首期CCF产学合作基金优秀项目案例评选结果公示

罕见形态缺陷的生成与挖掘技术研究

2022年CCF-腾讯犀牛鸟科研基金

入选理由：

本项目依托CCF-腾讯犀牛鸟科研基金，研究了面向真实产业场景的视觉缺陷检测技术，通过罕见形态缺陷生成与挖掘，提升了缺陷检测的精度，在人工智能顶级会议发表了一系列高水平论文，并在多个工业质检场景落地应用，技术创新性强、应用价值高，同时培养了多位优秀人才。

基于机器学习的版图驱动逻辑综合技术

2022年CCF-腾讯犀牛鸟科研基金

入选理由：

 “基于机器学习的版图驱动逻辑综合技术”项目瞄准EDA领域前沿问题，取得了创新性成果，获得3项中国发明专利，1项美国发明专利（公开阶段），并且具有一定的延伸开发潜力。该成果已经在腾讯相关业务中得到应用，取得了显著的效率提升。项目成果也有论文发表，团队也得到了很好成长，达到了在真刀真枪实战中培养人才的目的。

基于语音驱动的多情绪3D面部动画生成

2022年CCF-腾讯犀牛鸟科研基金

入选理由：

在与腾讯的合作过程中，深入了解企业研发一线需求，研究成果创新性、重要性、应用前景及价值等方面均有优秀表现，取得重要创新性研究成果。该项目曾获得 2022年度CCF-腾讯犀牛鸟基金优秀奖(该年度共 31 位基金入选学者参与评选，仅7人获得优秀奖)。

基于拥堵不确定性的旅行时间预估优化和交通拥堵建模

2022年CCF-滴滴盖亚学者科研基金

入选理由：

重点围绕车辆到达时间预估（ETA）服务优化问题持续攻关三年，学术成果丰富，合作成果在滴滴平台上有广泛应用，服务数千万人出行。

基于无协调强一致性技术的多主架构云原生数据库

2022年CCF-华为胡杨林基金数据库专项

入选理由：

本项目通过解决分布式数据库系统中并发事务的冲突机制，实现了良好的多节点扩展性，线性加速比达到同类研究较优水平，有效解决了并发扩展性的难题。该项目在开始阶段就采用openGauss代码基线进行研究，为项目技术成果落地华为数据库产品，莫定良好基础。后续的研究与华为云原生数据库的三层池化架构、高可用等挑战进行结合，非常好的匹配华为数据库技术和架构演进的需求，为华为数据库技术项目探明技术方向提供优秀的研究支撑。

基于深度学习的数据库测试数据与查询生成技术研究

2022年CCF-华为胡杨林基金数据库专项

入选理由：

华为GaussDB从2019年以来，持续构建AI-Native 数据库相关技术，利用 AI算法来提升数据库自治运维、自治调优能力是其中关键研究方问。由于受限于信息安全等因素，难以获取客户真实场景数据，如何构建能模拟真实场景数据分布特征的拟合数据来测试算法鲁棒性、适应性是极大挑战。本项目聚焦该技术挑战，提出一系列研究方案，基于机器学习方法，提供了一套机制可以高度拟合客户真实场景的测试数据，为GaussDB提升产品适配度提供极大支持。

小程序中用户隐私数据合规分析

2022年CCF-蚂蚁科研基金隐私计算专项

入选理由：

该项目针对小程序隐私风险检测这一数据安全领域的痛点，通过结合静态代码分析、动态测试和人工智能模型，提出了一套创新性解决方案，成果发表在 ASE 2024并获得杰出论文奖，构建了集数据流分析、自动化测试和场景分类识别于一体的小程序隐私风险检测平台，并已实际应用于支付宝平台，显著提升了小程序生态安全，并节约了大量人工审核成本，有力推动了小程序隐私保护工作的规范化和自动化，具有很高的技术水平和应用价值。

基于时频多尺度的高频流量数据预测方法研究

2022年CCF-蚂蚁科研基金绿色计算专项

入选理由：

本项目在时序预测领域取得了显著的创新成果，提出新颖的时频多尺度时序建模技术，结合蚂蚁云计算的强大数据处理能力，成功构建了具有卓越预测性能的大模型，为云原生服务流量预测提供了精准高效的解决方案。该技术不仅在理论上具有创新性，而且在实际应用中展现出强大的可靠性和稳定性，已在蚂蚁集团的日常运营和大促期间得到大规模验证，有效解决了大规模集群资源调度难题，实现了计算资源的高效节约和碳排放的显著降低，具有重要的经济和社会效益。

项目团队在学术领域也取得了卓越成就，2项成果发表于人工智能顶级会议ICLR’2024，其中《iTransformer: Inverted Transformers Are Effective for Time Series Forecasting》一文更是跻身会议论文引用排名前列，充分彰显了项目成果的技术创新性和广泛的学术影响力。这不仅为学术界提供了新的研究思路，也为相关领域的技术发展和应用实践提供了有力支撑。

综上所述，该项目在技术创新、实际应用和学术贡献等方面均表现出色，具有重要的推广价值和广阔的应用前景，值得高度推荐。

面向领域泛化场景下的深度学习算法及其在电力设备缺陷检测中的应用

2022年CCF-联想蓝海科研基金

入选理由：

本项目在电力设备缺陷检测领域取得了优秀成果，其创新性成果与实际应用价值均值得高度认可。项目聚焦深度学习领域泛化算法，针对复杂环境变化提出多种创新特征增广方法，如随机化风格、层次归一化和基于元学习的特征增广，有效提升模型适应性，推动领域前沿研究。严谨实验验证确保理论与实践紧密结合，科学性得到充分保障。成果丰硕，论文发表于高水平期刊，专利申请彰显知识产权保护意识，且成功落地于变电站运维，与联想合作形成学术与产业互补的良好转化闭环，对行业产生显著示范效应。

项目在实际应用中表现卓越，联想晨星变电站远程智能巡视系统成效显著，成果获行业顶级专家认可，成为项目招投标关键亮点，有力提升业务集团技术竞争力。未来可进一步深入研究不同电力设备类型的针对性优化，以实现更精准的缺陷检测。整体而言，项目兼具技术领先性与实用性，为电力设备缺陷检测领域带来创新突破，具有广阔应用前景，值得大力推荐。