教育云数据中心解决方案，奠定教育数字化转型基石，资源整合与共享是教育信息化建设的重要课题，而教育数据中心是实现共享，弥合数字鸿沟的重要基础设施。 华为教育云数据中心解决方案，依托领先的服务器、模块化数据中心基础设施，统一管理软件以及可靠的业务连续性保障机制，打造敏捷高效、安全可靠、绿色节能的数据中心。 华为FusionCloud虚拟化技术，提供资源池化、全栈云服务能力，为教育客户提供融合资源池、托管云、混合云等场景下的解决方案，助力教育信息化迈向云时代。华为领先的模块化数据中心基础设施采用模块化架构，UPS效率高达97%，“泊位”建设模式快捷复制扩容，节省初期投资，省50%交付工期。 1.敏捷部署：资源灵活分配，教育业务分钟级上线 2.高效管理：统一管理多校区数据中心，效率10倍提升 3.节省投资：基于OpenStack架构，异构兼容多厂家设备

1、自动采集老师教学，学生学习数据，每节课提供44项以上教学数据记录 2、自动推送教师教学报告、学生学习报告、生成学校课程运行报告 3、可视化教学数据驾驶舱：满足校级，院级，老师，学生多维度的数据展示 4、实现教学过程从定性分析向定量分析的转变 5、提升学校对教学质量的精确评价和精准控制 6、促进教学模式的提升，让学校教学管理更科学化

麦可思通过对师范类专业认证标准的研究与分析，设计调研评价指标。以结果为导向，基于师范生培养的“出口 - 过程 - 入口”全过程，从毕业生中期发展、应届毕业生跟踪、用人单位评价、教学质量与改进、师资保障、学生成长及生源与招生等维度，对师范类专业人才培养质量进行监测，同时也结合师范认证中关注的校本数据，为专业构建内部质量监测体系及撰写自评报告提供数据举证。

目前的高校，数据中心建设存在的大量的问题，难以满足高校在决策、管理、服务、流程优化、业务创新等多方面的要求。为此，急需进行全面的数据治理。通过数据治理可重复的迭代过程，螺旋式上升模型，实现数据资产的不断沉淀、积累和质量的持续提升。 高校数据中台的建设遵循技术与管理的相结合，贯穿在数据管理的过程中。建立科学有效的数据中台体系，对学校各业务系统和数据中心的数据质量实施全程、全域和全员的管理。将数据质量管理以制度化、规范化的方式落实到数据采集、存储、清洗、生成、转化、传递和使用的各个过程环节之中。 方案优势： 1. 多元化的数据管理，真正实现数据全生命周期管理 通过数据中台及数据治理，定位核心数据，将信息数据通过标准化采集、自动化清洗、共享化整合入库等操作最终实现信息标准管理、元数据管理、主数据管理、历史数据管理、数据资源管理、数据安全管理等多元化数据管理场景，真正实现数据全生命周期管理。 2. 高自由度组合，打破固有局限 以信息化建设为基础，通过数据中台体系，对于信息标准、元数据、公共数据、数据交换、数据质量检测进行统一规划管理，同时所有产品功能模块可独立或按需组合，支持多种自定义模式，突破原有的固定局限，满足用户不同的数据中心建设需求。 3. 数据监控运维一览，实现可持续数据治理 通过统一监控与运维平台，实现主动监控、集中管理的方式，满足对于数据标准、数据采集、数据质量检测、数据内容等可视化监控与一站式管理，降低了人工运维成本，实现运维水平和可持续维护能力的效果。

建设专业的大数据实践教学平台，提供多样的实践教学环境和算力支持。 提高大数据专业建设水平，丰富大数据教学资源和提高专业能力。 链接产业，转化和对接企业级大数据项目案例、数据集并做到及时更新。 提供师资工程能力，提供充足的大数据专业师资和技术支持服务。

针对充填采矿灾变预测与防治的关键问题开展研发，本成果主要技术内容如下：（1）系统研究了充填体破坏失稳声发射预测技术，开辟了用声发射预测充填破坏失稳的新途径；（2）开发了胶结充填过程控制成套技术，提出并成功实施不良地质体超前护帮充填技术等。本技术成熟可靠，适用于充填法开采的金属矿山，已经在江西等省的 9 家矿山推广应用，累计取得产生超过 3 亿元的经济效益和显著的社会效益，并荣获 2011 年江西省科技进步二等奖。 

在2020年抗击COVID-19疫情斗争中，北京航空航天大学经济管理学院王惠文教授及团队结合2003年所做非典疫情的状态评估和预测建模研究基础，密切关注在疫情防控中存在的问题。自1月23日起，通过各种渠道相继提交了20多个信息和提案，例如：加强对密切接触者实行隔离筛查、避免新冠肺炎疫情在医院内扩散、关注医务人员的轮岗休整、加强对全国各地区疫情监控与预警工作，等等。团队收集和分析了COVID-19的公报数据，采用统计分析方法对新冠肺炎疫情的传播规律进行了预测与分析，对全国（除湖北）各地区的抗疫阶段做出判断和预测，提出了疫情防控全过程的阶段划分方法，并提交了7篇研究报告。王惠文教授接受《中国经济时报》专访，发表文章《各地应分期分批有序恢复社会经济活动》，并被《今日头条》等网络媒体转载；民建市委网站头版刊登了她的文章《COVID-19疫情发展的状态评估与预测分析》，并报道了《数据会说话：王惠文：疫情发展的状态评估与预测研究》；民建中央网站也专题报道了《北京会员王惠文：用数据打赢疫情防控战》。

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。

南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），