硬件兼容的扰动训练算法的扩展研究

随着人工智能(AI)技术的快速发展,人工神经网络(Artificial Neural Networks, ANNs)在多个领域取得了显著成就。然而,传统的神经网络训练方法——尤其是反向传播算法(Backpropagation)——在硬件实现上存在诸多挑战。反向传播算法虽然在软件中高效,但在硬件中实现时,要求计算路径可逆、每个神经元需要大量内存,并且需要计算激活函数的导数,这些条件在硬件中难以满足。此外,传统的互补金属氧化物半导体(CMOS)硬件在训练和部署这些算法时,能源消耗巨大,限制了其扩展性和广泛应用。 为了解决这些问题,研究人员开始探索脑启发(brain-inspired)的硬件解决方案,尤其是模拟神经形态硬件(analog neuromorphic hardware)。这类硬件能够以...

二维材料集成光子学:走向工业制造和商业化

学术背景 随着信息时代的到来,集成电路(Integrated Circuits, ICs)成为了推动技术进步的核心力量。然而,传统的集成光子学平台(如硅、氮化硅等)在材料特性上存在诸多限制,例如硅的间接带隙限制了其在激光应用中的使用,而硅在近红外波段的强双光子吸收也限制了其在非线性光学应用中的表现。为了克服这些限制,研究人员开始探索将具有优异光学特性的二维材料(2D Materials)集成到光子芯片上。二维材料,如石墨烯(Graphene)、过渡金属二硫化物(Transition Metal Dichalcogenides, TMDCs)、黑磷(Black Phosphorus, BP)等,展现出超高的载流子迁移率、宽带光学响应、层依赖的可调带隙等特性,为下一代光子集成电路(Photoni...

超薄无定形氮化碳与硅的共价异质结构用于高性能垂直光电二极管

碳氮化物(Carbon Nitride, CN)作为一种二维n型半导体材料,因其优异的光催化活性和稳定性,在光驱动能量转换和环境应用中展现出巨大潜力。然而,尽管CN在光催化领域表现出色,其在光电子器件中的应用却受到限制,尤其是在硅(Si)基光电子器件中。主要原因在于缺乏能够大规模制备高质量、均匀且可加工的CN薄膜的合成方法。现有的合成方法,如纳米片分散涂层、液-固界面合成、高温退火等,虽然在一定程度上实现了CN薄膜的制备,但在晶圆级均匀性、表面粗糙度以及与硅的界面结合强度等方面仍存在不足。这些问题导致CN与硅的异质界面存在大量缺陷,阻碍了载流子的传输,进而限制了器件性能的提升。 为了解决这些问题,研究人员提出了一种新型的合成方法,通过两步化学气相沉积(CVD)和氢气氛退火工艺,成功在硅上制备...

复杂量化最小误差熵与基准点:理论及模型回归中的应用

复杂量化最小误差熵与基准点的理论及应用:模型回归中的突破 学术背景 在机器学习和信号处理领域,非高斯噪声的存在往往会对模型的性能产生不利影响。传统的均方误差(Mean Squared Error, MSE)虽然在理论上和计算上具有简单性,但在面对非高斯噪声时,其可靠性受到严重挑战。为了解决这一问题,研究者们提出了多种优化准则,其中最小误差熵(Minimum Error Entropy, MEE)因其在抑制脉冲噪声和异常值方面的优异表现而备受关注。然而,原始的MEE算法由于需要对误差样本进行双重求和,计算复杂度较高,限制了其在大规模数据集中的应用。 为了降低计算负担,Zheng等人提出了量化最小误差熵(Quantized MEE, QMEE),通过量化技术显著提高了计算效率。在此基础上,本研究...

基于概率记忆自编码网络的监控视频异常行为检测

基于概率记忆自编码网络的监控视频异常行为检测

基于概率记忆自编码网络的监控视频异常行为检测研究 学术背景 在智能监控系统中,异常行为检测是一项至关重要的功能,广泛应用于反恐、社会稳定维护和公共安全保障等领域。然而,异常行为检测面临着一个核心挑战:正常行为数据和异常行为数据之间的极端不平衡。正常行为数据通常大量且易于获取,而异常行为数据则稀少且难以预测。这种不平衡使得传统的监督学习方法难以有效训练模型。因此,研究如何利用大量正常行为数据来建模正常行为分布,并以此为基础检测异常行为,成为了一个重要的研究方向。 近年来,基于深度学习的方法在异常行为检测中取得了显著进展。特别是,基于视频帧重建和未来帧预测的方法被认为在性能上优于传统的重建方法。然而,现有的方法在处理复杂场景和多模态正常行为时仍存在局限性。为了解决这些问题,本研究提出了一种基于概...

增强被动空化成像:使用P次根压缩延迟、求和及积分波束形成的体外和体内研究

pth根压缩延迟求和积分波束成形在被动空化成像中的应用研究 学术背景 被动空化成像(Passive Cavitation Imaging, PCI)是一种用于监测超声治疗中气泡活动的技术,广泛应用于药物输送、组织消融(如组织粉碎术,Histotripsy)等治疗场景中。然而,现有的PCI技术存在轴向分辨率低、旁瓣伪影显著等问题,尤其是在使用延迟求和积分(Delay, Sum and Integrate, DSI)波束成形算法时。为了提高PCI的性能,研究人员一直在探索新的算法,以在不显著增加计算复杂性的情况下改善成像质量。 本研究旨在评估一种基于pth根压缩的延迟求和积分(pth Root Compression Delay, Sum and Integrate, PRDSI)波束成形算法在...

被动波束成形超表面用于微波诱导热声成像

微波诱导热声成像中的被动波束成形超表面研究 学术背景 微波诱导热声成像(Microwave-Induced Thermoacoustic Imaging, MTAI)是一种新兴的医学成像技术,结合了微波和超声成像的优点。它通过微波脉冲照射生物组织,组织吸收电磁能量后产生热膨胀,进而生成超声波(即热声信号),这些信号携带了组织内部的形态和功能信息。MTAI具有无创、高分辨率、深穿透和高对比度等优点,因此在乳腺癌筛查、脑部成像、关节成像等领域得到了广泛应用。然而,随着成像深度的增加,微波能量的衰减导致热声信号的信噪比(SNR)和对比度显著降低,限制了其在深层组织中的应用。 为了解决这一问题,研究者们提出了多种方法,如使用高功率微波源、多天线耦合等,但这些方法存在生物安全性问题、电路设计复杂、成本...

基于渐进式FastICA剥离法的在线表面肌电分解的双源验证

在线表面肌电信号分解的两源验证研究 学术背景 表面肌电信号(Surface Electromyogram, SEMG)是肌肉活动的重要表征,广泛应用于运动康复、机器人控制和人机交互等领域。然而,SEMG信号由于其低信噪比、高相似性和严重叠加的波形特征,分解难度较大。近年来,随着电子和传感技术的发展,高密度表面肌电信号(High-Density SEMG, HD SEMG)的采集成为可能,盲源分离技术(Blind Source Separation, BSS)如卷积核补偿(Convolution Kernel Compensation, CKC)和渐进式快速独立成分分析剥离(Progressive FastICA Peel-Off, PFP)等方法在SEMG分解中取得了显著进展。然而,现有的在...

微梳技术的跨学科进展:连接物理与信息技术

微梳技术的跨学科进展:连接物理与信息技术的桥梁 学术背景 光学频率梳(Optical Frequency Comb, OFC)是一种能够将光频域分割为一系列离散且等间距频率线的技术,广泛应用于精密测量、光通信、原子钟和量子信息等领域。然而,传统频率梳设备通常体积庞大且复杂,难以满足现代科学和技术对便携性和集成化的需求。近年来,微梳(Microcomb)技术因其紧凑性、高效率和多功能性而备受关注。微梳基于光学微腔中的非线性效应生成,能够在芯片级实现频率梳的功能,从而为多个领域带来革命性变化。 尽管微梳技术已取得显著进展,但其在材料选择、生成机制、功能优化以及实际应用中的潜力仍需进一步探索。为了系统总结微梳技术的最新进展并展望其未来发展方向,本文作者撰写了一篇综述文章,旨在从物理原理到实际应用全...

一种空间频率拼接超表面实现超容量完美矢量涡旋光束

超容量完美矢量涡旋光束的实现 研究背景与问题提出 光学涡旋(Optical Vortex)以其独特的轨道角动量(Orbital Angular Momentum, OAM)特性,在光学复用、粒子操控、成像、全息显示、光通信和光学加密等领域展现了巨大的应用潜力。然而,传统的涡旋光束通常采用全局相位调制方法生成,其拓扑荷(Topological Charge, TC)单一且强度分布均匀,限制了空间信息的进一步挖掘。此外,尽管已有研究尝试通过引入偏振等自由度增强信息容量,但局部空间强度信息仍未被充分探索。 为突破这一限制,清华大学深圳国际研究生院、香港理工大学、暨南大学等机构的研究团队提出了一种全新的“空频拼接超表面”(Spatial-Frequency Patching Metasurface)...