁指数和漏斗指数等参数分别为：4.19±0.72和2.32。本组研究中，offset平均为36.7mm、颈干角平均为128.56°,与北方人（offset 平均37.1mm、颈干角平均127.9°）相比差异不大，与西方人（offset平均43.0mm、颈干角平均124.7°）相比存在显著差异。 （2）设计基于国人髋关节解剖学特征的人工髋关节系统 完成了基于中国人解剖参数人工髋关节系统设计。 （3）采用有限元等分析手段，优化设计方案，使该人工髋关节系统适合国人解剖特征，避免低应力集中和应力遮挡。