垂直腔面发射激光器的小信号电路模型和调制特性

给出了垂直腔面发射激光器的小信号电路模型和调制特性,调制特性用解析计算和电路模型模拟两种方法得到,解析计算和电路模型模拟的结果一致,实验证实了电路模型的正确性.     

深度学习优化器进展综述

优化器是提高深度学习模型性能的关键因素,通过最小化损失函数使得模型的参数和真实参数接近从而提高模型的性能。随着GPT等大语言模型成为自然语言处理领域研究焦点,以梯度下降优化器为核心的传统优化器对大模型的优化效果甚微。因此自适应矩估计类优化器应运而生,其在提高模型泛化能力等方面显著优于传统优化器。以梯度下降、自适应梯度和自适应矩估计三类优化器为主线,分析其原理及优劣。将优化器应用到Transformer架构中,选取法-英翻译任务作为评估基准,通过实验深入探讨优化器在特定任务上的效果差异。实验结果表明,自适应矩估计类优化器在机器翻译任务上有效提高模型的性能。同时,展望优化器的发展方向并给出在具体任务上的应用场景。     

碳二前加氢催化剂的应用

采用均匀设计方法,进行了碳二前加氢催化剂的制备,确定了催化剂的最佳配方和制备工艺。1000h工业侧线对比评价结果表明,自制催化剂活性稍低于市售催化剂,选择性高于市售催化剂,两种催化剂总体性能相当。X光电子能谱分析表明,自制催化剂钯银合金作用更为明显,X荧光光谱分析表明表面活性组分含量低于市售催化剂。     

聚合物电光调制器行波电极系统

设计了20 GHz聚合物光波导电光调制器CPW电极系统。制作和测试了分别用 Si、石英、玻璃做衬底的CPW电极系统。结果表明,石英衬底CPW电极质量最好,在中心电极宽度 W=20μm、电极间距G=50μm和电极厚3μm条件下,其实测损耗系数α0=0.32 dB·cm-1·GHz-0.5,实测微波等效折射率Nm=1.689,与理论值符合。在偏离此α0 和 Nm±10%的情况下,对于互作用区电极长度为 L=23.7 mm的调制器,估算带宽仍大于37 GHz。讨论了Si衬底CPW电极传输损耗很大的原因。     

外延电阻淬灭型硅光电倍增器的最新研究进展

北京师范大学新器件实验室（NDL）一直致力于研制结构紧凑、工艺相对简单的外延电阻淬灭型硅光电倍增器(silicon photomultiplier with epitaxial quenching resistor, EQR SiPM)。近期为了满足硅光电倍增器(silicon photomultiplier, SiPM)在核医学成像方面的需要,NDL通过优化器件设计和制作工艺,成功研制出微单元尺寸为15 μm、有效面积为9 mm2的EQR SiPM。相较以往同类型器件,实现了器件暗计数率(dark count rate, DCR)的进一步降低同时保持了较高的光子探测效率(photon detection efficiency, PDE),在环境温度为20 ℃、过偏压为7 V时,DCR的典型值为226 kHz/mm2、峰值PDE为46%。另外,为了进一步提升EQR SiPM的动态范围,NDL还研制出微单元尺寸为6 μm、有效面积为9 mm2、微单元数目为244720的EQR SiPM,在环境温度为20 ℃、过偏压为7 V时,DCR的典型值为240 kHz/mm2、峰值PDE为28%,其较大的动态范围特别适合高能宇宙射线的测量、强子量能器等应用。     

倒装焊组装的光电混合集成RCE探测器面阵

报道了一种可用于并行光传输系统的64×64光探测器面阵。器件结构采用谐振腔增强型(RCE),吸收区由3层InGaAs/GaAs量子阱构成,谐振腔是由2组多层布拉格结构的反射镜组成,工作波长位于980nm。该器件利用倒装焊技术,将GaAs基的谐振腔增强型光探测器面阵与相应的Si基标准CMOS集成电路混合集成在一起,形成具备64×64路光并行接收及处理的大规模光电集成探测器面阵器件,并对光探测器面阵的主要特性进行了测试,测试结果显示该面阵具有均匀的电特性,反向偏压均大于14V,暗电流约为10nA数量级。     

LTE语音模式选择及建设方案

由于LTE只能提供分组业务,而对语音、短信业务的需求还存在长期的需求。本文针对在LTE网络下,语音/短信业务实现的几种方式进行深入的研究和分析,尤其在CSFB和IMS语音共存下,对EPC核心网的改造要求,其中重点阐述了CSFB实现流程、VOLTE-IMS语音实现和eSRVCC切换技术等。     

GaAs基量子阱谐振腔增强型光电探测器特性研究

通过对谐振腔增强型(RCE)光电探测器的理论分析和实验测试结果,证明对应不同光束入射角度,RCE光电探测器的模式波长按一定规律可调谐.并给出当入射角度变化10°～60°,模式调谐范围约为40nm,而谐振波长处的量子效率峰值及半高宽FWHM的变化与材料吸收系数紧密相关.     

基于决策树雪花牛肉大理石花纹分级模型

为建立雪花牛肉大理石花纹等级评价方法,根据不同等级雪花牛肉大理石花纹图像特征及人工评级的标准,确定了影响大理石花纹的等级主要因素。本研究提出影响大理石花纹等级的几何参数特征、几何分布参数特征和统计参数特征。其中几何参数特征主要反映大理石花纹面积、周长等;几何分布特征主要反映大理石花纹图像中脂肪颗粒沉积的密度,根据脂肪颗粒沉积情况可分为大颗粒脂肪、中颗粒脂肪、小颗粒脂肪等;统计参数特征主要反映大理石花纹丰富程度以及大理石花纹分布均匀性。利用相关性分析提取影响雪花牛肉大理石花纹等级的特征参数。建立基于C4.5和CART算法的决策树模型,结果表明：对于C4.5算法建立的决策树分级模型,三级和五级大理石花纹分级预测精度分别为91.80%、92.31%,而该模型针对四级样本建立的模型无效,其结果多数误判为三级;对于CART算法建立的决策树模型同样存在这样的问题,即三级和五级大理石花纹分级预测精度高,而对四级样本分级无效。