2019国家自然科学奖初评通过项目

2019年国家科技奖—锂电相关初评通过项目

2019年度国家科学技术奖提名工作已结束，3月26日，根据《国家科学技术奖励条例实施细则》的规定，对形式审查合格的2019年度国家自然科学奖项目290项、国家技术发明奖通用项目234项以及国家科学技术进步奖通用项目767项予以受理并公布。

下面小编带您速览通过初评的锂电相关项目！

国家自然科学奖--材料科学组——新型纤维状锂离子电池

主要成果

1. 建立了两类普适性方法制备高性能复合纤维电极，为实现纤维状锂离子电池奠定了材料基础。

2. 揭示了多级螺旋结构促进电荷在纤维电极中快速传输和缠绕包裹结构实现优异电化学性能的机制，为实现高性能纤维状锂离子电池奠定了理论基础。

3. 提出了正负极纤维上涂覆凝胶电解质进行平行组装或缠绕成型的新路线，构建了高性能的纤维状锂离子电池。

提名专家

杨玉良|复旦大学教授 杨玉良院士，男，1952年生于浙江海盐。1977年毕业于复旦大学化学系，1984年获复旦大学博士学位，1986年至1988年在德国马普高分子研究所做博士后。高分子科学家，2003年当选为中国科学院院士。

在高分子化学和物理等多个领域都取得了重大成果。担任国家“攀登计划”高分子凝聚态物理首席专家，连续两次任国家“ 973 ”计划首席专家，承担国家自然科学基金创新研究群体、重点基金等项目多项。迄今，发表科研论文200余篇，申请多项国际国内发明专利。获2004年 “国家科技进步二等奖，2003年“中石化科技进步一等奖” ,“国家教委霍英东研究类奖”等10多项奖励。所培养的博士生中已有三位获“全国优秀博士论文”。

杨柏|吉林大学教授

杨柏，教授，博士生导师，1962年生于吉林省，高分子化学与物理领域的专家。曾任吉林大学化学学院院长，现为超分子结构与材料国家重点实验室主任。

研究领域为聚合物、无机微粒的纳米复合与组装，亲疏性界面与纳米、微米级有序图案化表面的构筑与组装等。在国内外学术刊物上发表学术论文(包括J. Am. Chem. Soc. , Adv. Mater.等)200余篇，获国家发明专利23项。 樊春海|上海交通大学教授

2019年度国家自然科学奖

安徽省提名项目公示

（一）项目名称

大数据挖掘的若干模型和方法

（二）提名意见

该项目对大数据挖掘的若干模型和方法开展了深入研究，解决了大数据挖掘若干科学问题，例如，系统性地阐明大数据的基本特征，提出了大数据多层次处理框架；设计稀疏嵌入与最小方差下的哈希方法，有效解决训练数据集具有海量特征和高维特征的问题；发明了含缺失值的决策树分类子，可以直接有效地利用缺失数据。

研究成果发表在TKDE、TIP和PAMI等权威杂志，在国内外产生一定的学术影响，被同行引用2600多次、SCI引用1100多次，获得了学术界和工业界的跟进发展和采用，推动了本学科及相关学科的发展。

项目材料填写规范，内容真实，经公示无异议。对照国家自然科学奖授奖条件，提名该项目为国家自然科学奖二等奖。

（三）项目简介

图灵奖获得者斯通布雷克教授认为，大数据的四种含义之一是大多样性，意指：处理来自太多源的数据必然导致令人畏惧的数据集成挑战。数据集成的实质性困难在于多源数

据的海量、异质异构和低质量性，这也一直是数据库领域的基础性关键研究问题。该项目组在过十来年对大数据的上述挑战中海量、高维、动态和低质量等问题展开深入研究，揭示了大数据中模式的形态与演变态势，提出训练样本的分块挖掘方法、噪音数据和缺失数据利用模型，从而，在2013年阐明了大数据的四个基本特征：异构、自治、复杂和演化，凝练出HACE定理。主要科学发现点如下：

1、大数据的基本特征与挖掘框架：阐明大数据的基本特征，提出了大数据多层处理框架，为大数据分析提供了理论基础和应用框架；提出稀疏嵌入与最小方差下的哈希方法，用于处理海量特征和高维特征的训练数据集。

2、不完全动态大数据的模式发现：揭示大数据中模式的形态与演变态势，提出面向大数据的不完全信息下模式发现、动态模式发现和模式演变的模型与方法。

3、噪音以及缺失数据的模式质量：揭示噪音数据的可修正机制及缺失数据与已知数据之间的关联关系，提出误差感知下的贝叶斯分类器用于解决噪声数据清洗所带来的信息丢失和信息错误的问题。

2019年国家自然科学奖提名公示

一、 项目名称：

低维量子结构的物性调控及其原理性应用 二、 提名者：

中国科学院 提名意见:

该项目围绕功能纳米量子结构的组装与物性调控开展了深入系

统的研究，取得了一系列在国际上有较大影响力的原创性基础研究成

果。在结构组装及生长机制方面，通过改变功能分子末端官能团等手

段在固体表面实现了纳米结构的可控组装，发展了一种被广泛应用的

单一溶剂中制备单分散贵金属及合金纳米粒子的组装方法等。相关成

果对三维有序组装和纳米功能器件的构造具有重要的参考价值和指

导意义。在物性调控方面，首次通过改变功能分子吸附位置实现了单

分子自旋量子态的可控调制，首次在金表面上构造了具有固定偏心轴

的单个分子转子，实现了大面积有序阵列的组装，利用单分子自旋可

逆“开关”的近藤效应，首次实现了对单个自旋量子态的可逆控制等。

相关研究成果引起了国际同行的广泛关注，被选为Physical Review

Letters 的“Editors' Suggestions”，美国物理学会Physics、英国

物理学会PhysicsWorld、英国皇家化学会、Nature-Asia和Nature

China等进行了亮点报道，称相关工作是“实用的单分子转子、单分子

发电机／无线电辐射器构造组装的重要研究”和“原理上证实了实用化单分子器件的构造”等。8篇代表性论文被SCI 他引867次。

该项目的一系列相关成果得到了国内外同行专家的高度认可与

积极评价，具有重要科学价值。提名材料属实，符合提名要求。

提名该项目为国家自然科学奖 二 等奖。 三、 项目简介：

低维纳米量子结构的可控制备、物性调控及其原理性应用是凝聚

态物理领域前沿研究的重要方向。该项目主要是在单个原子或单个分

子层次上直接“观察”纳米量子结构，结合理论计算深入理解其组装

机制，进而实现对其结构与物理性质（如自旋特性）的调控，追求功

能化，为在未来功能器件中的原理性应用奠定基础。该项目的主要研

2019年国家自然科学奖提名公示

2019年国家自然科学奖提名公示

项目名称 高维图像类脑化语义信息提取理论与方法

提 名 者 工业和信息化部

提名意见

该项目围绕高维图像类脑化语义信息提取展开研究，是国际学术前沿和国家战略需求中的重大科学问题，取得了具有重要创新性和理论价值的基础研究成果。

受大脑基于部件的认知过程启发，提出了一套语义可解释鉴别化紧致特征提取理论和方法，达到了认知可解释和特征可鉴别的统一。

受大脑协同思维的启发，提出了基于时空协同和内部协同的图像协同处理架构，显著提升了图像识别的准确率。

受大脑演化认知特性启发，提出了基于演化表达的图像信息描述理论和方法，突破了手工设计描述子的局限。

该项目的研究成果得到了中国、美国、英国、加拿大等国院士和IEEE/ACM/OSA/SPIE/IAPR/AAAS Fellow等国际同行的高度认可。有力推动了本学科及相关学科的发展。符合国家科学技术奖的推荐条件。

提名该项目为国家自然科学奖二等奖。

项目简介

针对语义丰富的高维图像信号，借鉴和发展脑科学、认知科学的成果，对高维图像进行类脑化处理是减少和消除语义鸿沟重大问题的关键，代表了当前信息领域的发展方向之一。本项目以类脑化处理为手段，建立了语义可解释、协同认知、演化表达三个方面的高维图像语义信息提取理论和方法。取得了如下科学发现：

1.受大脑基于部件的认知过程启发，提出了同时提取隐藏语义和保持内在流形结构的非负矩阵分解理论框架，并进一步将其发展为流形正则化稀疏非负矩阵分解方法并应用到高光谱图像处理和恢复中，解决了非负矩阵分解可解释性强但鉴别能力弱的难题。还提出了确定性列矩阵分解子空间学习方法。形成了一套可解释鉴别化语义特征提取理论和方法，一定程度上达到了认知可解释和特征可鉴别的统一。

2.受大脑协同思维的启发，提出了图像及视频的协同处理框架：针对视频内容识别，提出了时空拉普拉斯金字塔协同编码机制，能够同时捕获结构信息和运动信息，克服了传统方法误配准问题。针对图像识别，提出了Gabor区域协方差矩阵描述子，