新开普（股票代码300248）创立于2000年，是一家专注于校园、政企软件应用与智能终端的解决方案和服务供应商。多年来，新开普深耕高校信息化领域20年，已为全国千余所高校、千万名大学生提供服务，一卡通市场占有率超过40%。基于“产品+服务”的移动互联、“平台+内容”的人才服务和“中台+应用”的智慧方案，打造面向全国高校、中职和中小学的整体解决方案和综合服务。公司将继续实施多元化业务战略，持续提升校园产品和服务竞争力，聚焦客户价值、创新开放，实现持续稳健的发展。 同时，新开普也致力于为政府、钢铁、汽车、医疗、水利、燃气等行业提供深度耦合的一站式信息化解决方案，目前已拥有近万家企业客户。新开普利用云计算、物联网、大数据等技术，通过以人为本的智慧企业服务深度融入管理中台，助力业务中台高效运转，创新业务生态建设，实现科技赋能，让客户经营更高效。 新开普是国家重点支持的高新技术企业，已获160余项专利及软件著作权，先后通过了CMMI L5级认证，ISO9001质量体系、ISO14001环境管理体系、OHSAS18001职业健康安全管理体系、ISO27001信息安全管理体系认证，被中国软件协会评定为AAA级最高信用资质。公司“湖南省金融IC卡行业应用综合服务平台项目”获得工信部颁发的“国家金卡工程优秀成果金蚂蚁奖”，连续两年荣登“福布斯中国最佳潜力企业”。 公司秉持“以卓越的ICT服务，构建智慧校园，助力智慧企业”的使命，坚持科技服务，混合云产品战略，为校园、政企客户构建可持续、开放共享的信息化生态。公司在技术、市场、资本多轮驱动下，促进与相关生态公司业务的深度融合，持续提升智慧校园、智慧政企产品和服务能力。同时，公司快速向产业互联网、物联网科技服务公司转型，优化数据场景产品及服务、基于混合云的PaaS、SaaS产品及服务，并不断进行多行业覆盖和拓展，致力于成为广受信赖的智慧化服务商。

产品介绍 UCN纳米触控黑板，是一个集成纳米触控、高清大屏显示、电脑主机、普通黑板、电视电脑等诸多功能于一身的多媒体教学平台。它尊重师生使用习惯，将传统教学黑板和可感知交互的智能黑板无缝对接，既可全屏粉笔书写，又具多媒体教学功能，操作模式简洁，同时内置专业教学软件、应用平台及管理平台，老师可灵活运用教学工具，分享调用优质教学资源，远程管理维护升级，已被广泛应用在教育教学领域，适用于各学龄段。 产品特点 独家双发明专利认证 具有纳米触控膜和纳米触控黑板双发明专利; 视力保护 表面防眩光玻璃+自主研发纳米涂层，保证超大可视角度，且有效过滤有害光线 全方位安全设计 拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 多种书写方式 普通粉笔/白板笔/电容笔/手指触控，尊重老师教学习惯;拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 尺寸多元，系统可选 提供70/75/86三种规格，根据学生人数，教室大小选择合适尺寸 Windows单系统，或Windows与Android双系统，70寸黑板适用于30-50平教室大小，人数一般在50人以内。 搭载软件平台 内置自主研发的教学应用平台和管理平台，海量教学资源，同时提供远程设备管理与维护; 磁性吸附 左右两侧支持磁性材料吸附，方便非电子类教材展示; 显示窗口，一键下移 液晶显示窗口高度可调整下移，触控不受影响，适应不同老师身高; 产品参数

方案背景 在教育全球化、信息化和大众化的今天，各校大量优质开放课程的网络化显得尤为重要，这对于录播教室提出了更高的要求，互动、点播、直播等功能都需要能满足常态化使用需求。泛普根据当前和未来教学的发展需求，通过深入了解学校对于录播教室建设的意愿，以“低投入、高实用”为原则，推出UCN互动录播教室解决方案，积极响应“一师一优课，一课一名师”的政策号召，满足班级日常的录课、资源分享等需求，促进优质教育资源的开发、应用与传播。   方案概述 该方案基于标准智慧课堂的基础上建设，不仅可以实现常态化课堂各环节授课过程，同时配备录播系统，老师能在这些互动录播课堂中录制精心准备的示范课程，既可以用于教研资源的分享和交流，也可以用于帮助学生完成跨时空学习。    方案 ⋅ 优势特点 常态化使用          纳米触控黑板是整个互动录播教室的演示展示核心，在常态化智慧教学的同时，作为录播内容播放的窗口;可多屏显示各机位高清画面，观看、剪辑和管理教学云平台的课堂视频。 成本低使用          采用高清云台的摄像机，比市面上的产品价格便宜，成像清晰； 单独一台跟踪主机，跟踪软件与导录播软件为一体化设计。 稳定性好          系统高度集成，没有很多其他设备辅助，连线简单;          软件方面，跟踪软件与导录播软件为一体化软件，系统更加稳定。 操作简单         系统设计充分考虑操作便捷性，具有快捷键设置，只需通过键盘快捷键，即可进行录制和录制信息的 填写； 具有远程WEB控制功能，通过浏览器即可对导录播系统远程控制。

数字班牌 . 方案背景 校园是一个人口密集的大家庭，通常都会有大量的信息资讯需要被传播，包括一些紧急通知、新闻公告、考试信息、最新讲座等活动信息，如果采用传统的方式发布，那在信息的时效性、丰富性都会存在一定滞后和缺失。互联网特征下的智慧班牌应用就显得格外的重要，结合大数据、智慧校园、物联网等新兴技术和教育的深度融合，是智慧校园建设不可或缺的一部分。     方案概述 UCN数字班牌解决方案是集信息整合、 采集、 传输、发布于一体的多媒体信息发布系统，是教育信息化和互联网+相结合应运而生成的，更加注重老师和学生的沟通交流和及时数据交互。智慧班牌应用于学校、 班级管理通知与信息展示， 并不断延伸至学校智慧管理的各个方面。智慧班牌在校园的主要应用包括三大方面：在学校管理中的应用、在德育教育中的应用、在校园文化建设中的应用。 1、在学校管理中的应用  智慧班牌作为信息技术与学校管理应用的有效形式， 能直接将学校管理信息平台中的有效信息直接推送到各个屏幕， 并针对不同的班牌推送不同的信息。 2、在德育教育中的应用  智慧班牌作为信息技术在教育，特别是德育方面新的应用与拓展，要充分发挥其育人的作用，需要与学校的多种平台结合、互动。智能班牌通过班级空间， 展示班级学生的作文、 作品、 小报等学生成果，增加学生展示的场所。 3、在校园文化建设中的应用  智慧班牌是数字化校园环境下的应用载体，利用独特的纳米触控硬件，替代传统死板的画框式名人名言，学生可以触控互动了解更多名家的光辉事迹、历史传奇。同时配合校园主题活动月，后台内容可以无限添加，更新便捷，不会让学生造成审美疲劳和知识单一。   方案 ⋅ 优势特点 高科技标准化互动产品 架构，云端技术 智能化集中、统一优势 模块化整合添加，任意配置

AFV-P 系列为一款可编程交流电源供应器，具有直流输出及精准的量测功能。此款高功率密度的交流电源具有四种输出功率： 600VA、1250VA、2500VA 与5000VA，失真 (THD) **达 <0.3%，提供纯净的交流电源给待测物。输出电压范围为 0~310VAC可调，输出频率 A : 5~2000Hz ,B : 15~1000Hz适用于开关电源(ex: ATX 3.0)、LED 照明、电机马达、再生能源、国防、航太等产业的设计验证或品质检验等应用场所。

项目研究背景 ：风湿性及类风湿性关节炎（ Rheumatoid Arthritis, RA ） 为一种常见易发病，较难治愈，致残率很高。流行病学调查显示我国的类 风湿关节炎患病率为 0.3 - 0.45%，估计此病患者约有 350-500 万之多。 对-乙酰氨基苯乙酸（阿克他利） ，系日本新药与三菱化成两公司共同 开发的疾病修饰性抗风湿新药 ,于 1994 年 5 月在日本首次推出，它是用

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：