超导量子电路是实现通用量子计算的主流方案之一，随着芯片集成度的不断提高，电路设计面临复杂布线和串扰的难题.为了对芯片上的串扰信号进行抑制，参考同轴线的电磁屏蔽原理，人们提出一种覆盖于共面波导的片上结构，称为隧道桥.利用有限元法对加入隧道桥的芯片电路进行仿真，得到最佳阻抗匹配的设计参数.对芯片串扰的仿真结果显示，和普通的共面波导相比，隧道桥的加入对于倒装焊形式芯片间的垂直方向电场有三个数量级的屏蔽效果，而对于平面形式单芯片，能减小微波驱动线之间的串扰约16 dB，对直流偏置线引起的串扰电流能减小约70%，比传统空气桥方案改进了40%.此外，还研究了隧道桥微制造工艺流程，实现了稳定的样品制备工艺.隧道桥结构具有显著的串扰抑制效果，在规模化超导量子比特芯片中具有广泛的应用前景.
提出一种基于CFDP协议（CCSDS File Delivery Protocol）的并行多路径传输设计，在空间网络文件传输中拓展多条路径并行传输文件，进一步提高了文件传输效率，并保持与原始文件传输协议功能的兼容性.该设计充分利用了空间网络链路特性，通过数据调度负载均衡算法，合理地向传输路径分配文件数据，实现了并行多路径传输的目标.仿真实验结果表明，与传统CFDP传输相比，该并行多路径传输设计能够充分利用多条传输路径，显著缩短了文件的传输交付时间.
针对多地球同步轨道（Geostationary Earth Orbit，GEO）卫星多输入多输出（Multiple⁃Input Multiple⁃Output，MIMO）通信系统下行链路遭遇无人机集群恶意干扰场景中，干扰无人机数量时变且未知以及地球站观测信号信干比（Signal to Interference Ratio，SIR）和信噪比（Signal⁃to⁃Noise Ratio，SNR）低的问题，提出了特征金字塔网络（Feature Pyramid Network，FPN）和双向长短时记忆（Bidirectional Long Short Term Memory，BiLSTM）网络相结合的FPN⁃BiLSTM网络架构及其训练方法，实现源数目时变的端到端欠定混合盲源分离.该算法无须进行干扰源数目估计，也无须经历传统的信号解调，即可从欠定混合的观测中直接提取期望信号的比特序列.仿真结果表明，与其他基于深度学习网络的欠定混合盲源分离算法相比，提出的算法在源信号数目时变且SNR和SIR均很低的场景中，如
为了满足射频通信接收系统对高线性度与带外抑制的需求，提出了一种基于SOI （Silicon on Insulator）工艺设计的高线性度射频前端接收芯片，所设计的芯片集成了低噪声放大器、射频开关以及相关辅助电路.其中，低噪声放大器采用基于跨导非线性补偿技术的MGTR （Multiple Gated Transistor）结构设计，以减小MOS管的三阶跨导，并利用匹配中的谐振网络抑制了放大器中的二阶非线性，使低噪声放大器取得了高线性度性能，该谐振网络还使低噪声放大器实现了带外抑制功能.射频开关设有Bypass支路，能在接收输入端信号过大时将信号衰减并旁路，以保护低噪声放大器.实验结果表明，在2.4~2.5 GHz的工作频带内，接收前端芯片由2 V电压供电，电流为16 mA，带内增益大于15.4 dB，噪声系数小于1.76 dB，输入和输出回波损耗小于-15 dB.在2.4 GHz处输入三阶交调点为11 dBm，1 dB压缩点为-1.92 dBm，并在5~6 GHz频段内实现了带外干扰抑制，芯片总面积为700 µm×700 µm.
深度图聚类作为聚类分析领域的重要方向之一，吸引了越来越多的学术界和工业界的关注.现有的深度图聚类方法往往集中在模型层面，即通过调整模块结构来实现性能增长，意味着这些方法仅仅依靠了原始数据，在很大程度上忽略了数据层面上的信息增强，当原始数据出现噪声或缺失时，对其依赖较强的图聚类模型的性能就不再可观.为了解决这一问题，提出一种使用扩散策略来增强多视角图聚类的新方法DMVGC （Diffusion Strategy Enhanced Multi⁃View Graph Clustering）.具体地，DMVGC将扩散技术的思想用于图数据，在原有图结构的基础上推广更多有效边来生成多个视角，从而为模型提供更广阔的聚类视野和更丰富的信息流动.实验结果表明，提出的DMVGC与现有方法相比，在不影响训练速度的前提下实现了性能提升.
因果推断可以帮助人们制定更加合理的决策方案，在电子商务和精准医学等领域有广泛的应用，其性能严重依赖对个体因果效应（Individual Treatment Effect，ITE）的准确估计，观察数据中存在的选择偏差与样本数量不一致问题都会影响ITE估计的准确性.对于选择偏差问题，现有的深度学习方法主要通过平衡所有协变量来进行缓解，但平衡协变量中与处理无关的噪声变量会导致对个体因果效应的估计不准确.对于样本数量不一致问题，这些方法主要通过在损失函数中添加样本权重来进行缓解，但其不能有效提升模型预测的准确性.提出一种基于深度表示学习的方法，通过gnn和IPM（Integral Probability Metric）网络共同诱导神经网络得到协变量中非噪声变量的平衡共享表示，然后引入X⁃Net来缓解样本数量不一致问题.在半合成与真实数据集上的实验结果表明，提出的算法可以通过缓解样本选择偏差与样本数量不一致问题来提高模型ITE估计的准确性.
去除随机噪声是地震数据处理的一个重要步骤.基于卷积神经网络的很多方法只考虑单尺度特征，不能自适应地线性聚合地震数据特征，因而难以去除复杂的噪声并保护弱信号.提出融合四种注意力机制的多尺度卷积残差地震去噪网络（MARN），它主要包括三个部分：单尺度特征提取层、多尺度特征取层、特征恢复层.单尺度特征提取层使用单个相同卷积核提取全局特征.多尺度特征提取层包含多个残差多尺度注意力特征提取块（RMSAB），每块由多个多轴注意力多尺度特征融合块（MAFB）组成.MAFB包含三个结构：特征提取结构通过四种注意力机制提取局部细特征，特征融合结构融合四种注意力机制提取的特征，特征传输结构传递特征至特征恢复层.特征恢复层融合提取的单尺度和多尺度特征，获得去噪地震数据.实验结果表明，MARN不仅能更具针对性地去除随机噪声，还能更好地保留弱信号.
轨道缺陷检测是保障轨道交通安全运维的关键任务，现有的基于机器视觉的检测方法主要针对轨道图像进行分割，存在模型时间复杂度高、背景噪点干扰大、分割效果不佳等问题.针对以上问题，提出一种改进Segment Anything Model （SAM）的多任务图像分割模型（Multi⁃Task Advanced SAM，MASAM），有效地提高了训练效率和缺陷分割准确率.首先，通过目标检测模块来确定缺陷目标范围，获取目标边界坐标；其次，将目标边界坐标转换为稀疏嵌入；最后，将稀疏嵌入与SAM模型中Image Encoder模块处理后的图像特征向量输入Mask Decoder，得到缺陷掩膜预测结果.实验结果表明，在多任务轨道缺陷检测中，MASAM模型的预测效率和准确率均优于其他模型.
图神经网络（Graph Neural Networks，GNNs）在节点分类任务中取得了显著的成功，然而，目前的GNNs模型倾向于处理具有大量标记数据的多数类，较少关注标记较少的少数类，传统方法常通过过采样来解决这一问题，但可能会导致过拟合.近期的一些研究提出了从标记节点合成少数类附加节点的方法，但对于生成的节点是否真正代表相应的少数类，没有明确保证，实际上，不正确的合成节点可能导致算法的泛化能力不足.为了解决这一问题，提出一种基于对抗训练的简单自监督数据增强方法GraphA2，通过在少数类周围的平滑空间中对梯度最远的地方施加扰动来增强数据，同时采用对比学习来保证增强后的一致性.使用这种方法，不仅增强了数据的多样性，还确保了模型在整个空间中的平滑性和连贯性，能增强其泛化能力.实验表明，提出的方法在各种类别不平衡的数据集上的性能均优于目前最先进的基准模型.
在临床上提取创伤后应激障碍诊断（Post⁃Traumatic Stress Disorder，PTSD）患者的特异性神经影像特征同时构建其分类诊断模型具有重要意义.与传统的神经影像分类模型相比，提出了利用先验知识仅提取重要脑区信息以减少大量含噪信号，同时将传统功能连接替换成连边功能连接进行特征提取，并提出递归特征消除⁃多层感知机（Recursive Feature Elimination⁃Multilayer Perceptron，RFE⁃MLP）分类模型，以提高地震后PTSD与地震后非PTSD对照组的分类诊断准确性.首先，针对全脑中有大量含噪信号，利用先验知识提取PTSD相关脑区，着重于地震后PTSD相关脑区的特征构建；其次，利用连边功能连接替换传统的节点功能连接，以获得大脑功能连接的高阶特征信息；最后，提出了RFE⁃MLP分类诊断模型，自适应学习模型权重信息，提高地震后PTSD的诊断准确率.实验结果显示，在五折交叉验证下对地震后PTSD患者与地震后健康对照组的静息态功能磁共振数据（Resting⁃State Functional Magnetic Resonance Imaging，rs⁃fMRI）的分类准确性（Accuracy，ACC）、敏感度（Sensitivity，SEN）、特异性（Specificity，SPE）和ROC曲线下面积（Area under Curve，
图像⁃文本匹配旨在实现图像与文本的高质量语义对齐，是计算机视觉与自然语言处理交叉领域的一种重要任务.图像与文本是两种不同的信息载体，其信息内容和数据分布的差异容易造成跨模态细粒度信息关联的不确定和模糊.为了解决上述问题，根据图像⁃文本对的语义一致性，提出了基于双向语义嵌入的细粒度图文匹配方法（Bidirectional Semantic Embedding for Fine⁃Grained Image⁃Text Matching，BSEM⁃Net），通过图像到文本和文本到图像双向语义嵌入的方式来提升图像和文本细粒度对齐的准确性.第一，为了减少图像信息冗余，构造了图像语义嵌入模块，利用文本单词作为监督信号，引导模型限制不相关图像区域的表达；第二，为了减少模态间信息分布差异，更好地建立细粒度语义对齐，构造了文本语义嵌入模块，利用图像区域选择单词形成集合体，进而转化为与图像区域信息分布相似的短语.此外，两个模块分别利用图像区域关系连通图和短语关系连通图挖掘模态内特征之间的上下文信息，减少语义发散.在公开的跨模态检索数据集Flickr30k和MSCOCO上与现有方法进行对比实验，结果表明所提方法在图像⁃文本匹配任务上具有显著的优越性.
开发低成本、高活性和高稳定性的非贵金属催化剂对电解水析氧反应（OER）具有十分重要的意义.以双金属MnCo为前驱体，K3[Fe(CN)6]为铁源，制备了Fe掺杂的（Ni，Mn）Co2O4二维纳米棒阵列纳米材料.通过采用扫描电镜（SEM）、X射线衍射（XRD）和透射电镜（TEM）分析合成的纳米材料的形貌和结构，并通过电化学工作站研究其析氧性能.实验结果表明，调整铁源的浓度可以调控纳米棒铁的含量，其中Fe掺杂（Ni，Mn）Co2O4⁃6催化剂在1 mol·L-1 KOH电解质中的电解水析氧性能较好，当电流密度为10 mA·cm-2时，过电位仅为242 mV.同时，该催化剂具有优异的稳定性，在100 mA·cm-2电流密度下连续工作155 h，过电位几乎不波动.
非厄米超材料通过对材料参数虚部的调控，可以实现在传统厄米系统中无法实现或不易调控的新颖现象.其中，声学共轭材料是一种基于非厄米声学原理设计的新型材料，其特点是材料有效声学参数——有效质量密度和体积压缩系数，互为共轭关系.通过对声学参数的有效调控，可以实现独特的声学现象，如声学激光模式和相干完美吸收模式.针对共轭材料对材料参数的要求极高且难以实现的问题，提出了一种共轭超材料简化设计，通过理论分析和数值模拟研究这种简化设计的特殊声学性能.研究表明，该简化设计可以实现共轭材料中的声学激光模式和相干完美吸收模式.同时，发现入射波的相位差和波束宽度不对称情况对两种模式均有明显的调控作用.研究将为设计各种声学装置，包括声学吸收器、声波激发和小声波调控等应用带来新的可能和前景.
高能量密度的高镍三元锂离子电池体系对关键正极黏结剂提出了更高要求，使用绿色、清洁的生物质材料代替传统石油基材料是满足“双碳”节能减排的重要措施.针对锂离子电池正极黏结剂品种单一和循环稳定性较低等问题，采用化学亚胺法，设计合成了一种基于赖氨酸的可溶性聚酰亚胺黏结剂（PMDA⁃Lys），这种黏结剂能够满足高镍三元LiNi0.8Co0.1Mn0.1O2 （NCM811）体系锂电池性能要求.黏结剂的侧链羧基可以与电极颗粒表面形成较强的相互作用力，其剥离强度可以达到0.213 N·mm-1，基于此制备的电极能够在电解液环境和连续充放电过程中维持结构的稳定性.与传统聚偏氟乙烯（PVDF）黏结剂相比，PMDA⁃Lys黏结剂在与锂片组成扣式半电池的循环测试中表现出更优异的电化学性能和循环稳定性（在0.5 C条件下循环100圈后，容量保持率>85%）.该类基于生物质的聚酰亚胺黏结剂为设计具有绿色和高能量密度锂离子电池的正极黏结剂提供了新的思路.
目前座舱噪声的有源控制研究一般针对车速低于80 km·h-1、噪声以路噪为主的情况.高速行驶汽车的座舱噪声主要包括路噪和风噪，其有源控制鲜有研究.针对这一问题，基于实测噪声数据和传递函数通过离线仿真进行了研究.首先，通过在风洞实验室、转鼓半消声室以及高速周回道的实验对汽车在不同车速下行驶时的路噪、风噪和总噪声进行测量，分析路噪和风噪在总噪声中的占比及降噪需求.然后，基于上述三种场景的实测噪声数据与传递函数对路噪和风噪的有源噪声控制性能进行解耦分析，研究参考传感器数目和布放位置对控制性能的影响.结果表明使用24个振动参考可对路噪降低10 dBA以上，但即使使用超过100个振动参考，对风噪的降噪量也小于5 dBA，原因是在风噪激励下，振动参考与误差信号的相干性较差.最后，通过遗传算法对24个振动参考传感器的最优布放位置进行了分析，结果表明接近一半的参考传感器应优先布置于车辆底盘和车内地面，保证经该路径传递的噪声降低较多的情况下，在车身其他位置布放参考传感器以取得更高降噪量.
为探究玄武岩对农作物生长和籽粒干重的影响，研究了温室条件下向农田土壤中施加不同粒径的玄武岩粉末（粗粒粒径<1000 μm，细粒粒径<100 μm，施加量为5 kg·m-2）对小麦籽粒干重、不同生长阶段小麦器官中主量元素（K，Ca，Mg）含量和土壤潜在可交换阳离子的影响.结果表明，施加玄武岩粉末可以促进小麦植株（尤其是叶和穗）的生长并提高小麦籽粒干重.在小麦生长的整个阶段，小麦器官中单种主量元素含量没有明显的变化规律，但小麦植株中K，Ca，Mg的含量随小麦的生长而增加，且施加玄武岩的效果更显著（P<0.01）.施加玄武岩没有提高土壤潜在可交换离子总量（P<0.01）.研究表明施加玄武岩粉末可以提高小麦籽粒干重，促进小麦生长，并改善小麦品质.
随着计算机技术的发展与普及，计算流体力学（Computational Fluid Dynamics，CFD）方法被应用于大气科学的研究领域，特别是对边界层过程和小尺度问题的研究.CFD方法所具有的网格划分、对复杂下垫面的表征、对湍流过程的精细求解等特点，在求解这类问题时具有独特的优势，因此在城市微气候与城市大气环境、复杂下垫面大气边界层和大气模式参数化方案发展等领域都有较为广泛的应用.本文对CFD在这些领域的应用进行了回顾总结.在大气科学中进一步应用CFD方法时，面临三个挑战：一是随着应用范围扩大，计算网格数量迅速增加，计算效率下降；二是缺少对大气科学中的土壤⁃大气之间的水热交换、城市污染中颗粒物的大气辐射效应、云微物理过程等的有效描述；三是没有较好地描述边界强迫.这些都是需要持续开展研究的问题.
