2 μm波长附近可调谐半导体激光器在分子光谱学和光通信领域中有广阔的应用前景。基于绝缘体上硅（SOI）平台，对2 μm波长附近可调谐半导体激光器的外腔部分进行了设计优化。分析了不同尺寸光波导的模式损耗特性、单个微环谐振腔受总线波导耦合间距的作用以及总线波导光反馈终端对外腔半导体激光器性能的影响。并提出了一种具有高工艺兼容度的多模环形光波导光反馈结构。所设计的可调谐半导体激光器硅基外腔可通过环形波导上的镍铬合金微加热器进行0.1 nm/K的高精度调谐，对单个微加热器施加3.2 V电压时，调谐范围可达66 nm（1967~2033 nm）。

卷积神经网络已在图像超分辨率领域得到广泛应用，Transformer近年来在该类图像处理任务中的扩展更是具有里程碑的意义，然而这些大型网络具有过多的参数量和计算量，其在部署和应用上存在很大局限性。考虑到上述发展现状，提出一种基于交错组卷积与稀疏全局注意力的轻量级图像超分辨率重建网络，该网络引入了以交错组卷积为主的特征提取模块，对Transformer的多头自注意力机制进行优化，设计了一种稀疏全局注意力机制以增强特征学习能力，并提出了一种多尺度特征重构模块来提高重建效果。实验结果表明：相比其他几种基于深度神经网络的方法，所提方法的PSNR、SSIM、参数量、计算量等性能指标都表现较好。而与基于Transfomer的方法相比，所提方法在PSNR、SSIM指标上平均提高0.03、0.0002，在参数量、计算量、运行时间上平均降低2.66×10⁶、130×10⁹、930 ms。

发展新能源汽车是我国从汽车大国迈向汽车强国的必由之路，是应对气候变化、推动绿色发展的战略举措。近年来，作为新能源汽车制造的重要结构材料，车用铝合金性能的不断提升给后续的焊接加工带来了全新的挑战。与传统弧焊热源相比，激光-电弧复合热源具有诸多优势，为抑制铝合金焊接缺陷并提升焊接接头系数提供了新途径。较为全面地总结了近年来国内外学者在铝合金焊接缺陷（如软化、气孔）等形成及调控方面的研究进展，分析了现有研究工作中存在的问题并给出了激光-电弧复合焊接铝合金未来的研究方向，旨在为后续研究及应用提供参考。

全面、 准确表征钢中非金属夹杂物特征, 有利于发现和认识新夹杂物, 也是实现非金属夹杂物的调控和钢材质量提升的前提。 分别采用扫描电镜-能谱、 拉曼光谱、 高分辨率透射电镜和微区X射线衍射等检测方法, 结合夹杂物电解萃取技术和图像分析技术, 表征了锆脱氧钢中非金属夹杂物形貌、 尺寸、 数量、 分布、 成分、 晶体结构等特征参数, 对比分析了四种夹杂物表征方法的优缺点。 结果表明, 采用SEM-EDS方法分析锆脱氧钢中夹杂物主要由Zr、 O和少量Al元素组成。 基于锆氧化物和铝氧化物的化学计量关系, 分析得出夹杂物由94% ZrO2和6% Al2O3组成。 统计锆脱氧钢中夹杂物尺寸分布, 夹杂物的平均尺寸为0.62 μm, 0.7～0.8 μm范围内夹杂物数量最多。 采用SEM结合电解萃取夹杂物技术, 可以观察到钢中非金属夹杂物的三维形貌。 采用EDS方法可以逐一定性分析夹杂物中元素组成和元素分布情况, 结合夹杂物的化学计量关系, 可以定量分析具有单一价态夹杂物的成分。 但是, 对于价态种类较多和价态不明的非金属夹杂物, 仅采用EDS方法不能准确分析得出夹杂物的物相和成分。 采用拉曼光谱结合电解萃取夹杂物技术, 检测到锆脱氧钢中存在单斜相二氧化锆。 通过TEM衍射花样标定及能谱分析单个夹杂物, 检测到有单斜相的二氧化锆。 采用微区X射线衍射法结合电解萃取夹杂物技术, 检测到单斜相与四方相的二氧化锆, 并得到了二氧化锆夹杂物的晶格参数。 此三种方法均未检测到含铝物相。 拉曼光谱分析法、 透射电子显微镜、 微区X射线衍射法均能够定性分析电解萃取后夹杂物物相和成分, 但是对于含量较低物相, 三种方法无法准确表征。 透射电子显微镜、 微区X射线衍射法均能够表征夹杂物晶体结构、 晶格参数。 透射电子显微镜和扫描电镜只能逐一表征各个夹杂物。 微区X射线衍射法和拉曼光谱分析法能够表征检测区域内所有夹杂物物相, 是具有统计意义的夹杂物表征方法。 因此, 采用扫描电镜-能谱分析结合微区X射线衍射分析可以较为全面、 准确表征夹杂物特征。

Until recently, conventional biochemical staining had the undisputed status as well-established benchmark for most biomedical problems related to clinical diagnostics, fundamental research and biotechnology. Despite this role as gold-standard, staining protocols face several challenges, such as a need for extensive, manual processing of samples, substantial time delays, altered tissue homeostasis, limited choice of contrast agents, 2D imaging instead of 3D tomography and many more. Label-free optical technologies, on the other hand, do not rely on exogenous and artificial markers, by exploiting intrinsic optical contrast mechanisms, where the specificity is typically less obvious to the human observer. Over the past few years, digital staining has emerged as a promising concept to use modern deep learning for the translation from optical contrast to established biochemical contrast of actual stainings. In this review article, we provide an in-depth analysis of the current state-of-the-art in this field, suggest methods of good practice, identify pitfalls and challenges and postulate promising advances towards potential future implementations and applications.

针对图像超分辨率重建网络因结构冗杂、参数量增加导致的计算量过大、训练时间过长等问题，提出一种注意力引导的轻量级图像超分辨率网络（LAGNet）。LAGNet将随机初始化的自适应权重引入深度残差网络结构，更大限度地利用浅层特征信息。其次，提出注意力引导（AG）模块，该模块使用高效通道注意力（ECA）模块和空间分组增强（SGE）模块双支路并联结构，结合通道间关系和空间位置信息特征，利用注意力引导层动态调整两个分支的权重占比，准确获取高频特征信息。最后，使用全局级联连接，减少网络参数量并加快信息流通速度。使用L1损失函数，在加快收敛速度的同时防止梯度爆炸。在三个基准数据集上的测试结果表明：相比其他网络，LAGNet的峰值信噪比平均提高0.39 dB，模型参数量平均减少24%，加法操作量和乘法操作量平均减少62%；在图像视觉效果上整体更为清晰，细节纹理更自然。