项目针对皮肤科疾病，研发能与病患对话、交流问诊的AI医生。围绕多层次多粒度智能体自主进化学习机制关键科学问题，研究高并行自适应AI计算技术、含因果性医学知识图谱动态构建与知识推理技术、多智能体自组织与进化学习技术、面向医学受限自然语言理解与生成技术等四大关键技术问题，为AI 医生提供“AI支撑能力、进化学习能力、知识推理能力、人机交互能力”等四大核心能力，建设覆盖全流程的人机交互远程智能问诊平台，并在湘雅医院（皮肤病）互联网医院开展线上示范应用。                      

结合大数据和人工智能技术，研究基于开发运维一体化的数据中心智能运维总体技术方案和实施策略，研发故障诊断与辅助决策、设备自动化参数配置、海量运维数据趋势预测、网络安全策略优化等技术，研制数字化、可视化、智能化的铁路数据中心智能运维原型系统，研究成果将应用于未来数据中心的管理、应用及基础架构运维的提升和优化中。通过将研究成果逐步落地到真实生产运维场景中，实现更高效的 IT 资源使用、更量化的应用系统评估、更绿色的数据中心运行、更准确的决策辅助。                     

经过六十年的发展，以牛顿时空观为基础、以点线面为基本表达模型的地理信息系统（GIS）得到了长足发展，成就了 20 世纪 GIS 的辉煌。随着大数据、人工智能和云计算等新兴科技快速发展和广泛应用，GIS 迎来了重大发展机遇，同时也面临诸多挑战，一场崭新的 GIS 科技革命正悄然而起，以地理空间智能为核心的新一代 GIS 成为前沿战略发展方向。自 1985 年“七五”攻关科技计划实施以来，我国第一代 GIS 连续得到国家四个五年科技计划的支持，走过了“引进、消化吸收、再创新”的道路，在理论、技术和产业化应用方面成就斐然。自“十一五”以来，科技部再次连续三个五年计划超前部署了高性能空间分析、地理大数据挖掘、全息地图和全空间信息系统等一批重大科技项目，并取得了重大突破和原创性成果，为我国 GIS 的新腾飞打下良好的基础。                     

项目针对恶性肿瘤生物医学大数据的高维度、跨尺度和多模态特点，研究生物医学大数据的存储方案、共享体系、融合计算、隐私保护和安全监管技术，发展面向生命组学、影像组学、临床表型组学等的大数据汇聚分析的药物靶点和
疾病新型标志物发现的"干""湿"结合的新方法和疾病风险预测新技术;研究整合医学典籍、电子病历等多来源多层次医学知识的智能诊疗知识融合方法，研发构建智能诊疗算法库、通用软件框架及在线分析共享平台。研发以临床需求为导向的面向高维度、跨尺度和多模态临床大数据的集成分析引擎和软件工具，建立面向临床的科研大数据支持系统和操作环境;建立基于生物医学多组学大数
据的面向疾病风险预测、疾病诊断、精准治疗、药靶和疾病生物标志物发现、预后监控的智能化诊疗支持系统;推广并验证系统的临床适用性。                     

项目将综合素养定义为学生在受教育过程中形成的跨越学科的价值观、必备品格和关键能力，是学生综合素质和核心素养的融合。在此基础上，项目拟通过理论-技术-数据的反复检验和多轮迭代，充分发挥人工智能、大数据等现代信息技术优势，通过感知学生多场域、跨学段、全过程的活动信息，联结心理学、教育学、计算机、大数据和人工智能等领域专家构建综合素养测评模型和指标体系、攻克关键技术，计算处理多模态数据以构建学生队列，挖掘学生成长规律，实现测评结果在导向、鉴定、诊断、调控和改进方面的作用，提升教育评价的科学性、专业性、客观性。研究内容包括：（1）研发学生综合素养测评理论、模型和指标体系，明晰综合素养核心内涵和内容维度，并依托学生成长跟踪数据构建数据表征模型，解决综合素养内涵难共识、测评活动难开展、结果真实性难保证等问题。（2）攻克多维度多场域的学生数据伴随式采集技术，突破以往过程性数据难存留、各类数据难打通、数据标注精度低、数据权责不清晰、数据安全难保障等局限。（3）攻克学生综合素养多模态数据智能处理技术， 探索行为与指标以及特征与指标的映射关系。（4）攻克长周期学生发展因素画像与成长溯源技术，探索终点事件与关键发展因素的关联关系，揭示长周期学生综合素养发展的可解释性机理。（5）攻克大规模队列建设技术，研发学生跨学段成长跟踪研究平台，开展数据采集与综合素养测评实验应用，形成数据驱动的测评能力和测评解决方案。                      

伴随着城市化的进程，人口老龄化问题对有限的医疗资源造成了巨大的压力，成为社会各界不可忽视的问题。然而，传统的医疗信息系统却无法在医院外为老年人和慢性病患者提供实时的健康监测服务。物联网（Internet of Things，IoT）技术被认为是一种革命性的解决方案，可以为老年人和慢性病患者提供不受时间和地点限制的新型健康监测服务，并降低他们对有限公共医疗资源的占用。体域网（Body Area Network，BAN）正是这种基于 IoT 技术的医疗健康监测系统，其在医疗健康领域展现出了巨大的潜力，并且可以适应于不同的场景。本项目的研究工作围绕动态时变的 BAN 系统，其系统参数随时间而随机变化，从资源分配策略、能效优化、以及数据时效性三个方面依次展开研究，通过动态控制系统运行的多个关键参数，提出优化策略方法解决时变 BAN 面临的资源受限问题、服务周期受限问题、以及传输质量问题。                     

                     

本项目提出利用区块链网络的合法节点对用户的学习行为进行存储，将学习行为信息加密广播至全网，并探讨了基于区块链的高校课程互选共享机制和学分银行系统的实现机制。研究适用于高等学校的学习成果认证和转换标准和基于区块链技术的学分银行系统，对于打破“信息壁垒”、提高学习成果认证和转换的公信力与效率、建设个人的终身学习电子档案有积极的意义，并为学分银行的发展提供理论参考。                     

为了克服传统舆情管理体系的技术弊端，突破现有网络舆情风险管理的难点和痛点，提高网络舆情风险管理效率。本项目基于情感字典和区块链相结合的技术提出网络舆情风险管理系统体系，拟采用短文本分析、区块链、情感计算和可视化等新兴信息技术，构建一种基干文本分析与情感计算的舆情倾向预测体系架构，首先对体现网络舆情的短文本的稀疏特性进行降维处理，再利用情感字典和机器学习相结合的情感分析算法提高情感趋向分析的准确率，并进一步挖掘网络舆情中本体间的关联关系，以此为基础构造贝叶斯推理网络，通过智能推理预测舆论走势，刻画舆情的发展趋向，并通过推理可视化方法以直观的形式支撑舆情管控决策，再构建基于区块链技术的舆情风险智能分类账，提高重大舆情风险分析准确性。通过该项目的研究可以更好地捕捉舆情发展趋势，预测重大事件的影响，为舆情危机判定和舆情导向提供可靠的依据。所研究的基于问题稀疏特性的推理方法可促进高效智能推理理论的进一步发展。提出的舆情风险管理方法能够使得舆情风险管理数据更安全、数据可追溯、组织弹性适应性更强， 能有效指引有关系统开发，并增强网络舆情风险管理可控性、提高网络舆情风险管理效率。                     

智慧校园在不断地建设和发展的过程中一直遭受着各种各样的网络安全攻击，面对复杂的攻击，依靠个人或单个组织的技术力量仅能获得局部的攻击信息,无法构建完整的攻击链,更无法准确有效地预防攻击者。网络安全威胁情报是一种有效提高防护方响应能力和效果的手段，本项目结合智慧校园的安全威胁指标系统，构建基于区块链的智慧校园网络安全威胁情报共享平台和基于深度神经网络算法的情报质量评价模型，在多源威胁情报的收集中对找到有效情报，辅助共享平台做出科学决策。本项目提出构建指标系统、共享平台及评价模型，解决智慧校园中存在的安全问题，对于推进智慧校园的发展及安全威胁情报的应用有重要的意义。