中国·济南
山东产业技术研究院智能计算研究院
2021
05 / 24
智研简报
智/能/计/算 计/算/未/来
陈益强院长受邀在山东大学百廿校庆
中新高等教育论坛作专题报告
10 / 29
关于《产学研合作协议知识产权相关条款制定指引
（试行）》的解读
科学家发现利用人工智能可高效预测蛋白质分子结构
CONTENTS
目录
面向“政产学研金服用”，打造研究机构与企业间体系化、标杆化及标准化合作模式
01
智研快讯
技术前沿
智研快讯
NEWSLETTERS
政策导读
10月16日，在山东大学百廿校庆之际，山东大学联合新加坡南洋理工大学举办了以“未来技术与跨学科高等教育”为主题的中新高等教育论坛。山东省副省长汲斌昌、山东大学校长樊丽明出席论坛并讲话。南洋理工大学高级副校长蓝钦扬，中国驻新加坡大使馆教育参赞康凯，中国科学院院士黄维，澳大利亚人工智能理事会主席、悉尼科技大学副校长张成奇，澳大利亚科学院院士、悉尼大学陶大程通过线上、线下的形式参会并作交流。
“炼”大模型到”联”大模型-兼论跨学科人才培养
关于《产学研合作协议知识产权相关条款制定指引（试行）》的解读
陈益强院长在山东大学百廿校庆中新高等教育论坛上作专题报告
关于《山东省科技计划项目监督管理办法》的政策解读
人工智能设备成功揭示睡眠与精神疾病互相影响
科学家发现利用人工智能可高效预测蛋白质分子结构
2021年AI将改变制造业的6大应用趋势
助力盐碱地上的绿色梦想
——陈益强院长在山东大学百廿校庆中新高等教育论坛上作专题报告
在院士专家报告环节，八位国内外院士学者围绕“未来科技和跨学科高等教育”这一主题进行了报告交流。中国计算机学会会士、中国科学院计算技术研究所普适计算中心主任、山东产业技术研究院智能计算研究院院长陈益强受邀进行报告交流，提出从“炼”大模型到“联”大模型的跨学科人才培养思路。
02
03
04
05
06
07
山东大学校长樊丽明致辞中提到，无论是未来技术还是高等教育，学科交叉融合都是时代发展的重要特征，也是新学科产生的重要源泉，培养创新型人才的重要途径，经济社会发展的内在需求。我院致力于构建智能计算产业体系生态，形成加速山东省产学研用一体化发展的标杆模式，在陈益强院长跨学科人才培养思路的引领下，将通过落地重大项目与产业孵化来加大人才引进，加速人才培养，为科学研究注入新的活力，推动山东省智能计算产业的突破与发展。
10月21日，习近平总书记继续在山东省东营市考察调研，他来到黄河三角洲农业高新技术产业示范区，了解黄河三角洲盐碱地综合利用和现代农业发展情况。 黄河三角洲农业高新技术产业示范区成立于2015年10月，是我国第二个国家级农高区，总面积350平方公里，以盐碱地综合利用为基本任务，在盐碱地特色种业、盐碱地生物农业等方面积极探索实践。
盐碱地是我国极为重要的后备耕地资源，对于粮食安全有着特殊意义。在黄河三角洲农高区，习近平总书记重点了解黄河三角洲盐碱地综合利用和现代农业发展。种子和耕地问题，是总书记长期关注的重点。
农高区的科研人员向习总书记展示了由我院张玉成博士带领的智慧农业团队攻坚克难、自主设计、研发生产的最新一代新能源无人智能农机。陈海华博士介绍说，我们科研人员时刻谨记总书记的教诲，必须要守住粮食安全这一国家战略底线，为农业插上科技的翅膀贡献一份力量。
未来三年，我院将联合中国科学院计算技术研究所、潍柴雷沃股份有限公司、北京农林科学院智能装备技术研究中心、山东盐碱地现代农业有限公司等9家科研单位及龙头企业，在罗锡文、赵春江、任露泉3位院士团队的合作指导下，充分发挥计算所和智研院
智研快讯
NEWSLETTERS
助力盐碱地上的绿色梦想
——我院牵头研发群体智能自主作业智慧农场
政策导读
关于《产学研合作协议知识产权相关条款制定指引（试行）》解读
“
”
为促进产学研合作和知识产权转移转化，指导企业和高等院校、科研机构做好产学研合作中的知识产权归属与处置工作，有效防控相关法律风险，日前，国家知识产权局、教育部、科技部办公厅（室）联合印发了《产学研合作协议知识产权相关条款制定指引（试行）》（以下简称《指引》），现就《指引》内容进行解读。
在人工智能领域的前瞻性优势，从核心技术突破、系统平台开发、开展示范应用这三个层面开展“群体智能自主作业智慧农场”研究。
“群体智能自主作业智慧农场”基于多元感知数据的农业生产自主任务决策及农业装备自主作业关键技术研究、农业智能终端群体互联协同技术研究、智慧农场智能管控模型研究与大脑系统，最终实现智慧农场关键技术集成应用与示范。项目将覆盖“耕种管收”全部作业流程，进行群体智能自主作业系统方案设计与集成应用，实现耕、种、管、收全环节的群体协作；以此作为标准模式，在黄河三角洲农高区进行大面积推广示范，打造国内最先进的“群体智能自主作业智慧农场”样板示范，助力盐碱地上的绿色梦想。
问题2：《指引》的主要内容是什么？ 为提高针对性，《指引》仅列出了产学研合作协议中涉及知识产权的核心条款，包括共性条款和个性条款。共性条款包括定义和解释、保密等内容，个性条款根据产学研合作的知识产权归属常见情形分为三类：知识产权归高校或科研院所所有、归企业所有、双方共有或各自拥有。进一步地，根据不同知识产权处置方式，细分为7种情形。个性条款的具体内容包括知识产权归属和使用、学术发表等。
需要说明的是，在“高校或科研院所拥有知识产权的有关条款”下，借鉴国外经验，引入合作企业有权在一定期限内磋商转让或许可的模式。这种模式有利于加快专利技术商业化进程，使高校院所获得更高的知识产权转化收益。
问题1：《指引》制定的背景是什么？ 当前，我国高校院所专利转化运用水平相对较低，高校院所有效专利实施率、产业化率均明显低于全国平均水平。产学研合作是目前高校院所专利转化运用的重要模式，但普遍存在合同约定不明的隐患，产学研合作中知识产权纠纷案例屡见不鲜。法院裁判文书公开数据显示，近十年判决结案的高校知识产权合同纠纷诉讼中，超过50%的案件与相关条款约定不清有关[1]，纠纷产生的主要原因在于专利转让、职务发明奖励、专利实施许可、商业秘密等条款约定不明。例如，北京某大学曾因商业秘密约定不明与合作企业发生纠纷[2]，天津、湖北均有高校曾因职务发明奖励、报酬约定不明陷入纠纷[3]。调研发现，进入诉讼程序的产学研知识产权纠纷仅为冰山一角，大多数纠纷因协商解决或合作终止而未公之于众。 产生上述现象有多种原因：一是大部分高校院所和企业在产学研合作中订立的与知识产权相关的合同多为格式合同，条款简单且不够严谨，对潜在知识产权风险预估不足；二是产学研双方在合作谈判时对知识产权相关的权利义务不够重视，对产学研合作的交易属性认识不够，签订协议前没有通过谈判明确知识产权归属等核心内容；三是多数高校院所缺乏知识产权转移转化的专业人才，知识产权运营经验欠缺、能力不足。 针对上述问题，三部门联合制定了《指引》。一方面，可以引导产学研合作双方从项目启动之初明晰知识产权归属和处置方式，从而提高合作效率，降低法律风险，避免知识产权纠纷；另一方面，有利于提高高校院所与企业合作的法律意识、交易意识和谈判意识，规范引导知识产权交易过程。
此外，在推进职务科技成果赋权改革的背景下，《指引》专门考虑了赋予科研人员职务科技成果所有权或长期使用权的情况，明确相关内容，避免多个权利主体在知识产权处置中可能出现的问题，更好促进职务发明的顺畅转化。
问题3：《指引》使用方法是什么？ 高校院所和企业可以根据双方倾向的知识产权处置方式，参考借鉴《指引》相应类型的条款内容，拟定合作协议的知识产权有关条款，并根据实际情况对条款内容进行适应性修改，作为产学研合作有关协议、合同的组成部分。 同时，为便利校企各方使用，结合《指引》主要内容，国家知识产权局组织开发了相应基础性公益服务工具，可在线进行产学研合作协议填写和生成（系统网站地址为：agreement.sipop.cn）。产学研合作双方可以参照使用说明，根据产学研相关成果的知识产权归属情形选择合适的协议模板进行在线填写，填写完毕后用户可自行下载填写完成的协议文本。问题4：《指引》发布后的下一步计划是什么？ 下一步，三部门将利用多种渠道面向高校、科研院所和中小企业进行宣传推广，组织专题培训或开发专门培训课程，切实降低产学研合作过程中的知识产权风险。此外，在《指引》试行过程中三部门将及时收集使用各方的反馈意见，根据社会需求进行更新或开发针对不同场景和对象的细化版本。
[1]数据来源：北大法宝；检索范围：审结日期在2010年1月1日至2020年12月31日涉高校的知识产权民事案件；最终检索日期：2021年10月8日。
[2]参见：北京知识产权法院（2015）京知民初字第629号民事判决书。
[3]参见：天津市第一中级人民法院（2019）津01民初84号民事判决书；湖北省高级人民法院（2014）鄂民三终字第00109号。
党的十八大以来，党中央、国务院高度重视科技创新工作，对科技监督工作提出了更高要求。习近平总书记指出，“党中央重大决策部署到哪里，监督检查就跟进到哪里”。党的十九届四中全会审议通过的《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》提出，“形成决策科学、执行坚决、监督有力的权力运行机制”。《山东省人民政府办公厅关于深化项目评审、人才评价、机构评估改革的实施意见》（鲁政办发〔2019〕21号）要求，“加强监督评估和科研诚信体系建设”。为贯彻落实党中央、国务院决策部署和省委、省政府有关要求，进一步加强和规范省科技计划项目监督工作，营造风清气正的科技创新环境，省科技厅在深入调研、充分征求意见的基础上，起草了《山东省科技计划项目监督管理办法》（简称《办法》）。 《办法》共五章二十六条，主要为： 第一章，总则。明确《办法》制定的目的依据、适用范围、监督原则，确定建立项目管理全过程嵌入式监督制约机制。 第二章，监督职责。明确省科技厅、项目主管部门、管理专业机构、项目承担单位等为监督主体，明晰各监督主体的监督职责。按照监督与项目管理同步部署原则，细化省科技厅在项目指南编制、申报受理、评审立项、实施执行、结题验收等管理环节的监督内容。 第三章，监督实施。明确监督程序、方式和对项目执行及资金使用进行现场监督的要求，建立公众参与监督机制、科技监督员制度和“大监督”工作机制，依托山东省科技云平台开展项目监督工作。 第四章，结果运用。明确各监督主体下达监督结果和整改建议的规范，并要求相关责任主体按规定落实整改；加强各监督主体协作配合，建立监督信息共享互认机制；依法依规严肃处理违规行为。 第五章，附则。确定创新平台项目、科技人才项目、科技奖励等科技管理活动的监督工作可参照本办法执行；明确《办法》解释权和有效期。
政策导读
关于《山东省科技计划项目监督管理办法》的政策解读
技术前沿
ADVABCED TECHNONLGY
近期，美国谷歌公司的科学家开发并利用AlphaFold系统，通过人工智能方式高效预测了35万种蛋白质的分子结构。相关研究成果在《Nature》发表，题为：Highly accurate protein structure prediction for the human proteome。
解析蛋白质的分子结构对于基础研究、药物研发和疾病诊疗都具有非常重要的意义。目前通过X射线晶体学、核磁共振或冷冻电镜等传统技术，科学家只确定了17%的人类蛋白质的分子结构。该研究对包括人类在内的20种生物学研究中常用模式生物，共计35万种蛋白质做出了分子结构预测，其中20296种为人类蛋白质，约占人类蛋白质总数的98.5%。 该研究创新性利用人工智能技术，在蛋白质分子结构解析方面实现了颠覆性创新，大大提升了研究的效率和范围，为生命科学研究带来了全新的研究工具，将开启生命科学与生物医药领域研究的全新模式。
注：此研究成果摘自《Nature》。
科学家发现利用人工智能可高效预测蛋白质分子结构
如今制造行业流行的是什么?我想，这可少不了“数字转换”、“工业4.0”、“人工智能(AI)”... 下面，就让我们一起看看AI如何改变制造业。一、用于缺陷检测的深度学习 在制造中，生产线中的缺陷检测过程变得越来越智能。深度神经网络集成使计算机系统可以识别诸如刮擦，裂纹，泄漏等表面缺陷。通过应用图像分类，对象检测和实例分割算法，数据科学家可以训练视觉检查系统来来进行给定任务的缺陷检测。结合了高光学分辨率相机和GPU，深度学习驱动的检测系统将比传统机器视觉具有更好的感知能力。 例如，可口可乐构建了基于AI的视觉检查应用程序。该应用程序诊断设施系统并检测问题，然后把检测到的问题通知给技术专家，助力专家采取进一步的措施。二、通过机器学习进行预测性维护 通过利用时间序列数据，机器学习算法可以微调预测性维护系统以分析故障模式并预测可能的问题。当传感器跟踪诸如湿度，温度或密度之类的参数时，这些数据将通过机器学习算法进行收集和处理。 根据预测目标，如故障之前的剩余时间，获取故障概率或异常等，有几种机器学习模型可以预测设备故障：预测剩余使用寿命(RUL)的回归模型、用于在预定时间段内预测故障的分类模型、异常检测模型可以标记设备。 基于机器学习的预测性维护所带来的主要好处是准确性和及时性。通过揭示生产设备中的异常，分析其性质和频率，可以在故障发生之前优化性能。
2021年AI将改变制造业的6大应用趋势
根据一项使用腕部加速度计数据跟踪睡眠的新研究，睡眠模式和睡眠效率的多项测量与精神疾病的终生诊断有关。该研究由多伦多大学的 Shreejoy Tripathy 和加拿大成瘾与心理健康中心 (CAMH) 及其同事于 10 月 12 日在开放获取期刊 PLOS Medicine 上发表。 众所周知，睡眠问题是许多精神疾病的症状和潜在的危险因素。在这项新研究中，研究人员收集了参与英国生物银行研究的 89,205 名个人的数据，这些人在 2013 年至 2015 年期间将该智能设备戴在手腕上 7 天。加速度计用于生成有关睡眠时间、持续时间、效率和可变性的客观数据。所有参与者都可以获得有关精神疾病诊断的数据——包括精神分裂症谱系障碍、双相情感障碍、重度抑郁症和焦虑症——以及其他健康和社会人口学信息，这些参与者的年龄从 43 岁到 79 岁不等，
56% 是女性。研究人员在检查睡眠测量与住院精神病诊断之间的关联时发现了惊人的趋势。每个诊断与 10 个加速度计衍生的睡眠测量中的 8.5 个平均值相关。睡眠质量的衡量指标，例如睡眠效率，通常比睡眠持续时间的衡量指标更受精神病学诊断的影响。效应量很小；在睡眠效率和重度抑郁症之间的关联中观察到了最大的影响。关联在不同血统和性别之间复制。 “我们的研究结果提供了丰富的临床描述，说明了患有终生精神疾病的人的睡眠受到干扰的方式。” “这项工作展示了加速度计提供详细、客观的大规模睡眠测量的能力，甚至可以跨越数万个人的队列。” “这项工作展示了可穿戴的人工智能设备的强大功能，可以提供有关精神疾病中睡眠是如何与人体神经相关功能互相影响。”
人工智能设备成功揭示睡眠与精神疾病互相影响
三、人工智能将打造数字双胞胎 数字孪生是物理生产系统的虚拟副本。在制造领域，存在着由特定机械资产，整个机械系统或特定系统组件组成的数字双胞胎。数字双胞胎的最常见用途是生产过程的实时诊断和评估，产品性能的预测和可视化等。 为了教数字孪生模型了解如何优化物理系统，数据科学工程师使用了监督和无监督的机器学习算法。通过处理从连续实时监控中收集的历史数据和未标记数据，机器学习算法可以查找行为模式并查找异常。这些算法有助于优化生产计划，质量改进和维护。 此外，利用NLP技术可以处理来自研究，行业报告，社交网络和大众媒体的外部数据。它不仅增强了数字双胞胎的功能，不仅可以设计未来的产品，还可以模拟其性能。
四、智能制造的生成设计
生成设计的思想是基于机器学习的给定产品的所有可能设计选项的生成。通过在生成的设计软件中选择重量，尺寸，材料，操作和制造条件等参数，工程师可以生成许多设计解决方案。然后，他们可以为将来的产品选择最合适的设计并将其投入生产。 先进的深度学习算法的使用使生成设计软件变得智能。人工智能的新趋势之一是生成对抗网络(GAN)。GAN依次使用两个网络：生成器和鉴别器，其中生成器网络为给定产品生成新设计，而鉴别器网络对真实产品的设计和生成的产品进行分类和区分。 因此，数据科学家开发并教授深度学习模型以定义所有可能的设计变体。计算机成为所谓的“设计伙伴”，它根据产品设计师给出的约束条件生成独特的设计思想。
五、基于ML的能耗预测 工业物联网(IIoT)的增长不仅使大多数生产过程实现自动化，而且使他们节俭。通过收集有关温度，湿度，照明使用和设施活动水平的历史数据，可以预测能耗。那时机器学习和人工智能承担了大部分实施任务。 利用机器学习进行能源消耗管理的想法是检测模式和趋势。通过处理过去消耗能源的历史数据，机器学习模型可以预测未来的能源消耗。 预测能耗的最常见机器学习方法是基于顺序数据测量。为了做到这一点，数据科学家使用自回归模型和深度神经网络。 为了使用内部存储器存储以前输入的数据的信息，数据科学家利用递归神经网络(RNN)，它擅长跨越较长序列的模式。具有循环的RNN可以读取输入数据，并同时跨神经元传输数据。这有助于理解时间依赖性，定义过去观察中的模式，并将它们链接到将来的预测。此外，RNN可以动态学习定义哪些输入信息有价值，并在必要时快速更改上下文。 因此，通过利用机器学习和人工智能，制造商可以估算能源账单，了解能源的消耗方式，并使优化过程更加由数据驱动。
六、人工智能和机器学习驱动的认知供应链
人工智能和机器学习不仅使供应链管理自动化，而且使认知管理成为可能。基于机器学习算法的供应链管理系统可以自动分析诸如物料库存，入站装运，市场趋势，消费者情绪和天气预报等数据。因此，他们能够定义最佳解决方案并做出数据驱动的决策。 整个认知供应链管理系统可能涉及以下功能：需求预测、运输优化、物流路线优化、仓库控制、人力资源规划、供应链安全、端到端的透明度等。 最后，可以预见人工智能在制造业中的未来是光明的。普华永道(PwC)报告显示，制造业AI技术在未来五年内将有望快速增长。需要强调的是，人工智能和机器学习并不是一整合便会立即带来成功。因为任何创新技术都应该解决现有的业务问题，而不是想象中的问题。
扫一扫关注我们
物端AI芯片
边缘AI计算设备 高通量AI服务器认知智能与协作计算
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号