毫米波三维异质异构集成技术的进展与应用

三维异质异构集成技术是实现电子信息系统向着微型化、高效能、高整合、低功耗及低成本方向发展的最重要方法,也是决定信息化平台中微电子和微纳系统领域未来发展的一项核心高技术。文章详细介绍了毫米波频段三维异质异构集成技术的优势、近年来的发展趋势以及面临的挑战。利用硅基MEMS 光敏复合薄膜多层布线工艺可实现异质芯片的低损耗互连,同时三维集成高性能封装滤波器、高辐射效率封装天线等无源元件,还能很好地处理布线间的电磁兼容和芯片间的屏蔽问题。最后介绍了一款新型毫米波三维异质异构集成雷达及其在远距离生命体征探测方面的应用。     

中西方媒体报道各国疫情的对比及情感分析方法研究

媒体在信息化社会中扮演了重要角色,应秉承公平、公正、客观的原则.在2020年,媒体的报道引导着大众对新冠疫情的认知和对不同国家防控能力的认识.本文借助搜索引擎收集了26万余条中西方媒体对十个国家疫情情况的报道,分析结果显示,西方媒体在报道中国疫情时,消极文章比例明显偏高;报道美国疫情情况时,新闻特征与其他国家有明显差别.与此同时,较西方媒体,中方媒体在报道不同国家情况时,与实际疫情有更高的一致性,态度更客观.     

形状记忆合金驱动的连续跳跃柔性机器人

针对在复杂、狭窄的非结构化地形下跳跃机器人存在的着陆稳定性和运动连续性的问题,提出了一种形状记忆合金(shape memory alloy,简称SMA)智能材料驱动的柔性跳跃机器人,它具有轻质小型、结构简单及连续运动的优点。利用对称的折纸柔性身体减少着陆振动,保证着陆稳定;利用对称的双SMA弹簧拮抗系统实现弹性元件交替变形和储能释能的功能;建立了柔性机器人跳跃运动的理论模型,研究了关键结构尺寸对能量储存和跳跃性能的影响机制,并研制了一款尺寸为6 cm×4 cm×2.5 cm、质量为3.8 g的原理样机。实验结果表明:柔性机器人依靠SMA驱动能够实现跳跃触发和形态恢复,最大跳跃高度和远度分别为8.67 cm和18 cm,并且可以适应不同工作面。该机器人跳跃性能优越,控制顺序简单,可为非结构化地形下完成侦察探测工作奠定基础。     

基于光流法的固体内部声传播方向测量

目前采用光弹设备测量超声传播方向多为人眼主观观测,其误差较大,难以实现精确的定量测量。将Farneback光流法应用于光弹图像的处理,并根据帧与帧之间的光流图来计算光弹图像中的超声传播方向,可以捕捉图像中的动态声场。在实验中对不同传播方向的超声进行了测量,其绝对偏差度数最大值为2.85°,测量结果较为准确。因此,Farneback光流法可用于光弹图像中声波传播方向的判断,且具有快速、准确和直观等特点。     

空压机润滑油系统可靠性试验研究

对空压机润滑系统进行分析,提出了一种润滑油压力调节机构,保证了空压机在高油温时油压正常,为空压机运动件提供充分润滑,从而提高空压机运行的可靠性。实验证明了该机构是可靠的,为空压机润滑系统设计提供了参考依据。     

克量级铀中微量铕和铽的放化分离方法研究

为提高中子诱发铀裂变时低产额裂变产物¹⁵⁶Eu和¹⁶¹Tb产额测量的精度，需获得放化纯的¹⁵⁶Eu和¹⁶¹Tb样品。本工作建立了氢氧化物共沉淀法除铝、氟化钙共沉淀法除铀、TRPO萃取法提取稀土元素、阳离子交换色谱法从混合稀土元素中分离Eu和Tb的流程，可用于大量铀、铝和裂变产物中微量Eu和Tb的分离。在待分离样品中含2 g铀、0.65 g铝和裂变产物的条件下，该流程对Eu、Tb的化学回收率均大于80%，对U、²³⁹Np、⁹⁵Zr、¹⁰³Ru、¹³¹I、¹³²Te、¹⁴⁰Ba、¹⁴⁰La、¹⁴¹Ce、¹⁴⁷Nd等主要干扰物质的去污因子达到106。该方法可满足中子诱发铀裂变时¹⁵⁶Eu和¹⁶¹Tb产额精确测量的要求。     

高熵氧化物的制备及应用研究进展

高熵氧化物作为近几年发展起来的新型氧化物体系，打破了传统掺杂氧化物的设计理念，由五种及以上氧化物以等摩尔或近等摩尔构成，因其具有简单的结构和优异的性能等受到国内外研究人员的广泛关注。高熵氧化物由于多主元且主元之间混乱排列，易形成岩盐型、氟化钙型、尖晶石型或钙钛矿等固溶体结构，从而表现出优异的性能，尤其在能源存储材料和磁性材料方面有十分广阔的应用前景，但目前对高熵氧化物应用研究较少。本工作介绍了国内外高熵氧化物的制备方法，主要包括固相法、热解法、共沉淀法、水热合成法和液相燃烧合成法等，比较了各方法的优缺点和发展前景；归纳了高熵氧化物作为锂离子电极材料、巨介电材料、磁性材料和催化材料等方面的应用；指出了高熵氧化物目前研究存在的问题，讨论了解决措施，展望了高熵氧化物未来的发展趋势。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。