在当前物联网飞速发展的背景下，处理来自各种信息采集设备的多模态数据，尤其是视觉、听觉信号和文本等多元感官信息的数据，对于机器学习落地应用至关重要。Transformer架构和其衍生的大模型在自然语言处理和计算机视觉中的卓越表现推动了对复杂多模态数据处理能力的追求。然而，这也带来了数据隐私安全和满足个性化需求的挑战。为解决这些挑战，提出一种基于多模态Transformer的个性化联邦学习方法，它支持异构数据模态的联邦学习，在保护参与方数据隐私的前提下为其训练更符合其个性化需求的多模态模型。该方法显著提升了多模态个性化模型的性能：相较于对比方法，准确率提高了15%，这标志着多模态个性化联邦学习在应用场景限制上的突破。

网络钓鱼作为一种社会工程攻击手段，旨在通过伪装成可信任的实体，如银行、社交媒体平台或政府机构，通过虚假的电子邮件、网站或消息来欺骗受害者。研究者主要通过各种技术手段检测网络钓鱼攻击，但当前检测研究仍面临三方面问题。1）攻击者采用伪装、漏洞利用和规避技术以逃避检测。2）现有的检测方法存在可解释性差、实时性低以及概念漂移等问题。3）由于缺乏足够的可解释性，造成用户对检测结果不信任。该文从应用场景、数据集、检测方法等方面对当前检测研究进行归纳与总结，并提出当前面临的问题以及展望未来可能的研究热点。

结合超短波通信中射频功放的实际工程应用，设计构建了一种复合型功放系统的检测电路及保护电路，并对其功能进行了研究。该设计的检测保护电路能够对脉宽范围50～110μs的信号进行实时监测，对应的占空比为4%～30%，在-35～0 dBm功率范围内对电路做出响应，开关的插入损耗≤2.6 dB，已在最新机载设备上获得应用，对提高功放的可靠性和使用寿命具有积极意义。

针对运动场景中运动员之间的相互遮挡、自身部位遮挡、运动器械遮挡及复杂背景干扰问题，提出一种高分辨特征生成复原网络，引入融合注意力机制筛选有用特征信息通道，加入反卷积和多尺度特征融合模块分层处理小目标人像与大中型目标人像的姿态估计任务。设计生成对抗模块，对缺失部分进行补全和预测得到关节点热图，经过姿态骨架和最优匹配算法确定出关节点连接方式，并输出可视化姿态估计结果。在MSCOCO和Crowd Pose数据集上的实验结果表明该姿态估计方法在复杂运动场景下效果更优。

概要介绍了电磁计算与电磁工业软件的研究进展。1）介绍了电磁计算方法的研究进展，对解析方法、高频近似方法、全波计算方法、快速计算方法，以及近年发展起来的混合方法进行了阐述；2）概述了基于时域有限差分方法（FDTD）、有限元法（FEM）、矩量法（Mo M）等全波计算方法的3款国际主流商业电磁计算软件的特点和发展历程；3）介绍了我国具有自主知识产权的“摇光”高频电磁工业软件的算法体系、软件功能以及实际应用情况；4）对电磁计算与电磁工业软件的未来发展进行了总结和展望。

针对物流无人机在城市低空复杂环境和高密度动态交通流下的避障决策问题，提出一种动态三维避障算法。首先对城市低空环境建模并将无人机的动态避障问题表达为马尔可夫决策过程，通过在动作集中加入高度变化等飞行动作，将避障算法可行解的范围拓展到三维空间中。其次改进了奖励估值函数，使算法能够在绕飞以及爬升越障中通过蒙特卡罗树搜索权衡最优避障策略。仿真表明该算法能够选择最优策略，缩短24.4%的飞行时间并减少33.2%的飞行距离。最后考虑到无人机感知系统容易因建筑物遮挡受限而造成对环境状态观测不完全，对算法鲁棒性做出了验证，其结果表明随着感知范围缩短，算法仍能求得可行解。

三维医学图像在诊断和治疗中具有重要价值，但由于切片结构导致纵轴方向分辨率较低，给三维重建等任务带来一定挑战。针对三维医学图像在z轴方向上分辨率不足的问题，提出了一种基于插帧技术的新方法。该方法通过生成中间切片来提升图像的连续性，间接改善三维重建的质量。设计了一个紧凑型编码器-解码器网络，融合中间光流估计和中间特征重建，旨在克服传统图像处理方法中的模型失真和分辨率限制。此外，该网络通过特征金字塔结构有效融合全局与局部信息，并采用双重损失函数优化图像重建质量和特征空间的几何一致性。实验结果显示，相比现有插帧方法，该方法在图像质量、结构相似性、绝对误差和感知质量等方面实现了明显提升，平均提高约2.7%到5.8%。这些结果表明该插帧技术在脑肿瘤数据集上表现良好，展示了在提升医学图像连续性和细节方面的潜在优势。该研究对提高临床诊断的准确性和治疗效果可以产生积极影响，为医学图像处理领域的进一步研究提供了启示。

设计了一款抗辐射16位25 MS/s流水线型模数转换器（ADC）。根据电容失配等因素确定了第一级4位的流水线结构，并设计了改进的自举开关来提高采样线性度。为了降低系统功耗，设计了一种开关电容动态偏置电路，通过减小放大器的平均电流来降低ADC的系统功耗。为了满足抗辐射的要求，针对电离总剂量效应和单粒子闩锁效应的机理，对电路进行抗辐射加固设计。该款抗辐射ADC在0.18μm CMOS工艺上进行制造，转换器的芯片面积为2.5 mm2，经过辐射试验后，在采样率25 MHz、1.8 V电源电压和30.1 MHz正弦输入的条件下，ADC的信噪比（SNR）达到了76.7 dBFS，无杂散动态范围（SFDR）为95.1 dBFS，功耗为38.76 mW，抗辐射能力达到电离总剂量100 Krad(Si)和单粒子闩锁阈值75 MeV·cm2/mg，可满足空间环境的使用要求。

网络高阶结构即满足特定条件的子网络，是网络科学领域重要的研究内容。近年来，关于高阶结构的研究不断增加，但是关于高阶结构之间内在联系的研究还相对较少。基于此，根据传统关联规则，定义了高阶结构之间的关联规则评判指标，并提出了一种有效挖掘高阶结构之间关联规则的通用算法框架。利用该算法，在6个真实世界网络中进行了3阶高阶结构（即高阶结构包含3个结点）间的关联规则挖掘。实验结果表明，真实世界网络中高阶结构之间存在强关联规则，且不同真实世界网络中高阶结构之间的关联规则存在差异。此外，将挖掘出的强关联规则应用于链路预测当中，进而实现了链路预测方法。相比于基线方法，所实现的链路预测方法在4个真实世界网络中取得了最好的性能表现。

机械外载对大口径反射面天线的结构造成变形，进而影响天线的电性能。为了有效改善天线恶化的电性能，解决副反射面位姿调整技术仅能补偿主面大尺度机械误差的问题，提出了一种分区可动的副反射面补偿方案及其形状设计方法。首先，通过刚性调整标准副反射面的位姿校正主面的大尺度低阶变形；其次，将调整后的副反射面分割为若干面板，计算每个面板的位置参数并完成位姿调整，以消除主反射面的残余表面误差，而副反射面的面形由确定位置和姿态的面板组成，完成面形设计。数值理论模型和仿真模型案例结果表明，该文提出的方法能够快速实现副反射面的形状设计，设计的分区可动的副反射面可以补偿因结构变形引起的主面误差，有效提升天线的性能。

实现对永磁同步电机（PMSM）在低速转动工况下的高精度伺服控制是建立高性能星载激光通信链路的前提，其技术关键是对永磁同步电机转动状态的非线性特性进行精确描述。该文设计了一种具有能够处理连续动作空间特点的DDPG非线性控制器，采用梯度下降法分别训练评价神经网络和动作神经网络，实现了对非线性映射的精确拟合。Simulink仿真结果表明：和传统的比例-积分线性控制器相比较，DDPG控制器在跟踪参考低速信号时响应时间和稳定时间更短、跟踪误差更小；在施加扭矩时q轴电流响应更快，d轴电流波动更小，低速工况条件下的PMSM伺服控制性能得到了有效提高。

论述了一款覆盖2～18 GHz的威尔金森功分器，能够满足超宽带、多频带应用。通过将2条功分路径上的电感相互缠绕形成互耦线圈，代替传统基于集总参数威尔金森功分器中的独立电感作为感性器件，在减小芯片面积的同时利用了线圈间的互感效应展宽功分器的工作带宽。芯片采用GaAs IPD工艺制作，在跨9倍频程的工作频带内，插入损耗仅为3.65～3.88 dB（附加无源损耗0.65～0.88 dB），带内损耗波动小于±0.12 dB，隔离度大于11 dB，输入输出回波损耗大于10 dB，除去焊盘的核心电路面积仅为780μm×430μm（在2 GHz为0.000 014 9λ2），展现了极好的宽带特性。

针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题，提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈（Tri-Neck）网络结构，用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块，增强弱语义小目标特征同时抑制无用信息，且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数，提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明，该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%，在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%，在SODA-D数据集上比YOLOv8算法AP提升0.9%。

在解析大脑的功能连接（functional connectivity, FC）时，血液动力学响应函数（hemodynamic response function, HRF）的差异性往往被忽视，然而该差异会影响到FC的计算，进而混淆统计结果的准确性。该研究以糖尿病患者为例，基于他们与健康人群的静息态功能性磁共振成像（resting-state fMRI, rs-fMRI）数据，对比研究了两者HRF参数（响应高度、响应时间、全幅半宽）的差异，并以具有显著差异的脑区作为种子点构建全脑功能连接，进行解卷积前后组内和组间连接强度差异性的统计分析。研究结果表明，在一些关键大脑区域（如brain64），糖尿病患者组的HRF参数与健康人群的统计结果存在显著差异，t检验统计结果显示FC连接强度在解卷积前后具有显著差异的结果不同，反映出HRF差异性影响了FC连接强度的计算，进一步可能影响到对于糖尿病脑网络变化和其内在神经机制的理解。研究结果说明在脑代谢性疾病中以血氧水平依赖(blood oxygen level dependent, BOLD)时间序列为基础进行FC等分析时，需充分考虑到HRF差异性对结果的潜在影响，并对BOLD时间序列进行解卷积，以校正HRF差异，这将有助于更精准地捕捉大脑功能连接的变化和特征，更深刻地反映疾病机制，并且部分解决fMRI研究结果的可重复性问题。

具有丰富多孔结构金属有机框架（MOF）在超级电容器领域拥有巨大潜力，但其固有的低导电性严重制约了其在电极材料方面的应用。通过将MOF晶粒嵌入至石墨烯（GE）的三维立体网络内部，并通过共轭聚合物聚吡咯（PPy）的长链结构，共同构筑起集3D分级多孔特性和高度稳定、高效导电性于一体的MOF/PPy/GE三元复合骨架。研究结果证实小比例掺杂PPy的钴（Co）基MOF能在三维网格中更加均匀地分散镶嵌，协同石墨烯纳米片层与导电性优异的PPy链段形成稳定的多级孔隙三维网络结构，有效缓解了石墨烯层间的堆砌效应。电化学性能测试数据显示，制备的复合电极材料显示了出色的电化学储能能力，比电容高达403.56 F/g，并在经过10 000圈循环测试后仍能保持高达98.25%的电容稳定性，体现了优良的超电容性能。

随着机器人系统工作环境的复杂程度日益增加，以及对实时性需求的逐步提升，机器人的安全避障能力将面临新的挑战，控制障碍函数作为一种基于控制器的安全方法在机器人安全控制系统中迎来新的发展契机。调研分析了控制障碍函数及基于二次规划的优化控制器，总结了机器人在已知和未知环境中的避障问题，综述了高斯过程和强化学习两种理论合成控制障碍函数的策略。最后，讨论了未来基于控制障碍函数的空地协同机器人安全控制需要重点关注的问题，为未来控制障碍函数的理论研究和技术应用提供了参考。

通信感知一体化技术与灵活可控无人机通信技术结合将成为6G无线通信网络“万物智联”的潜在技术。针对无人机通信感知一体化系统中无人机能量受限问题，提出了一种基于强化学习的无人机功率分配和轨迹设计的联合优化算法。该算法在用户通信速率和目标感知波束图增益约束下，通过构建与无人机能耗、发射波束和通信速率相关的线性加权奖励函数，以实现智能化的无人机功率分配和轨迹设计，从而最小化无人机通信感知一体化系统的能耗。仿真结果表明，该方案相较于基准方案降低了12.36%～21.08%的无人机能耗，并拥有更优的收敛性能。

在通信、雷达等应用场景中，常常需要对稀疏信号进行高精度的频谱运算。传统基于快速傅里叶变换的方法需要大量运算资源，频谱分析效率低。为了解决高精度和实时性的矛盾，该文提出了一种基于稀疏傅里叶变换的频谱分析方法，利用延时采样的相位旋转效应，在低采样率下实现宽带信号的快速频谱感知。实验结果显示，这种方法在欠采样且存在混叠的稀疏信号测试场景下大幅减少了运算压力，运算效率比FFT提升了2倍以上，在典型的稀疏场景下，对信号恢复精度超过95%。

准确识别社交网络中的节点重要性对于促进或抑制信息传播、遏制疾病传播具有重要意义，同时在精准营销和社会治理等领域也具有重要理论意义和应用价值。该文从4个角度对节点影响力识别算法进行总结和梳理，具体包括：基于微观局部结构、中观的社团结构、宏观全局结构及基于机器学习的算法。详细介绍了其中的代表性算法，并从不同层面分析了不同算法的优缺点。此外还总结了常用的传播动力学模型和评价指标。最后提炼了仍需解决的问题和未来可能的研究方向。

针对兰州重离子治癌装置束流诊断系统中束流剖面探测器分条电离室，研制了一套多通道微电流数字化读出系统，包括数据采集电路和上位机软件。数据采集电路基于电流数字转换芯片ADAS1128设计，具有256路模拟输入通道，接收分条电离室探测器输出的微电流信号并将其转化为数字信号。采集数据通过FPGA处理后，由千兆以太网传输到上位机，上位机软件接收数据并进行存储、处理和显示。数据采集电路体积小，尺寸仅为14 cm×12 cm，便于和分条电离室探测器集成安装。通过测试，在43.5～691.25 nA工作范围内，通道噪声最大为3.8 nA，非线性误差小于0.3%，系统单通道最大功耗约为13 mW。系统经过长时间运行稳定可靠，满足分条电离室对数据采集系统高精度、高集成度和低功耗的需求。

针对金融领域的投资组合优化问题中普遍存在的整数约束难题，提出了一种基于量子近似优化算法的新解法。该算法通过将经典算法得到的连续解编码为量子电路的初始态，从而将连续优化问题转化为离散的马科维茨模型。同时，引入硬约束来严格满足投资组合中的整数约束，确保解的质量。通过热启动技术，进一步提升了算法的成功率。数值模拟实验表明，该算法在求解大规模整数约束投资组合问题时，相较于传统方法具有显著的计算效率优势，且所得解的质量更优。

为了使人机协作系统中机器人能够准确地顺应人类行为，提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为，并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时间预定性能控制器用于跟踪重建后的参考轨迹，并利用时间延迟估计来获得机器人复杂的未知动力学模型。分析了闭环系统的瞬态和稳态性能，通过对比仿真验证了该方法的有效性。所提的离散时间控制方法可更好地满足数字计算机的工作原理，在减少计算和内存负担的基础上，使得机器人末端执行器的跟踪误差能够满足预设性能要求。此外，该方法无需机器人精确的数学模型，同时还能减轻人类操作机器人的力量负担，保证人机协作的柔顺性。

空铁联运是航空运输与铁路运输协作的一种联合运输方式，通过机场与高铁的无缝中转，旅客可以有效换乘，出行范围扩大。由于公共卫生事件、自然灾害带来的冲击，重点研究不同时段下航空-高铁相依网络过载级联失效的鲁棒性问题。构建线性负载容量模型对航空-高铁相依网络进行蓄意攻击和随机攻击下的鲁棒性分析，并结合负载容量系数β和初始负载系数α提出了中心节点负载占比p指标，分析α对网络鲁棒性的影响。研究发现：航空-高铁相依网络并非属于同配耦合和异配耦合的网络；蓄意攻击相依网络时，网络效率随β值的增大而增大，呈现一阶相变并存在临界负载容量系数；模型参数α通过指标p影响网络鲁棒性，p越大，单网越脆弱。而整体相依网络的鲁棒性，则取决于相依的两个节点中较大的p值；从不同时段下随机攻击相依网络上的节点结果来看，8:00-10:00时段是网络鲁棒性最高的时段，22:00-24:00是网络最为脆弱的时段。研究结论为构建快速高效稳定的空铁联运网络便于旅客选择空铁换乘提供理论依据。

分析和研究肺癌患者住院费用的影响因素有利于更好地理解肺癌住院支出及疾病负担，也对优化医疗支付政策等工作有重要的参考意义。该研究共纳入12 117例2020年1月—2023年9月间，某省多家医院的成年肺癌患者住院记录数据，首先利用K-means聚类将住院费用进行离散化预处理，并采用单因素logistic回归从42个因素中筛选出25个潜在影响因素，之后基于CatBoost和XGBoost分别构建成年肺癌患者住院费用预测模型并开展模型性能评估，以变量的特征重要性评分为依据衡量其对住院费用的影响程度。该研究还使用基于多因素logistic回归的方法建立了高住院费用评分工具。结果显示，CatBoost和XGBoost均具有良好的预测性能（AUC>0.95）,CatBoost表现略优于XGBoost。基于CatBoost模型，该研究明确了住院天数、手术级别、是否放疗、抢救次数、肺癌组织学分型、年龄、是否化疗、是否首次住院和中性粒细胞计数共9个影响肺癌住院费用的重要因素，并根据赋分标准将其中7个因素纳入评分工具。评分工具的区分度和校准度在测试集上得到验证，结果显示评分工具的AUC值达到0.958，表现出了卓越的性能。

随着5 G技术的广泛应用和6 G网络技术的前瞻性研究，物联网设备已广泛应用于各种实际场景中，无线通信网络也日益复杂。在这样复杂的无线通信环境中，确保数据安全和通信效率尤为关键。广播鉴别协议作为主要解决方案之一，已应用于多种场景，但在面对多类型、大规模节点的安全广播需求时，现有协议仍存在局限性。针对这一问题，提出了一种创新性的广播鉴别协议：混合多级μTESLA协议。该协议融合并优化了现有TESLA协议及其变体的优点，特别针对多类型节点环境进行了创新性改进。协议采用了双层密钥链设计，其中高级密钥链具有较长的时间间隔，用于生成和管理低级密钥链；低级密钥链则直接应用于消息鉴别。这种设计不仅提升了鉴别效率，还显著减轻了广播节点在密钥使用和存储方面的负担。此外，低级密钥链被分为多组，每组专门用于向特定类型的节点群广播消息，实现了针对不同类型节点群的分类广播与资源的动态优化。

低空小微目标分类问题是雷达业界的难题之一，严重影响了雷达的探测性能和系统作战指挥效能。为了准确、快速识别旋翼、固定翼等低空小微目标，提出一种基于高维特征域的低分辨雷达小微目标分类识别方法。通过提取信号层的一系列时频微观特征和航迹宏观特征，对特征进行内积、幂变换等获取高维特征域，利用学习树网络建立多层级目标分类识别模型，实现低空小微目标分类标记。研究结果表明，该方法能准确、快速地实现小微目标的分类。

认知MIMO系统中同时存在多类用户时，不同类型用户受不同约束条件限制，对时隙会有不同需求。该文旨在解决多类用户并存的认知MIMO系统能耗优化问题，提出基于稀疏码多址接入（sparse code multiple access,SCMA）的非正交时隙分配方法，满足更多类型用户的通信需求。在分配时隙时，提出动态时隙分配算法，通过设计虚拟用户进行时隙分配，保证不同类型用户不会占用同一个时隙。仿真结果和分析表明，系统中多类用户同时存在于eMBB(enhanced mobile broadband)和URLLC(ultra-reliable low latency communications)两种场景中时，基于SCMA的非正交动态时隙分配与传统正交分配方式相比能够降低能耗，与固定时隙的非正交时隙分配相比，动态时隙分配算法降低系统能耗的效果更明显。

图神经网络（GNN）被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差并导致信息丢失。该文提出了一种改良的装袋（Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型来提升节点的分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。

海量图像以流数据的形式实时涌入网络，使得在线图像检索需求越来越迫切。为了保证在线图像检索性能，研究人员利用在线哈希算法实时更新哈希函数，并重新学习新、旧数据集的哈希码。然而，随着旧数据集的日益积累，在线更新旧数据集的哈希码会严重影响在线检索效率。为此，提出非对称深度在线哈希（asymmetric deep online Hashing, ADOH），以非对称的方式深度学习在线哈希网络，并且仅生成新数据集的哈希码，无须更新旧数据集的哈希码，能够有效地提升在线检索效率。ADOH算法通过最小化哈希码内积与相似度矩阵之间的差异，保持样本对之间的语义相似性关系。另外，ADOH算法建立分类损失项和标签嵌入模块学习样本的语义信息，使生成的哈希码更具备语义鉴别性。在3个广泛使用的数据集cifar-10、mnist和Places205上设置在线近邻检索对比实验，结果表明ADOH算法的在线近邻检索性能优于目前8种较先进的在线哈希算法。

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题，提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法，以降低系统总能耗，提升计算性能。首先，设计了多无人机辅助移动边缘计算系统模型，通过软件定义网络技术对无人机网络进行集中管理；然后，在考虑无人机负载及用户设备关联服务公平性的基础上，以系统总能耗为优化目标，通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化，以实现负载均衡、降低整个系统总能耗。仿真实验结果表明，与其他基准算法相比，所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上，可在一定程度上降低系统能耗和计算延迟，保证整个系统的高效、稳定和可靠性，较好地满足移动边缘用户的服务请求。

针对传统水果图像分类算法特征学习能力弱和细粒度特征信息表示不强的缺点，提出一种基于改进Res2Net与迁移学习的水果图像分类算法。首先，针对网络结构，在Res2Net的残差单元中引入动态多尺度融合注意力模块，对各种尺寸的图像动态地生成卷积核，利用meta-ACON激活函数优化ReLU激活函数，动态学习激活函数的线性和非线性，自适应选择是否激活神经元；其次，采用基于模型迁移的训练方式进一步提升分类的效率与鲁棒性。实验结果表明，该算法在Fruit-Dataset和Fruits-360数据集上的测试准确率相比Res2Net提升了1.2%和1.0%，召回率相比Res2Net提升了1.13%和0.89%，有效提升了水果图像分类性能。

结构的极限状态方程常为隐函数，受到不确定性、时间和空间的影响，导致其输出为时变随机场。由于结构失效通常是小概率事件，需要大量有限元模拟，现有方法难以适用。尽管一阶/二阶可靠性分析方法可用，但精度和效率有限。该文提出基于主动学习Kriging代理模型的时空相关可靠性分析方法，旨在提高计算效率。首先推导随机样本在时空域内的极值符号预测概率，然后构建相应的学习函数。通过选择具有最小符号预测概率的候选样本加入训练集，并序列地更新Kriging模型，直至所有候选样本的准确预测概率超过99%，同时计算失效概率。通过3个算例验证了所提方法的效率和准确性，为时空相关可靠性分析提供了新思路。

有限元网格是链接几何模型和数值仿真的关键纽带，其自动化自适应生成仍是须重点研究的问题。文章综述了三角形网格、四面体网格、四边形网格和六面体网格的研究现状；对非结构化网格生成方法进行了总结，详细介绍了三角形网格和四面体网格生成的主流方法与工程技巧；进一步对结构化网格生成的技术和发展进行了分析，论述了四边形和六面体网格的各种生成方法的原理、优缺点以及研究趋势。

光学波前是光波相位面的几何表示，光学波前传感技术通过检测光波传播路径中的相位变化来分析物体的性质。该技术广泛应用于大气湍流检测、光学元件缺陷分析、生物样品研究等领域，在天文学、自适应光学、显微成像、激光系统和生物医学等方面具有重要作用。然而，常见探测器仅对光强度敏感，为了探测光学波前，通常需要在探测前端使用一系列复杂的光学元件，这导致系统体积庞大、成本高昂且结构复杂。近年来，随着微纳光学和人工智能等领域的不断进展，涌现出一系列基于新原理、新器件和新算法的集成化、小型化和高性能的光学波前传感技术。该论文系统综述了近期光学波前传感技术的研究进展，并根据其原理将其分为干涉型和非干涉型两大类，具体包括剪切干涉型、光栅干涉型、近场干涉型、算法重构型和维度关联型等技术。最后，总结了当前领域尚存的挑战，并展望了未来可能的研究方向。

在对射频微波功率放大器芯片的概念、类型与实现工艺进行全面综述与分类的基础上，聚焦其高频化、线性度改善、能量转换效率提升、带宽扩展以及高集成度封装等关键技术的研究现状与亟待解决的技术问题，深入分析并讨论了各项关键技术的主流实现方式、典型研发案例以及相关应用利弊，旨在为现代无线通信系统射频前端集成的功率放大器芯片研发提供方法总结与设计参考。最后对射频微波功率放大器芯片技术的发展趋势与行业走向作出了展望。

随着深度学习技术的快速发展，行人搜索算法的研究得到大量学者的关注。行人搜索是在行人检测和行人重识别任务的基础上在图像中寻找特定目标行人。该文对近年来行人搜索任务相关研究进展进行了详细梳理。按照模型网络结构和损失函数两方面对现有方法进行分析和总结。依据卷积神经网络和Transformer两类不同的技术路线，重点阐述各自代表性方法的主要研究工作；并按照传统损失函数、OIM损失函数及混合损失函数对行人搜索采用的训练损失函数进行详细总结。此外，总结了行人搜索任务领域常用的公开数据集，比较和分析了主要算法在相应数据集上的性能表现。最后总结了行人搜索任务的未来研究方向。

宽禁带、高临界击穿电场和高饱和电子速度的材料优越性，以及铝镓氮/氮化镓（Al GaN/GaN）异质结能通过极化不连续性在其界面极化诱导出具有高浓度、高迁移率的二维电子气并制备出高电子迁移率晶体管，使氮化镓器件正成为下一代功率和射频应用领域的新型高性能电子器件。氮化镓基单片功率集成技术是减小寄生电感影响、提升集成电路开关速度、降低系统功耗和实现系统小型化的关键技术。该文围绕氮化镓单片功率集成技术，对p/n双极性沟道异质结外延结构、单片异质集成、全氮化镓集成电路和p沟道器件关键技术的研究进展进行了全面分析。

量子计算机潜力巨大，是国内外积极关注的颠覆性计算技术，已经逐步进入人们的视野，被赋予能够高效解决经典计算机不能解决的问题期望。该文首先总结了国内外量子计算机系统的发展（涉及硬件、软件多个层次），并归纳了目前量子计算系统需要面对的问题以及相关的解决方案和方向。随后，提出了量子操作系统的设计原则，并介绍了一种量子操作系统QuOS的原型核心机制。

有机电化学晶体管（organic electrochemical transistor, OECT）作为高效的离子-电子换能器在生物电子学领域受到了广泛关注。但当前具有超高循环稳定性的OECT仍然鲜有报道，成为了阻碍其进一步发展及商业化的瓶颈问题。为了探究循环稳定性测试过程中OECT性能衰退的规律及其机理，该文对比了平面结构和垂直结构的OECT在相同测试条件下的循环稳定性，并使用光学显微镜表征了测试前后的沟道区域形貌变化；同时还对比了垂直结构OECT在不同偏置条件下的性能衰退情况。实验结果表明：OECT循环稳定性的衰退是多方面因素共同作用的结果，其中离子的反复掺杂/去掺杂过程、源极/漏极上偏置电压以及非电容性法拉第副反应的产生都会加速OECT的性能衰退。

近年来，以深度神经网络为代表的人工智能技术被应用于功率放大器的行为模型构建中，高精度的非线性拟合度可以满足功率放大器行为模型表征的要求，但仅适用于单一工作状态。随着对行波管放大器输入输出特性的深入研究，输出信号受到输入端激励信号的频率和温度变化等多因素的影响，如何基于深度神经网络构建面向行波管放大器的多状态行为模型亟需研究。该文提出一种面向行波管放大器的多状态神经网络建模方法，引入嵌入编码向量表征行波管放大器的多种工作状态，通过增加跳跃连接构造多状态行为模型以避免梯度消失的问题。实验结果表明，与传统方法相比，该方法能够构建表征行波管放大器的多种工作状态，且不会随着模型规模的增加而损失模型精度。