（万元）

联系方式

1.成果形式

（1）智能系统1套：建成“凸轮轴AI全流程智造系统”，包含：①基于可选配置的产品参数化设计大模型；② 制造工艺知识决策大模型；③ 切削工艺参数优化大模型；④ 智能仓储与物流调度大模型。建立设计智能校核平台、工艺智能推演系统、工艺参数大数据优化系统、产线数字孪生管控平台、WMS/WCS智能仓储管理系统各1套。

（2）示范产线1条： 建成一条基于上述AI系统的船用凸轮轴数智化集成示范产线1条，实现从设计输入、工艺准备、制造执行到智能仓储物流的全流程AI赋能应用；建成高密度智能立体库1座。

（3）知识产权：申请发明专利3-4项，发表学术论文1-2篇，编制企业技术规范与研究报告各1套。

2.关键绩效指标

（1）提质指标：加工尺寸精度、表面粗糙度一致性显著提升，工艺参数经大模型优化后产品合格率稳定至98%以上；仓储准确率达95%，实现账实一致。

（2）增效指标：新品定制设计周期缩短30%，工艺编制与换型调试周期缩短40%；实现凸轮轴生产线24小时不间断运转，平均设备利用率提升50%；智能仓储实现库存周转率提升30%以上。

（3）降本指标：生产操作人员由16减至5人，用工成本下降68%；刀具损耗、能耗、耗材成本经大模型优化综合下降15%以上。通过智能仓储，仓库空间利用率提升300%以上。

（4）科研指标：完成AI大模型在产品参数化设计、工艺知识建模、制造参数关联优化、多智能体仓储调度四大方向应用基础研究，模型可自主学习迭代、具备行业复用能力。

（5）经济效益指标：项目建成后两年内，通过产能释放与品质提升，实现新增销售收入不低于3000万元。

（6）“双招双引”指标：引进人工智能、数智制造、智慧物流专业人才4-5人；带动AI算法、工业软件企业在皖合作≥2家，形成可复制方案，带动省内1-2 家制造企业对标应用，集聚产业链配套资源。

1.合作单位类型

希望与在“人工智能+复杂装备制造”领域具有深厚理论基础和强大工程实践能力的高校、科研院所或企业合作。优先选择：

高校/科研院所：在高端装备制造、人工智能、数字孪生等方向有相关研究成果，拥有相关领域博士点或省部级以上重点实验室。

企业：在工业AI平台、工业大数据分析、智能控制、智慧物流（WMS/WCS/AGV）等领域有自主产品和成熟解决方案，具备将前沿AI模型工程化、产品化的能力。

鼓励“企业+高校”多方联合揭榜，形成从原创算法到工程落地、再到行业验证的完整创新链条。

2.对专家及团队要求

揭榜方须组建一支跨学科、强实践的高水平团队，核心成员不少于6人，团队负责人应具有博士学位或高级职称，在工业智能制造领域有相关研究基础，能准确把握项目科学问题与技术方向，曾主持国家级/省部级或相关产学研项目优先。揭榜团队必须熟悉工业大模型训练、非结构化文档深度学习、产品参数化建模、PMI工艺信息识别、制造多源数据关联分析、工艺参数智能寻优；熟悉高端装备定制化设计、轴类零件加工工艺，具备复杂装备行业大模型落地研发经验。

3.合作攻关要求

采用“揭榜挂帅”模式，2年内完成四大AI大模型搭建、训练迭代与产线集成落地；能利用我方历史设计、工艺、制造、仓储数据开展模型训练，完成设计智能校核、工艺智能生成、参数优化、智能仓储调度功能开发；按要求产出专利、论文、知识库、研究报告等既定成果。

4.其他要求

熟悉省级科技项目管理与结题要求，可配合开展中期评估、结题验收；能联合我方开展现场工艺试验、模型迭代调试，明晰知识产权、资金投入、成果归属与推广权限；提供稳定技术支持与人才培养，愿意共同推进成果在省内外船舶制造行业复制推广，助力“双招双引”与产业升级。

（一）理论与技术考核指标

1.阐明吸波材料（包含吸波预浸料、吸波蜂窝、吸波胶膜、TPMS吸波超材料）组分、结构、工艺等参数耦合对电磁参数的影响规律，明确5种以上吸波材料最优参数区间，形成完整的机理分析报告1份。

2.构建吸波预浸料、吸波蜂窝、吸波胶膜、专属TPMS吸波超材料数据集，其中TPMS吸波超材料有效样本数据量≥2000组，数据涵盖材料配比、结构参数、电磁性能、力学性能全维度参数。

3.研发专用AI智能设计模型，模型性能预测精度≥95%，多目标优化迭代效率较传统试错设计提升80%以上，可实现宽频、轻量化、高稳定性能的协同优化。

4.形成一套完整的AI赋能材料-结构-功能一体化设计方法，设计流程标准化、参数可控、可复用，突破传统分步设计技术瓶颈。

5.通过该设计方法优化得到3款以上吸波预浸料、吸波蜂窝、吸波胶膜，在2-18GHz范围内，有效吸波带宽（反射损耗≤-10dB）不低于4GHz；3款以上新型TPMS吸波超材料结构，有效吸波带宽（反射损耗≤-10dB）覆盖2-40GHz主流频段，其中强吸收宽带≥30GHz。

6.研发一套能够自动数据采集、智能校准的吸波材料测试装置。

7.利用上述材料制备一件及以上边缘结构功能件产品，并完成RCS测试，形成测试分析报告。

（二）成果产出考核指标

1.发表SCI论文5篇及以上。

2.申请国家发明专利5项及以上。

3.形成完整的技术研究报告1份。

4.制备的边缘结构件RCS结果符合当下主流产品指标要求。

（三）工程应用考核指标

1.实现设计方法工程化落地，可直接指导热压成型、3D打印、精密成型等工艺制备高性能吸波材料试样，仿真设计数据与实验实测数据偏差≤10%。所研发的吸波材料可适配航空航天、精密电子电磁防护等应用场景，宽角度入射（0°～60°）条件下仍保持稳定吸波性能，环境适应性良好。

制备的边缘结构件RCS测试结果符合当下主流产品指标要求。

本项目面向全国公开揭榜，优先支持产学研用深度融合的创新联合体，鼓励“高校+企业”联合申报，揭榜方须为国内注册的独立法人单位。高校及科研院所需为跨学科研究团队，拥有电磁功能材料、拓扑结构设计等相关省级及以上重点实验室或工程技术研究中心；企业需具备吸波材料研发、生产或应用经验，拥有完善的中试及检测平台，能提供项目所需场地、设备及配套资金。申报单位无不良科研信用记录，近3年无重大安全事故及知识产权纠纷，财务管理制度健全、资金保障能力良好。项目负责人需具有相关专业博士学位及高级职称，从事吸波材料10年以上或电磁超材料研究5年以上，主持过国家级及以上相关科研项目；核心团队不少于5人，研究领域覆盖材料制备、电磁性能表征及吸波机理探究、电磁仿真、机器学习、增材制造等领域。揭榜方需熟练掌握CST、COMSOL、HFSS等仿真软件，有TPMS结构吸波材料研究基础者优先，拥有材料制备及电磁性能测试全套设备，且与3D打印企业有稳定合作。联合申报单位须签订正式合作协议明确各方权责，揭榜方需承诺提供足额自筹资金及各项保障，项目成果优先在安徽省内转化应用。

一、成果形式

1.一套智能化精准康复算法体系：包括基于GNN的个体化脑网络分型模型、基于DRL的闭环动态调控优化模型、基于可解释状态空间模型的预后预测模型。

2.一个多模态神经数据融合与智能调控原型平台：集成EEG、fMRI、DTI、TMS及认知训练的数据采集与实时反馈调控功能。

3.一套卒中康复智能干预临床操作规范：涵盖数据采集标准、模型使用指南及安全规范。

4.一支医工交叉创新团队：引进或培养AI+康复交叉高层次人才不少于3人。

二、关键绩效指标

（一）提质指标（技术性能与临床效果）

1.神经分型精准度：基于GNN的个体化脑网络分型模型对三类亚型（结构损伤主导型/功能解耦主导型/认知-运动环路共损型）的分类准确率≥85%。

2.调控策略优化效能：深度强化学习策略在虚拟康复环境中收敛所需的迭代步数较随机搜索降低≥60%；临床验证中，优化后的动态调控方案相比传统固定参数方案，上肢FMA-UE评分改善率提升≥30%。

3.预后预测性能：预后预测模型AUC≥0.85，校准误差≤0.10；可解释性热力图临床接受度评分（由5名以上康复医师盲评）≥4.0/5.0。

4.评估效率提升：从多模态数据采集到生成康复建议报告总耗时≤45分钟。

（二）降本指标（医疗资源节约）

1.人均评估成本降低：单患者全周期康复评估的人力成本较传统模式降低≥40%。

2.无效干预减少：基于精准分型与预测，减少无效康复周期≥30%。

3.设备使用效率提升：通过智能化调度与参数优化，单台设备日均有效治疗人次提升≥25%。

（三）增效指标（康复效率与社会效益）

1.康复周期缩短：患者达到相同功能改善所需康复周期缩短20%-30%。

2.模型运行效率：单患者全流程计算运行时间≤10分钟（标准GPU工作站）。

3.可推广性验证：在至少2家不同层级医疗机构完成外部验证，模型性能衰减≤5%。

（四）“双招双引”指标

1.招商引资：项目执行期内吸引不少于1家企业签订技术开发或成果转化意向协议；预计未来3-5年带动潜在市场规模≥5000万元。

2.招才引智：引进或培养博士/博士后层次AI+康复交叉人才≥3人；与至少1家高校或科研机构建立联合实验室；发表SCI4论文≥3篇，申请发明专利≥2项，软著≥1项。

（五）预期经济社会效益

本项目将推动卒中康复从经验化向精准化、智能化转型，显著提升康复疗效、降低医疗资源消耗、缩短患者回归周期，填补省内乃至国内在“多模态神经数据融合+AI驱动闭环调控”领域的技术空白，为后续产业化落地及区域医疗中心建设提供核心技术储备与人才支撑。

1.优先合作单位类型

本项目面向基础应用研究，优先与高校、科研院所、三甲医院、医疗智能技术企业开展合作，重点聚焦神经科学、神经病学、康复医学、生物医学工程、智能算法、多模态医学影像处理等领域。要求揭榜方团队具备扎实的神经环路微观机制、神经可塑性、脑网络分析基础研究能力，熟悉无创神经调控、认知康复、脑机接口相关技术原理与研究方法。

2.团队技术要求

揭榜方应具备多模态医学数据处理、智能特征提取、信号分析与建模的技术积累，能够支撑微观神经特征挖掘、脑网络建模、闭环调控参数优化等关键研发工作；需具备开展前瞻性临床队列研究、神经影像评估、神经电生理检测的平台条件与伦理审批资质。优先选择近 3 年内承担过脑卒中、神经调控、脑科学相关省级及以上科研项目，或在微观神经机制、智能康复领域发表高水平论文的团队。

3.合作目标

揭榜方应能够稳定投入研究人员、设备与技术支撑，严格遵守科研诚信与项目管理规范，与申报单位协同开展微观机制解析、技术方法研发、数据统计分析及成果总结，共同推进项目高质量完成，产出具有代表性的基础研究成果与可复用的基础应用方法，支撑脑卒中神经康复领域的基础研究与技术创新。

揭榜方在AI代理模型研发方面具备以下核心能力：团队在神经网络轻量化、物理信息驱动深度学习、多目标优化等领域拥有丰富经验，能够独立承担光学、声学、空气品质三大领域AI代理模型的构建、训练、验证与迭代优化任务。具体如下：

（1）深度学习算法基础扎实：在卷积神经网络、Transformer、图神经网络等模型架构上具有深入的算法研发经验，能够针对不同物理场问题的特点，设计适配的代理模型网络结构。

（2）模型轻量化与边缘部署能力：面向车载嵌入式应用场景，应掌握模型剪枝、量化、知识蒸馏等轻量化技术，能够将AI模型压缩至适合边缘端推理的规模，满足产品级毫秒级实时响应需求。

（3）物理信息融合建模经验：熟悉物理信息神经网络（PINN）、神经算子（DeepONet、FNO）等AI4S前沿方法，能够将物理约束融入模型训练过程，提升模型的外推能力和物理可信度。

（4）产学研协同基础：已与奇瑞及相关研究院建立了良好的合作基础，对车载光学、声学、空气品质等领域的工程需求有深入了解，能够高效对接工程场景，确保算法研发与实际应用紧密结合。

（5）学术水平：联合或独立申报发明专利12项、获得计算机软件著作权3项、合作发表论文2篇。

项目实施过程中，揭榜方将主要负责AI代理模型的核心算法研发工作，包括多物理场仿真数据的预处理与特征提取、代理模型架构设计与训练、模型精度与加速比验证，以及面向实际产品的模型轻量化与嵌入式部署。申报单位负责提供两大基础设施平台的建设支持、实验数据采集、物理样机验证及产品落地推广。双方将建立协同研发机制，定期开展技术交流与联合攻关，确保项目按期高质量完成。

以下为合作供应商要求：

（1）车联生态标准实验室建设能力

需具备汽车行业实验室及展台展厅建设经验，能够完成车联生态标准实验室的设计、施工、设备集成与调试，实现客户体验及开发台架测试区、生态产品展示区、竞品分析及数据储存区三大功能区的模块化建设。包括：具备模块化展示台架设计能力、多样式展陈设计能力，提供竞品分析所需设备，部署支持CAN/WiFi/蓝牙/4G等多种通信协议的软硬件平台及整车电器接口转接平台，并完成场地施工、设备安装调试、操作培训及售后质保服务。

（2）车载光实验室洁净室及光学设备集成能力

供应商须同时具备洁净室建设与光学测试设备供应的双重能力。在洁净室建设方面，须具备微振动控制能力，能完成环境振动频谱实测与仿真，确保实验区满足VC-D/E标准；具备非标空调箱设计经验，实现控温波动≤±0.1℃及控湿精度符合工艺需求；拥有ISO 5级以上洁净室建设业绩，并能集成化学过滤器以严控氨气与VOCs；同时具备超纯水、特气管路及全暗室遮光设计与施工能力。在光学测试设备及元器件供应方面，能够提供齐全、性能稳定的光学系统元器件及相关设备，并具备及时的售后反馈能力。

（3）项目整体实施能力

供应商应配备专职项目经理，具备项目管理和协调能力，能够按照项目计划完成实验室建设、设备到货、安装调试及验收工作。

1.核心成果形式：建成自主可控的AI4S赋能氘代药物创新研发专用服务平台1套，包含AI智能计算模块、同位素效应精准解析模块、氘代位点智能筛选模块、成药性预测模块四大核心功能；形成1套平台配套的标准化操作手册与技术规范；获得1-2个成药性优异的氘代衍生物候选化合物；申请氘代药物设计与AI4S平台相关发明专利≥1项；发表SCI一区学术论文1-2篇；形成完整的AI4S计算-实验验证全链条研究数据集1套。

2.技术性能指标（提质）：平台可实现氘代药物研发全流程的一站式AI4S智能服务，单任务计算响应时间不超过24小时，支持至少10个并发用户同时访问使用；构建的AI4S智能计算框架，实现氢/氘同位素效应原子级精准表征，氘代位点预测准确率较传统CADD方法提升50%以上，动力学同位素效应（KIE）量化相对误差≤10%；筛选获得的氘代衍生物关键位点氘代率≥98%，较母药代谢半衰期延长≥30%，靶点选择性提升≥2倍，骨髓抑制等靶向相关毒性降低≥30%。

3.降本增效指标：彻底改变氘代药物“试错式”研发模式，氘代位点虚拟筛选周期较传统高通量筛选模式缩短50%以上，候选化合物合成与实验验证批次减少≥60%，氘代药物早期研发综合成本降低≥40%；平台可向省内生物医药企业、高校院所开放共享，实现AI4S智能计算能力的普惠化应用，大幅提升氘代创新药研发效率。

4.“双招双引”与人才培养指标：引进AI4S与药物研发交叉领域高端人才≥1名，培养青年科研骨干≥2名、相关专业研究生≥3名；联合人工智能领域头部企业或科研院所搭建产学研协同创新平台1个，完成技术成果转化前期对接，为后续产业化落地奠定基础。

本项目为AI4S（人工智能赋能科学研究）与生物医药交叉领域的技术攻关与平台搭建项目，牵头单位蚌埠医科大学为本次场景创新的业主单位，聚焦氘代药物研发场景提出明确的AI4S平台建设需求，自身不具备人工智能大模型开发、平台全链条工程化落地与长期运维能力，需联合具备相关技术能力的单位合作完成项目攻关。揭榜方需与牵头单位形成技术互补、产学研深度协同，具备支撑项目全流程实施、平台开发落地与长期运维的研发能力和配套条件，具体要求如下：

1.合作单位资质要求： 优先与两类单位开展合作，一是国内药学、人工智能、计算化学领域优势突出的高校、科研院所，需拥有省级及以上重点实验室/工程技术研究中心等研发平台，在氘代药物设计合成、AI4S分子模拟、药物临床前评价领域有扎实研究积累与高水平成果，具备平台架构设计、系统开发与功能验证能力，可支撑平台核心技术迭代与功能验证；二是人工智能、创新药研发领域的高新技术企业，人工智能企业需具备自主可控的智能算力资源、AI for Science专用算法开发能力及生物医药垂类模型训练经验，具备AI服务平台开发、云部署与运维能力，可保障平台稳定上线运行与长期服务能力；创新药企业需具备氘代药物合成、中试放大能力，拥有规范的药物研发体系，可推动平台成果的产业化落地。

2.专家及团队要求： 核心团队需覆盖人工智能（深度学习、分子图神经网络、生成式AI）、药物化学、计算化学、药理学、平台架构设计、软件工程开发等核心领域，核心专家需具备相关领域副高级及以上职称或同等行业水平，在AI4S算法开发、氘代药物研发领域拥有3年以上研究经验，已取得系列高水平学术成果或产业化成果；核心团队需包含平台架构设计、软件工程开发相关专业人员，具备大型科研服务平台开发与落地经验；团队成员需具备跨学科协同研发能力，有AI4S与药物研发交叉项目经验者优先，能够保障项目全周期稳定投入，与牵头单位协同完成技术攻关、平台搭建测试、成果验证与转化落地全流程工作。

一、成果形式

本项目预期形成四大类成果：

1.核心产品成果：完成AI赋能型高感度高反应AMOLED触控芯片研制，采用台积电或世界先进制程流片，实现240Hz触控采样率、≥45dB信噪比、≥10指多点触控，提供芯片样品、量产证明及第三方检测报告。

2.技术平台成果：构建覆盖防水触控、NFC共存抗干扰的AI触控算法IP库，具备平台化复用能力，提供IP复用报告；搭建高可靠性测试验证平台，支持-20℃~80℃、湿度85%RH环境下300小时连续稳定运行，出具第三方测试报告。

3.知识产权成果：新增知识产权18项，其中Ⅰ类知识产权（发明专利及布图设计）14项、软件著作权4项，形成“方法+结构+实现”三位一体的立体化知识产权保护网。

4.产业合作成果：与京东方、维信诺等面板龙头企业签订配套合作协议或供货合同。

二、关键绩效指标

1.在提质方面：芯片核心性能达国际先进水平，触控采样率≥240Hz，信噪比≥45dB，支持≥10指多点触控。复杂环境下，通过AI分类算法实现小雨至中雨防水触控误判率≤1%，通过AI驱动干扰抑制算法，实现NFC共存场景触控识别率≥99.8%。芯片可在-20℃~80℃、湿度85%RH环境下连续稳定运行300小时，电容采样精度变化≤±1%。突破国外技术垄断，实现高端产品国产化替代。

2.在降本方面：实现高端AMOLED触控芯片国产化替代，相比进口方案降低下游面板企业采购成本约30%以上。AI算法IP库具备平台化复用能力，新终端适配周期缩短50%以上，减少重复开发投入。

3.在增效方面：测试验证平台（集成AI辅助验证模块）支持UART/USB/I²C/SPI多接口，实现24小时连续数据采集与断点续传，芯片验证周期缩短约40%。填补安徽省高端AMOLED触控芯片设计领域空白，带动智能终端、穿戴设备等下游产业链协同发展，提升我省新型显示产业链自主可控水平。

4.在“双招双引”方面：人才引育上，引育“双一流”硕士及以上学历专业人才5人以上，组建以高层次人才为核心的攻坚团队。产业贡献上，项目产业化后累计新增产值5000万元以上，新增利税800万元以上。未来三至五年，依托本项目形成的算法IP库和测试验证平台，向车规级触控芯片、柔性折叠屏触控芯片等方向延伸拓展，构建覆盖消费电子、汽车电子、物联网终端等多场景的触控芯片产品矩阵。

一、合作单位类型

希望与以下类型的高校、科研院所或企业开展合作：

高校类：设立集成电路学院、人工智能学院等对口学院，在集成电路设计、人工智能算法、信号处理等领域具有较强科研实力的国内重点高校，优先考虑安徽省内高校（如中国科学技术大学、合肥工业大学、安徽大学）或长三角地区高校。

科研院所类：在新型显示、触控技术、人机交互领域具有深厚积累的科研院所，如中科院相关研究所、省级新型显示创新平台等。

企业类：在触控芯片测试验证、AI算法开发、嵌入式软件等领域具有技术优势的企业，或具备车规级芯片认证经验的机构。

二、要求

1.学科领域：集成电路设计、人工智能/机器学习算法、信号处理、嵌入式软件。

2.团队水平：在触控芯片、人机交互或相关领域有3年以上研发经验，主持过省部级以上科研项目者优先。

3.带头人要求：具有副高级以上职称或博士学位，在相关领域发表过高水平论文或拥有核心发明专利。

4.团队配置：建议形成“算法+芯片+软件”的完整技术梯队，不少于3人。

5.AI4S能力：具备将AI技术应用于物理信号处理、模式识别或自适应控制的实际项目经验。

1.成果形式

平台：高通量实验驱动的催化剂智能创制平台 1 套，含百通道并行合成装置、高通量快速评价装置及全流程数据自动采集系统。

软件：AI 催化剂建模与辅助分析引擎 1 套，具备数据挖掘、性能 预测、主动学习推荐功能。

数据库：无机金属氧化物催化剂标准化数据库 1 个，有效数据记录 ≥20000 条，涵盖合成参数、表征数据、评价结果。

新催化剂/工艺：新型高效无机金属氧化物催化剂≥2 种，优化后催化工艺包≥2 项。

知识产权： 申请发明专利≥4 项，登记软件著作权≥1 项，发表学 术论文≥2 篇。

技术规范：面向精细化工催化剂的高通量实验主导智能研发规范 1 套，具备行业推广价值。

2.关键绩效指标

（1）提质指标

1）单批次催化剂合成通量≥100 种，较传统方法提升90 倍以上

2）单批次催化剂评价通量≥100 个样品，较传统设备提升 10 倍以上

3）评价全流程周期≤168 小时，含样品制备、测试、数据采集

4）数据库标准化率 100%，同平台、同批次、同检测方法

（2）降本指标

1）相比传统试错法，研发成本降低≥30%

2）实验次数减少≥50%

3）采用国产高通量设备，设备投资成本较进口降低90%

4）年降本增效≥2000 万元

（3）增效指标

1）研发周期缩短≥50%，从 5-8 年压缩至 2-3 年

2）酯化反应收率提升≥5 个百分点

3） 甲基酚合成转化率≥97%

4） 甲基酚合成选择性≥90%

5）放大一致性：转化率下降≤10 个百分点，选择性下降≤5 个百 分点

（4）“双招双引”指标

1）引进高端人才≥3 名（催化科学、智能控制、AI 算法方向等）

2）培养企业复合型人才≥10 名（AI+催化）

3）校企联合培养研究生≥15 名

4）校企建立联合实验室/研发中心≥1 个

5）企业聘请高校专家顾问≥2 名

6）形成可推广研发规范  1 套，向省内化工企业推广≥3 家

7）举办技术培训/交流会≥2 场，培训本地技术人员≥50 人次

8）新增就业≥10 人（研发、测试、技术支持等）

1.合作类型

希望与具有高通量实验设备集成能力、催化剂数据集建设能力的高 校、科研院所、企业开展合作，优先支持具有自主知识产权国产高通量 设备供应能力或承担过国家省部级材料基因工程项目的单位。鼓励产学 研联合体揭榜。

2.技术能力要求

（1）高通量实验设备集成能力

应具备百通道级 （≥100 单元）无机金属氧化物催化剂并行合成设 备的集成经验或供应能力；具备催化剂高通量快速筛选评价装置的研制 或供应能力，单批次评价通量不低于 100 个样品，评价温度室温— 1000℃ , 气氛可控。核心设备应具有自主知识产权，具备在化工企业现 场部署、调试和长期运行的工程经验。核心设备及配套软件获得省市级 “首台套 ”、“三新”、“首版次 ”软件者优先。

（2）催化数据库建设能力

熟悉催化领域的图神经网络、贝叶斯优化、主动学习等方法；具备 处理晶体结构数据和实验数据的实际经验。已建设催化材料数据库、已 将 AI模型与高通量实验平台结合形成闭环迭代的实际案例者优先。

（3）交叉学科团队。

核心团队需覆盖催化化学、化学工程、数据库建设、计算机科学三 个方向，项目负责人应具有高级职称或博士学位，在催化剂高通量实验 有 5 年以上研究经历。

1.成果形式

（1）AI4S软件平台：建成1套企业级AI4S金属粉体智能研发与质量决策平台，包括粉体数据管理、物理信息图神经网络预测、主动学习实验推荐、逆生成设计、图像 AI 质检、质量分级、异常预警、客户验证数据回流等模块的企业级AI系统；

（2）示范产线：建成1条AI辅助金属粉体研发与制备示范线；

（3）新产品：针对航空航天、汽车、3C消费电子、具身智能机器人、低空经济等高端制造领域，形成≥6款AI开发高性能金属粉体产品；

（4）知识产权：申请发明专利3—5件，软件著作权2-3项；

（5）标准规范：制定企业标准或团体标准1-2项；

（6）客户验证：完成不少于10家下游增材制造客户的应用验证。

2.关键绩效指标

本项目以“AI4S赋能增材制造高性能合金粉体研发与产业化”为核心，涉及材料、制造、AI、检测等多学科交叉。为实现技术闭环与产业化落地，拟与以下两类科研单位及企业开展深度合作。揭榜单位团队应具备“材料计算+AI算法+工业实验”三位一体的协同能力，成员在各自领域有5年以上独立研究或工程实践，且近3年有实质性跨学科合作成果。优先选择已与企业共建联合实验室或承担过场景创新项目的团队，确保项目成果可落地、可考核。

1.拟合作的高校与科研院所

（1）材料科学与工程/粉末冶金方向

在材料科学与工程、增材制造等重点学科与领域为A+学科的具有重要影响力的高校或研究所，要求牵头负责人为教授，在铝基、钛基、铁基、镍基高温合金材料设计与3D打印领域具有10年以上研发经验，承担过国家级材料基因组或增材制造专项，熟悉气雾化、等离子雾化等制粉工艺，具备SEM、EBSD、氧氮氢分析等表征能力。

（2）人工智能与计算机科学方向

需在物理信息图神经网络、贝叶斯不确定性建模、主动学习、多任务学习、逆生成模型和机器视觉检测等设计方面有积累的高校或研究所等，负责多模态数据底座建设、主动学习实验设计、AI预测模型（神经网络、物理约束模型）、多目标优化算法开发。核心参与人员需在机器学习、数据挖掘或科学智能（AI4S）方向有高水平论文及开源项目经验，熟悉主动学习、图神经网络、多任务学习，有与材料/制造领域交叉合作的成功案例。

（3）机器视觉与图像处理方向

需拥有计算机视觉、图像处理优势学科的高校或研究所等，负责粉体显微图像的颗粒分割、特征提取（球形度、卫星粉、空心粉等）、缺陷检测与质量分级模型开发，核心成员在图像分割、目标检测、异常检测方向有扎实工作，熟悉SEM/光学图像特点，具备部署轻量化AI模型至质检系统的能力。

（4）增材制造工艺与仿真方向

需在增材制造数值模拟、工艺优化方面有积累的高校或研究所等，负责打印工艺有限元模拟、热－力耦合计算、组织演化相场模拟、打印工艺参数优化，核心成员精通有限元软件（如ANSYS、ABAQUS、Flow-3D）或自研代码，有激光粉末床熔融/定向能量沉积模拟经验，能够将仿真与机器学习结合。

2.拟合作的企业类型

（1）增材制造设备与工艺服务企业

需是金属3D打印设备厂商或专业打印服务商，负责提供打印验证平台，共同完成粉体打印工艺库建设与后处理制度优化。为项目实现“粉体－工艺－性能”闭环验证，加速AI推荐工艺的产业化落地。

（2）下游应用企业

需是航空航天、3C消费电子、汽车、机器人、低空飞行器等领域的关键零部件制造企业，负责提供典型零部件打印需求与验证场景，对AI优化后的粉体进行应用评价，为项目明确产业化指标，实现客户验证与市场牵引。

搭建1套湿电子化学品配方产品 ELN 系统（润晶合肥定制版），系统响应时间≤3 秒，贝叶斯优化算法运行响应时间≤5 秒；实现实验数据多维度 AI 检索，检索准确率≥98%；贝叶斯优化模块及零代码AI训练平台支持研发人员自主构建预测模型并持续迭代优化，通过模型预测使研发实验效率提升≥30%，配方研发周期缩短≥20%；建立统一研发数据标准，实现100%数据同源与安全加密传输，构建超十万篇专利及研发文献的结构化知识库，实现配方原料、物质结构等信息分钟级精准检索，文献调研周期由天/周级缩短至小时级。

成果形式：

完成 ELN 系统及贝叶斯优化模块全套本地化系统部署，形成对应系统操作手册；构建润晶（合肥）研发数据资产库，形成蚀刻液相关配方研发定制化算法模型；出具项目验收报告、系统试运行报告、应用效果评估报告等成果文件，形成可复制、可推广的智能研发解决方案。

预期产业化应用：

系统在润晶（合肥）内部全面落地，覆盖 Cu/Al/Ag/IXO 蚀刻液、剥离液、显影液等全品类新产品配方研发场景，沉淀的智能研发管理模式可向集团半导体子公司复制推广，助力湿电子化学品产品配方数字化、智能化升级，推动新材料研发成果快速转化落地。项目将直接提升润晶（合肥）核心产品市场竞争力，预计新增产值超千万元，新增税收超百万元，同时为合肥集成电路、新型显示产业提供核心材料研发智能化支撑，带动产业链上下游协同创新，助力合肥打造世界级 “芯屏” 产业集群，为地方经济高质量发展贡献核心动能。

1.揭榜方须具备校企协同研发能力，优先与安徽大学等本地高等院校、科研院所建立深度合作关系，可联动院校算力资源、材料化工、人工智能专业科研力量联合攻关，依托产学研融合模式完成系统开发、算法优化与知识库搭建工作，保障项目技术落地适配企业实际研发场景。

2.项目核心团队需兼具电子化学品研发、工业软件搭建、人工智能算法研发双重专业背景。团队须配备湿法电子化学品、蚀刻液配方研发领域资深技术专家，精通湿电子材料特性、配方研发流程与行业研发规范；同时拥有专业AI算法、大数据架构、数据库开发技术人员，熟练掌握贝叶斯优化算法、智能检索模型、零代码平台搭建技术。

3.团队具备工业级ELN电子实验系统定制开发、本地化部署实操经验，能够满足系统3秒内响应、算法5秒内运行的性能指标；可独立搭建高精准度AI检索体系，保障检索准确率达标。技术人员可自主完成预测模型搭建、迭代优化，依托算法实现研发效率、配方周期优化目标。团队需熟悉化工研发数据规范、数据加密与同源管理体系，具备大规模专利文献结构化梳理、专业知识库搭建能力，可实现海量资料快速检索调取。同时能够按标准编制系统手册、各类验收评估报告，输出标准化、可复用推广的智能研发方案，保障项目各项成果规范交付，整体技术实力可支撑项目全部指标顺利达标验收。

1.成果形式（强化 AI4S 机理成果）

建成乳业全链路AI4S 科研与智能管理平台1 套，覆盖品质溯源、工艺预警、设备运维、数据治理、需求分析五大核心模块；

形成乳业 AI4S 微观机理研究实施规范与可复制解决方案 1 套；

构建乳品品质成因机理图谱、工艺参数耦合机理模型、设备劣化机理模型、消费 - 配方适配机理模型、数据融合决策模型；

形成乳业 AI4S 应用技术方案 1 套，申请软件著作权 2-3 项、发明专利 1-2 项（含微观机理建模相关）；

培养乳业 AI4S 科研与应用骨干人才 8-10 名。

2.关键绩效指标

质量管控：关键控制点 AI 监控覆盖率 100%，异常预警准确率≥95%，产品合格率稳定在 99.95% 以上，原料奶质量指标持续优于国家与欧盟标准；

降本增效：综合能耗下降≥15%，奶源损耗降低≥3%，人工记录与统计工作量减少≥80%，管理报表生成效率提升≥80%；

消费服务：公众号溯源覆盖率 100%，AI 健康顾问响应及时率≥99%，用户满意度≥90%，过敏风险提示准确率≥95%；

产品创新：AI每季度输出AI4S产品创新科学报告≥1 期，支撑新品迭代周期缩短≥20%；

产业带动：引进AI4S相关技术团队1—2个，带动产业链协同数字化升级，项目实施后年新增产值≥2000万元。

项目建成后，形成 “机理模型订阅 + 平台服务 + 定制化运维” 可持续运营模式，对外输出乳业 AI4S 解决方案，支撑省内乳企低成本复用，实现技术服务化、模式可复制；项目成果在曦强乳业全面部署应用，形成乳业 AI4S 示范标杆。

1.合作单位类型

优先选择人工智能、工业软件、智慧农业、食品智能制造、AIGC、数字人、AI4S 科研机构等高新技术企业或高校院所；重点遴选具备乳业 / 食品微观机理建模、生成式 AI 算法、AI4S 干湿闭环、食品智能制造成功案例的单位；需精准把握乳业微观科学问题，提供定制化 AI4S 解决方案，鼓励产学研联合攻关。

2.专家及团队领域与水平要求

团队覆盖AI 大模型、AI4S 科研、微观机理建模、数字人、物联网、大数据、区块链、乳业应用、食品科学、生物发酵等领域；负责人具有 5 年以上 AI 项目经验，主持过省级以上 AI4S 或食品基础科学研究项目；拥有高级职称或教授级专家 1-2 名，核心技术人员≥10 人。

揭榜方需具备 AI4S 科研核心能力：熟练掌握文献智能挖掘、微观机理建模、干实验模拟、湿实验验证、数据闭环迭代、可解释 AI技术，拥有自主知识产权，具备全流程交付能力。

服务保障要求：配合完成项目实施、验收、成果转化与示范推广，按 “揭榜挂帅” 流程推进，确保高质量交付；提供长期技术支持与运维服务，助力乳业 AI4S 科研成果转化与行业赋能；知识产权双方协商共享，曦强乳业拥有永久使用权；形成安徽省乳业 AI4S 微观机理研究地方标准建议稿，支持全行业推广应用，带动安徽奶业整体智能化与 AI4S 水平升级。

一、总体目标

项目面向神经疾病与精神疾病的康复诊疗场景，围绕“神经信号泛化性差、神经特征映射不准、闭环干预与个性化不足”三类核心问题，构建AI4S驱动的“感知—认知—决策—反馈”智能闭环体系。通过融合脑机接口、多模态神经生理感知、外骨骼控制与AI4S“干湿闭环验证”技术，形成具备统一脑电解码、神经机制自动挖掘、个体化康复生成和真实场景闭环迭代能力的智能康复技术体系和产品。

二、成果形式

1.技术成果

（1）AI4S神经生理规律发掘算法：构建1套AI4S神经生理规律发掘工具链，完成不少于2个场景原型验证，其中包括康复机器人场景和精神疾病辅助诊疗场景。康复机器人场景实现脑电驱动的意图识别、状态评估和训练反馈支撑；精神疾病辅助诊疗场景实现脑电状态评估、疗效跟踪或辅助干预支撑。任务自动生成候选机制假设、候选特征、训练目标；形成可追溯的实验日志、模型版本、参数记录和评估报告。

（2）基于脑机接口的运动意图智能解码系统：通过AI4S技术，研制完成1套基于非侵入式EEG信号模态的高鲁棒性的运动意图智能解码系统，多模态数据融合精度≥90%，脑电信号识别准确率≥75%，集成解码算法≥3种，运动意图解码准确率≥90%，跨被试泛化性能较传统深度学习基线相对提升≥5%；训练反馈时延≤500 ms，关键场景在线推理时延≤200ms；可控制外部设备≥4种，可有效消除噪声干扰≥3类，抗干扰能力达到工业级标准（适应≤80dB噪声环境）。

（3）脑状态评估与个性化干预决策系统：融入AI4S技术，研制1套面向智能康复场景的脑状态评估与个性化干预决策系统，其中多模态数据融合精度≥90%，训练状态评估效率平均提升≥20%，支持不少于3类脑状态或认知参与模式识别，与传统评估结果一致性≥80%；构建基于长短期记忆网络（LSTM）的长时程动态状态追踪算法，对脑状态与情绪状态演化规律进行建模，实现连续脑状态量化评分映射。系统可基于动态追踪结果自动生成个体化干预与训练参数建议，输出个体化策略方案≥2种。

2.知识产权

（1）学术成果：发表相关论文≥6篇。

（2）专利：申请发明专利≥2项、实用新型专利≥5项。

（3）软著：软件著作权累计≥3项。

三、关键绩效指标

1.场景验证指标：完成不少于2个场景原型验证，其中包括康复机器人场景和精神疾病辅助诊疗场景。康复机器人场景实现脑电驱动的意图识别、状态评估和训练反馈支撑；精神疾病辅助诊疗场景实现脑电状态评估、疗效跟踪或辅助干预支撑。

2.专业技术人才培养：完成AI4S工具应用、脑机接口素养能力培训≥100人次。依托场景组织学术交流≥1次。

3.产业协同与“双招双引”：带动企业研发投入不少于600万，长期拉动产值超过2000万。引进人工智能、脑机接口方向硕博人才≥2名。

为高效推进本项目落地，解决“神经信号泛化性差、神经特征映射不准、康复方案缺少个体化”三个核心问题，本项目拟采用“揭榜挂帅”模式，面向具备人工智能、脑机接口等相关技术优势的科研机构、新型研发机构或相关创新平台，开展联合攻关与协同创新，具体要求如下：

1.单位资质方面：遴选聚焦科技成果转移转化和产业化落地的科研机构、新型研发机构或相关创新平台等作为揭榜主体。揭榜单位应具有较强的科研组织、工程验证和成果转化能力，具备服务区域产业创新、推动科技成果转移转化和支撑企业协同创新的综合平台基础。

2.技术能力方面：揭榜单位需具备成熟的脑机接口系统研发、人工智能算法开发能力，具备神经电信号增强、脑信号编解码和神经影像融合分析的系统研究基础，可为开展脑信号质量提升、神经信息解析等提供直接支撑，关键核心技术处于全国领先水平，相关成果具有成功落地应用经验。

3.产学研用经验方面：揭榜单位需具备医工交叉创新团队和人工智能、脑机接口相关国家级科研项目参与经验，熟悉人工智能、脑机接口、智能康复及脑健康诊疗等领域的技术研发与应用转化流程；具有承担国家级、省部级科研项目及开展医工协同创新的基础，具备联合实验室建设、横向合作、技术转化或企业孵化经验，能够支撑项目从算法研究、系统集成到场景验证的全链条实施。

4.团队条件方面：揭榜团队应结构合理、优势互补，核心成员应覆盖人工智能算法、脑机接口、神经工程、医学影像、智能康复、临床验证和工程转化等方向；团队负责人或核心骨干应在相关领域具有较高学术影响力和项目组织能力，能够统筹跨学科协同攻关，保障项目按期完成。

5.合作模式方面：揭榜单位需与申报单位建立稳定协同机制，共同开展需求凝练、数据采集、模型研发、系统集成、场景验证和成果优化，聚焦AI4S在康复助残领域的应用转化，联合推动科研成果市场化、产业化落地，实现产学研用深度融合。

本项目通过上述产学研用协同创新模式，推动智能康复与脑健康辅助诊疗领域创新场景的开发与示范应用，确保项目目标达成，为安徽省AI4S赋能产业发展提供新范式。

（一）成果形式

1.技术平台：建成1套基于“AI+机器人”多智能体自主实验系统的中药现代化共性技术平台（三源融合数据库+AI小模型专家决策群+多策略设计+自动化实验闭环），具备组分精准操控、临床价值快速挖掘等核心功能，支持多品种快速适配与迁移。

知识产权：申请发明专利不少于5项（涵盖AI算法、机器人控制、中药应用方法等）；登记软件著作权不少于3项。

2.成果应用：以葛酮通络胶囊为示范品种，形成“关键药效组分群”质控新标准1项；完成至少2项新适应症的临床前研究，提交IND申请或增加功能主治申请；获批至少1项临床批件。

3.人才培养：引进国家级/省级高层次人才不少于2人；组建AI+中医药交叉学科创新团队；培养硕博士/技术骨干不少于10人；新增研发岗位不少于20个；新增就业岗位不少于50个。

4.平台建设：争创省级/国家级“AI+中医药”重点实验室或工程研究中心。

（二）关键绩效指标

本项目的牵头单位安徽九方制药有限公司为需求提出方及产业化承接方； 意向合作单位如下：

1.高校科研院所：优先选择国内顶尖“双一流”高校核心科研单元，深耕人工智能与生物医药机器人交叉创新领域，具备从多智能体协同控制、知识图谱推理、机器学习算法到计算机视觉感知的全链条底层技术原创与体系化攻关能力；自主掌握实验室机器人平台设计、自动化实验平台集成与高通量筛选系统核心技术，拥有成熟干湿实验闭环工程化落地经验，可独立完成复杂生命科学自动化实验系统的顶层设计、算法迭代、硬件集成与系统优化，能与牵头单位紧密协同，构建并落地 AI 驱动 — 机器人执行 — 数据闭环 — 模型迭代的全流程技术体系，支撑项目从方案设计到系统验证的全链条突破；

2.中药学及基础医学研究机构：在现代中药、药理学、系统生物学、网络药理学等领域具有深厚研究基础，熟悉中药复杂组分体系的药效评价与机制解析方法；具备多组学（基因组、蛋白质组、代谢组）数据分析能力；有 AI+中医药交叉研究经验，或承担过国家级中药现代化相关项目者优先。能够为葛酮通络胶囊的组分精准操控、靶点识别、新适应症挖掘提供专业支撑；

3.临床医疗机构或临床试验CRO公司：在脑血管疾病，特别是缺血性脑卒中及卒中相关疾病的预防、治疗与康复方面具有丰富的临床经验和较高的学术影响力；具备组织多中心临床试验的能力，拥有成熟的临床研究网络和受试者资源；能够针对本项目挖掘的新适应症及优化后的产品，开展高质量的临床验证研究，加速从实验室成果向临床应用转化，为产品升级提供高级别循证医学证据。具有药物临床试验机构（GCP）资质或承担过国家级脑卒中临床研究项目者优先；

4.本项目的专家团队应为多学科交叉团队，至少涵盖以下领域：

（1）人工智能领域：具备多智能体系统、强化学习、知识图谱、 自然语言处理等核心技术研发能力；

（2）机器人自动化领域：具备生物医药自动化实验系统设计与集成能力；

（3）中药学/药理学领域：熟悉中药成分分析、药效评价、机制研究方法；

（4）系统生物学/生物信息学领域：具备多组学数据分析、网络药理学研究经验；

（5）团队负责人应具有高级职称或相当水平，在相关领域有 5 年以上研究经验；核心成员应承担过国家级/省级重大科研项目，具有 AI+生物医药交叉研究成功案例者优先，具有海外研究经历或国际合作经验者优先。

1.硬件系统：建成首套完整的“AI+高通量原代细胞生产智慧实验室”，包括自动化细胞培养系统、自动化药敏检测系统、自动化多组学检测系统、自动化液氮存储系统及配套机械臂，实现真正意义上的“无人值守”智慧实验室。

2.软件平台：开发一套集数据采集、治理、存储、追溯与AI分析于一体的智能化数据系统，实现全流程数据的实时监控与闭环控制，规避人工操作风险，提高样本数据准确性，有效提升新药研发的精准度与效率。

3.知识产权：获得软件著作权1-2项。

4.以本项目平台为基础，对外服务20家以上机构。

5.培育一支不少于10人的高水平AI+生物技术学科人才团队。

（一）合作单位类型

希望与在生命科学自动化设备研发、人工智能算法、生物信息学分析等领域具有领先优势的企业、高校或科研院所开展合作。优先考虑具备以下条件的单位：

企业：具有自动化产线设计、智能制造系统集成经验的科技型企业，具备AI算法开发、大数据分析平台建设经验的企业优先。

高校/科研院所：在人工智能、模式识别、生物信息学或合成生物学领域拥有国家级重点实验室或工程中心的高校院所。

（二）对专家及团队要求

团队背景：团队成员应具备交叉学科背景，核心成员需在、细胞生物学、自动化控制、计算机视觉、机器学习或生物信息学领域有深厚的理论功底和丰富的工程实践经验。

技术水平：在AI算法领域，应具有处理生物医学图像、多模态数据（基因、蛋白、影像）的成熟经验；在自动化领域，应具备复杂系统集成（如机械臂、液体工作站、培养箱联动）的成功案例。团队负责人应主持过国家级或省部级重大科技项目，并拥有与生物医药企业合作的经历。

合作模式：能够与项目牵头单位紧密协作，共同攻克技术难点。希望揭榜方能够派驻核心技术人员参与联合研发，共同进行软件算法开发、系统优化调试等工作，并在数据标准制定、模型验证等方面提供专业支持。

成果指标：

1.获得1-2个具有自主知识产权的TTX特异性结合载体（化合物或材料），包封率≥85%，载药量≥10%

2.完成1个宠物镇痛药候选制剂（口服液或注射液）的完整处方及制备工艺。

3.开发1套基于AI的载体-药物虚拟筛选模型及软件，集成数据管理、算法服务、资源调度、可视化及报告生成功能；

4.形成1套用于预测TTX复合物犬/猫体内药代动力学的计算机模拟系统

5.申请发明专利4项。

6.制定企业标准1项（宠物镇痛药质量控制标准）

7.完成宠物药的IIT一项。

降本与增效：

研发效率提升：与传统实验筛选相比，AI模型将载体筛选周期从12-18个月缩短至4-6个月，成本降低50%以上，制剂工艺批间差异≤5%，成品率≥95%

产业化与“双招双引”：

项目执行期内（2年）完成针对慢性疼痛适应症的研究者发起临床研究（IIT）备案1项。

引进AI算法、药物制剂、兽医药理方向省级以上高层次人才至少2名。

与至少1家省外或境外头部宠物药企或CRO机构达成技术合作或成果转化意向。

带动新增就业不少于15人。

（一）合作单位类型

希望与在人工智能与合成生物学交叉领域具有突出优势的高校或科研院所开展合作。合作单位应具备生物制造、药物递送等方面的研究积累，同时在机器学习、过程建模等人工智能领域具有较强的算法开发能力，具备“干湿结合”的研究能力，能够将计算设计与实验验证、工业生产有效衔接。优先选择与安徽省内企业已有研发基础、熟悉生物制造或生物医药行业需求、能够快速响应产业化应用的科研团队。

（二）专家及团队要求

团队负责人应在生物制造、药物模型构建领域有长期积累，主持过国家级或省部级重大科研项目，具备实验室成果向产业化转化的实际经验，能够统筹生物学、工程学和信息科学等多方向协同攻关。

团队应在以下三个方向具有明显优势：

1.数据驱动的产物筛选与优化

具备高通量筛选、诱变育种或定向进化等方面的实际应用经验，擅长TTX特异性载体材料的筛选与优化，能够建立载体结构特征与包封率、载药量、稳定性等关键性能之间的关联模型，指导高效载体的理性设计。

2.体外释放与体内PK智能建模方向

具备在线/快速检测技术开发经验（如光谱、波谱等），掌握过程数据建模方法，能够针对关键参数建立快速检测或预测模型。具备机器学习、深度学习算法开发能力，擅长处理多变量时间序列数据，开发智能控制或预测模型，如体外释放行为的快速检测与建模，以及基于体外释放曲线预测犬/猫体内药代动力学行为（体内外相关性IVIVC模型）。

3.数字孪生与工艺放大方向

能够将机理模型与数据驱动模型相结合，构建过程混合模型，具备模型在线更新和校正技术，在本项目中用于制剂工艺（如冻干、无菌过滤）的数字孪生建模与工艺放大预测。

（三）合作内容与方式

揭榜方主要负责以下工作：

AI载体筛选平台建设：开展载体结构-性能数据挖掘、关联模型建立、候选载体预测与评价，筛选出具有高包封率（≥85%）和高载药量（≥10%）的TTX特异性结合载体。

体内外相关性预测模型开发：利用迁移学习或物理信息神经网络等方法，建立体外释放行为到犬/猫体内药代动力学参数的映射模型，实现虚拟生物等效性评估。

合作方式可采取联合攻关、技术咨询、人才联合培养等多种形式。项目采取“揭榜挂帅”机制，揭榜方需承诺投入相应技术力量，按期完成各项研究任务，合作成果优先在企业进行产业化应用。

（一）关键技术指标

1.筛选出5～20个优选序列进行生物学验证，分别完成针对金黄色葡萄球菌、痤疮丙酸杆菌、马拉色菌等不同致病菌的靶向抗菌肽研发

2.开发的靶向抗菌肽针对皮肤微生态影响显著优于传统抗菌肽及抗生素

（二）成果形式

1.知识产权：申请国家发明专利2项。

2.技术报告与数据：产出天蚕素A和菌丝霉素衍生的高活性抗菌肽先导分子及其实验验证报告。

3.推动不少于2条高潜力候选分子与制药企业达成合作意向或技术授权。

4.项目成果直接或间接带动新增产值不低于400万元。

（三）提质、降本、增效

通过AI精准设计，显著提升候选抗菌肽的广谱抗菌活性与安全性，降低传统随机突变导致的活性和毒性不可控风险；建立AI预测与实验活性之间的回归模型，提升后续研发的预测准确性。与传统湿实验筛选相比，将候选分子筛选成本降低（减少无效合成与重复实验）；将新型抗菌肽候选分子发现周期压缩，研发效率提升2～3倍；单个项目可产出上千条高质量虚拟候选序列，湿实验验证通量提升。

（四）“双招双引”及产业带动

1.人才招引：依托项目引进AI制药、计算生物学、多肽化学等领域人才1～2名，培养复合型技术骨干3名。

2.产业赋能：项目成果将直接赋能大健康和生物医药产业。筛选出的强靶向性、高活性、低毒性抗菌肽序列，可作为优质皮肤外用原料，应用于医用敷料、祛痘、敏感肌修护及术后抗感染等日化与医疗器械领域。通过技术成果转化，有效替代传统抗生素，推动我省绿色生物制造产业发展，辐射带动下游原料药合成、功能性护肤品加工等生物医药全产业链协同发展。

（一）合作单位类型

意向揭榜方应为具有独立法人资格的高校、科研院所、科技型企业，在皮肤医学、药学、计算生物学、结构生物学等领域具备深厚学术积淀且拥有国家级/省部级科研平台的高校、科研院所、科技型企业参与。

（二）专家及团队要求

1.研究方向

团队须具备以下核心方向的研究积累：

（1）AI4S与计算生物学：深度掌握大分子三维结构预测、全原子分子柔性对接、生物膜特异性脂质自由能精算等前沿算法；具有驱动大语言模型、扩散概率模型（如 BoltzGen、Boltz-2等架构）开展万级以上超大规模多肽序列受控生成的实操经验。

（2）功能性多肽理性设计与重组制造：具有抗菌肽（AMPs）作用机制解析、界面匹配质量（ipTM）优化及基于工程酵母（如毕赤酵母系统）的分泌表达与密码子理性优化经验。

（3）皮肤微生态与创面药理学：掌握皮肤常见致病菌（金黄色葡萄球菌、痤疮丙酸杆菌、马拉色菌）的培养及生物活性评价技术，熟悉多肽在复杂创面理化微环境下的降解动力学。

具备以下方向者优先：在重组弹性蛋白（Elastin）、胶原蛋白（Collagen）等护肤类功能多肽的AI序列优化、空间构象解析、细胞外基质（ECM）修护及重组表达领域具备深厚研究积累与产业化转化经验者。

2.人才配置

团队领军人物：须具有相关专业博士学位，在生物信息学、基因组学或AI驱动的生物医药/功效蛋白设计领域具有扎实的科研功底；作为负责人主持过国家级科研项目（如国家自然科学基金）、省自然科学基金项目或教育厅重大/重点科研项目，以及作为第一作者或通讯作者发表过护肤类蛋白设计及功效评价的相关SCI论文。

梯队结构：团队核心成员不少于5人，应涵盖AI算法、分子动力学模拟、合成生物学重组发酵、药效与细胞毒性评价等方向，分工明确。

人员数量：直接参与本项目的研发人员不少于10人，其中博士或副高及以上职称人员占比不低于40%。

3.科研资源

应具备以下平台或能力：

（1）高性能计算资源：拥有支持大规模深度学习模型推理、分布式受控采样及全原子动力学模拟的高性能GPU计算集群或计算节点。

（2）合成生物学与多肽/蛋白制备平台：具备工程菌株基因高拷贝整合、自动控制高密度发酵罐补料发酵能力，以及完备的蛋白质/多肽分离纯化（超滤截留/制备型 HPLC）与高分辨质谱（LC-MS/MS）定性定量鉴定设备。

（3）生物活性评价平台：拥有二级生物安全（BSL-2）实验室，可开展特定致病微生物（金葡菌、痤疮菌、马拉色菌）的抑菌动力学（MIC/MBC）及人角质形成细胞（HaCaT）的选择性细胞毒性评价试验。

4.研发实力

团队应具有以下能力：

（1）团队近四年在生物信息、人工智能、多肽或重组功能蛋白领域发表过高水平SCI论文不少于3篇，或拥有相关发明专利；

（2）具备完整的项目管理体系和质量控制能力，能够按时交付阶段性成果；

（3）能够针对本项目的四项关键技术难题提出创新性、可行性兼备的技术方案。

（三）优先支持条件

具备以下条件者优先考虑：团队核心成员曾作为负责人或骨干参与过国家重点研发计划、省重点研发计划或企业重大横向技术攻关项目。

一、核心成果

本项目围绕电缆护套高分子材料基础研究、高性能护套材料设计、护套挤塑过程优化和生产质量在线识别，重点交付以下核心成果：

（1） AI辅助高性能电缆护套材料筛选与性能评价数据库：建立企业自有护套材料配方与性能数据库，覆盖耐低温、低烟无卤阻燃、耐寒抗老化等性能数据，形成1套AI辅助配方筛选系统。

（2） 护套厚度精准控制与物料成本AI分析系统：建设1套护套厚度与物料成本AI分析系统，接入MES、米重系统、能耗采集、线边仓等数据，实现挤塑辅助调节、物料超耗预警和订单级成本异常追溯。

（3） AI视觉计米误差补偿与过程质量异常识别系统：建设1套AI视觉计米与质量异常识别系统，实现线缆运动状态识别、计米误差补偿、绕包异常识别和过程质量风险预警。

（4）知识产权：申请发明专利2项、实用新型专利3项，软件著作权2-4项

二、关键绩效指标

项目建成后，围绕电缆护套高分子材料基础研究、AI辅助配方筛选、护套厚度与物料成本管控、AI视觉计米及过程质量识别，设置以下关键绩效指标：

在护套材料筛选方面，将建立不少于30组材料配方及性能数据的企业自有数据库，形成1套AI辅助配方筛选系统，推荐不少于2组候选配方并完成小试或中试验证；候选材料低温性能较现用材料有所提升，氧指数不低于28%，烟密度降低或达到相关标准要求。在耐寒抗老化方面，将推荐不少于2组优化配方并完成加速老化验证；候选材料拉伸强度保持率不低于12.5%，断裂伸长率保持率不低于180%，低温弯曲试验不开裂。

在护套厚度与物料成本管控方面，系统接入不少于3类关键数据源，实现物料超耗、厚度冗余和成本异常识别；材料损耗降低3%—5%，重点订单物料异常识别准确率不低于95%，人工成本核算和异常排查时间降低30%以上。

在AI视觉计米与过程质量识别方面，完成不少于2类典型线缆规格现场验证；计米误差降低5%以上，典型缺陷识别准确率不低于95%，异常预警响应时间控制在0.5秒以内。项目实施后，提升京仪股份护套材料自主研发、AI配方筛选、过程智能控制和质量在线识别能力，形成可复制推广的AI赋能材料研发与智能制造应用示范。

三、产业带动与“双招双引”

项目实施期内，培养内部AI应用与运维人才不少于10人。打造AI赋能电缆制造的创新产业新场景，形成可复制、可推广的标杆成果，发挥示范带动作用，引领线缆产业数字化、高质量发展。

1.企业类合作对象：优先面向人工智能、AI4S、材料信息学、高分子材料、机器视觉、工业软件、智能制造等领域的科技型企业开展合作。合作企业应具备AI算法研发、工业现场部署、软硬件系统集成和项目交付能力，能够围绕AI4S、高分子材料、材料配方筛选、阻燃耐寒抗老化材料、挤塑工艺优化、机器视觉计米与质量识别等场景提供成熟解决方案或工程化落地经验，并具备相关自主知识产权、软件著作权、专利或典型应用案例。

2.高校与科研院所：鼓励与人工智能、高分子材料、材料信息学、阻燃耐候材料、材料成型加工、工业大数据、机器视觉等方向具有研究基础的高校和科研院所开展合作。合作单位应具备深度学习模型训练、工业视觉检测、多源数据融合、工艺参数建模、智能控制优化等方面的科研能力，能够为项目提供算法研发、模型优化、技术验证和人才支持。

3.专家团队要求：项目负责人应具有人工智能、智能制造、工业软件或自动化控制相关项目经验，具备较强的技术组织、项目管理和产业化落地能力。核心团队应涵盖高分子材料、材料配方设计、材料性能测试、AI算法、材料数据建模、机器视觉、挤塑工艺和工业软件开发等方向。

4.合作模式：项目采取“企业提出场景需求、揭榜方提供技术方案、双方联合开发验证、现场集成应用”的合作模式。揭榜方负责AI材料筛选方法、配方优化模型、材料性能预测方法、视觉识别算法、数据接口和应用系统建设；京仪股份负责生产场景、材料试制、挤塑验证、检测数据和产品应用验证。项目成果可根据合作约定形成专利、软著、应用示范和后续产业化推广成果。

一、成果形式

1.核心软件系统与模型：完成“食管癌动态自适应放AI辅助系统”1 套，内含基于AI

的影像增强与重建模块、多时相靶区及危及器官自动勾画模块、融合地域特征的风险

预测模块及自适应计划优化模块。提供适配基层的轻量化部署包。

2.数据库构建：建成含多时相CT/MRI、影像重建前后对比数据的安徽省食管癌多中心标准化数据库（≥200例）。

3.知识产权与标准：申请影像重建、靶区勾画相关发明专利3-4项，软件著作权3-4项，

发表SCI/中文核心论文2-3篇。参与制定省级放疗AI应用规范1项。

4.示范与平台：建成省级食管癌智能放疗示范基地1个，搭建云端-边缘协同服务平台，

实现省级-基层医院的数据互联与模型迭代。

二、关键绩效指标（聚焦临床评估标准）

（一）提质指标：严格符合几何学、剂量学与临床标准

1.影像质量保障：AI 影像重建模块需在无配对数据下实现伪影去除与多模态转换（CBCT

至计划 CT），重建后图像用于勾画的 DSC 值提升不低于 10%。低剂量图像重建速度

达到实时级别。

2.几何学一致性（核心勾画指标）：

2.1 大体肿瘤体积/临床靶区：经过自适应AI系统勾画，治疗分次间大体肿瘤体积的 DSC 值中位数必须≥0.87，临床靶区DSC值中位数≥0.84；形变显著的食管下段及胃食管结合部， 其DSC值不得低于0.75。当首次自动勾画DSC低于0.6时，系统须自动触发人工复核与修正预警。

2.2 整体一致性：通过融合全局与局部特征、引入三维空间连续性约束，消除断续、孔洞

等错误，确保分割结果的体积相关性与平滑度符合医生评价。

3.剂量学准确性（临床接受阈值）：

3.1 绝对剂量差异：基于 AI 勾画与资深医生勾画生成的两份放疗计划，危及器官（肺、 心脏、脊髓）的最大点剂量或平均剂量差异<1Gy。

3.2 体积剂量差异：危及器官接受的关键剂量体积指标（如肺 V20、V5，心脏 V30）差异<1%。

3.3 靶区剂量覆盖度（V95%）差异无统计学意义，确保治疗质量不因勾画方式改变而受损。

（二）降本与增效

1.效率提升：经影像增强及自动勾画后，单例计划总体设计时间从3-5天缩短至30分钟内。自动勾画结果经医生轻微修改率低于30%，效率提升75%以上。

2.资源下沉：基层医院食管癌患者本地治疗率提升至80%以上，省级中心相关接诊压力

降低40%。患者人均非医疗费用支出降低50%。

3.减少并发症开销：因靶区遗漏导致的复发风险降低40%，严重放射性肺炎、心包炎发

生率相对下降30%，对应人均治疗费用减少超5000元。

（三）“双招双引”

1.人才培育：引进医学AI、医学物理领域高层次人才3-5名，为基层定向培训能操作 AI

系统的物理师/技师不少于20 名。

2.技术推广：建立“AI 影像重建-动态勾画-地域特征融合”的技术体系，推广至省外食管癌高发地区至少 2 家医疗中心，打造可复制的标准化范式。

本项目面向安徽省食管鳞癌放疗的临床痛点，研发动态自适应 AI 辅助系统。现诚邀具有高水平研发实力及医工融合经验的单位揭榜。具体要求如下：

一、总体要求

揭榜单位须具备雄厚的医学人工智能研发实力，拥有完善的医工交叉团队。近三年内在多

模态影像深度学习、医疗 AI 系统轻量化部署等方向有扎实的研究基础与显著成果。优先支持

产学研医联合体揭榜，能整合算法、临床、器械及基层推广资源。

二、核心技术研发能力

动态靶区与器官分割技术：需掌握面向多时相 CT/MRI 的非刚性配准、小样本及弱监督学习算法。具备开发高精度（Dice≥0.88，Hausdorff 距离≤5mm）的食管癌原发灶、淋巴结及心脏、脊髓、肺、臂丛等危及器官自动分割模型的能力，能应对肿瘤退缩导致边缘模糊、空腔形成等极端情况。

多模态、多维度数据融合技术：具备处理影像组学、剂量组学、基因组学（如 TP53、CDKN2A）、临床营养评估及流行病学数据（腌制、热烫饮食）等多源异构数据的经验。能构建数据与知识双驱动的可解释性 AI 模型，实现个体化肿瘤退缩率预测（误差<15%）、放射性肺炎/心包炎风险预测（AUC>0.8）及生存预测（C-index>0.7）。

轻量化与边缘计算技术：精通模型剪枝、量化、知识蒸馏等压缩技术，具备将 AI 模型适配至县级医院常规 CPU/低端 GPU 计算设备的能力。拥有云端-边缘协同系统开发经验，能实现脱敏数据下的离线推理与在线模型迭代，保障数据安全与系统稳定性。

可解释性 AI 与交互系统开发：具备开发注意力热力图、相似病例检索、特征贡献度分析（如Shapley 值）等可视化解释模块的能力。能设计零培训负担的友好交互界面，并支持医生在线交互式修正与探查。

三、团队与设施条件

人才队伍：应组建包含医学 AI 算法专家、软件工程师在内的跨学科核心团队。项目负责人应有博士学位，在人工智能方向有一定影响力。

研发设施：具备高性能 GPU 计算集群、数据存储与安全系统及软件开发测试环境。具备或可接入放疗计划系统、医用加速器等真实设备进行算法验证。

项目管理：有承担国家级或省部级重大科研项目的管理经验，能确保在项目周期内完成所有技术指标与考核指标，并配合完成财务审计。

四、地域与协同要求

优先考虑在安徽省内设有研发的单位。揭榜方须承诺与需求方（我院）深度合作，共享数 据、模型及研究成果，共同推动我省食管癌放疗技术同质化发展。