中国科学院深圳先进技术研究院：电池碳足迹智能算法成果简介：

电池碳足迹智能算法通过软硬件协同设计与智能算法深度融合，突破了传统核算技术在数据准确性、计算效率与多源数据整合上的性能瓶颈，实现了对电池原材料制造、生产、使用、回收等全生命周期碳排放数据的高效采集与精准测算，能够支撑大规模电池产业场景下的碳足迹追踪与优化管理，显著提升碳减排能力与企业绿色竞争力，为构建低碳社会提供“数据—计算—决策”一体化智能解决方案。目前已获中国科学院先导项目、深圳市重点研发计划等支持。

技术创新点：基于全生命周期数据采集与整合、实时碳足迹测算、智能优化与决策技术，实现电池碳足迹一体化协同测算。

技术成熟度：基于大语言模型实现了碳数据自动抽取，通过Python构建了电池生命周期图谱，已通过实验数据验证。

可应用领域：可应用于碳中和、低空、智慧工厂、智慧能源、综合能源等领域。

中国科学院深圳先进技术研究院：新型海量数据的快速聚类算法及其应用成果简介：

研究团队围绕海量数据实时、快速处理的需求，创造性地将内核密度估计相关理论引入聚类算法设计，并结合谱图稀疏算法的快速构造方法，提出了国际上首个具有线性时间复杂度的聚类算法。该算法在实现海量数据高速聚类的同时，显著提升了聚类结果的精确度和细致度，实际性能远超国际现有同类算法。

技术创新点：理论创新，将内核密度估计的相关理论和谱图稀疏算法的快速构造理论引入聚类算法的设计，以突破传统聚类算法高时间复杂度的瓶颈。低运行时间，算法的时间复杂度为输入的线性函数。这是国际上首个线性时间的海量数据聚类算法。高精度图像分割，图像分割的精细程度明显优于包括SK-Learn在内的国际主流非监督学习的图像分割程序库。

技术成熟度：算法已经成功融入自主研发的谱图算法图书馆(STAG)、可供用户直接应用。

可应用领域：海量数据分析、数据压缩与存储、多媒体数据的聚类与分割。