照明系统是光刻机的重要组成部分，其主要功能是对激光光束进行扩束、整形和匀光。石英晶体x晶向具有本征双折射特点，以其原理制作的偏振装置可实现对光束偏振态的控制，配合离轴照明，能够进一步提高光刻机照明系统的分辨率和成像质量。受传统石英晶体生长工艺和晶体自范性限制，用于偏振装置的大口径石英波片(＞50 mm)一直是石英晶体研究的难题。本文利用平行定向生长水热工艺，系统调整温度、压力、矿化剂种类和浓度、节流挡板开孔率等参数，成功合成了可用于193 nm波长的高透过率石英单晶，并加工出已知报道的最大尺寸160 mm石英波片坯料。实验过程中使用改进的框架籽晶法淘汰了可遗传腐蚀隧道缺陷，通过优化原料配比进一步降低Al3+、Na+等微量元素含量，控制升温曲线实现籽晶界面晶格匹配，从而淡化籽晶外延区域均匀性差异。对单晶样品进行微量元素含量、内透过率、双折射性能和光学均匀性表征，结果表明，石英晶体微量元素总含量控制在7×10-6以内，内透过率达到99.80%/mm，双折射率差不均匀性低于0.029 7%，140 mm有效通光口径内光学均匀性PV值达到3.9×10-6。

采用丝网印刷工艺在PMNPT弛豫铁电单晶晶片表面涂覆了中温及高温两种银浆，通过快速烧结工艺分别在650和850 ℃条件下制备了银电极。采用扫描电子显微镜观察银电极表面及金属晶体界面的微观结构，采用能谱分析了界面的元素分布情况。银电极厚度为几十微米，呈多孔结构，与晶体结合良好。经过烧结后，晶体中的Pb、Nb、Ti等原子向银电极发生了迁移，而高温银浆烧结后在界面形成几微米厚的过渡层，晶体中原子向电极中的迁移大幅度减少。不同晶向的PMNPT晶片在高温下向银电极扩散过程中具有很强的晶面效应，［110］方向晶体中Pb、Nb、Ti原子向电极中的扩散程度小于［100］方向晶体。

While the rechargeable aqueous zinc-ion batteries (AZIBs) have been recognized as one of the most viable batteries for scale-up application, the instability on Zn anode–electrolyte interface bottleneck the further development dramatically. Herein, we utilize the amino acid glycine (Gly) as an electrolyte additive to stabilize the Zn anode–electrolyte interface. The unique interfacial chemistry is facilitated by the synergistic “anchor-capture” effect of polar groups in Gly molecule, manifested by simultaneously coupling the amino to anchor on the surface of Zn anode and the carboxyl to capture Zn2+ in the local region. As such, this robust anode–electrolyte interface inhibits the disordered migration of Zn2+, and effectively suppresses both side reactions and dendrite growth. The reversibility of Zn anode achieves a significant improvement with an average Coulombic efficiency of 99.22% at 1 mA cm-2 and 0.5 mAh cm-2 over 500 cycles. Even at a high Zn utilization rate (depth of discharge, DODZn) of 68%, a steady cycle life up to 200 h is obtained for ultrathin Zn foils (20 μm). The superior rate capability and long-term cycle stability of Zn–MnO2 full cells further prove the effectiveness of Gly in stabilizing Zn anode. This work sheds light on additive designing from the specific roles of polar groups for AZIBs.

裂缝自修复效果是评价材料功能恢复水平的重要依据。为实现水泥基材料裂缝全断面修复效果的综合评定, 开展了基于接触电阻理论的裂缝自修复评价方法研究, 包括导电材料选择与优化、测试参数优化和计算方法推导等。结果表明, 0.3%体积掺量碳纤维能有效降低水泥基材料电阻率, 并同步改善力学性能。测量电压对电阻率测试结果无显著影响, 电阻率随接触压力的增加逐渐降低。自修复过程即裂缝面接触形式变化的过程, 同时伴随接触电阻的变化, 从而可以构建接触电阻与自修复效果的定量计算公式。该方法仅与修复产物在裂缝面的分布数量有关, 不受空间分布形式影响。研究结论为水泥基材料自修复效果定量表征提供借鉴。

在高速接口电路中，接收机通常采用连续时间线性均衡器(Continuous-Time Linear Equalizer，CTLE)消除符号间干扰(Inter-Symbol Interference，ISI)对信号传输的影响。为提高CTLE电路的高频增益和减少芯片面积，基于UMC(United Microelectronics Corporation)28nm工艺，设计了一款最大速率为50Gbps的CTLE电路，其主体电路由跨导级联跨阻抗(Trans-Admittance Trans-impedance，TAS-TIS)结构和前馈路径的两级CTLE电路构成。在传统CTLE的基础上，使用有源电感做负载，以反相器为基础构建跨阻放大器和在输入管增加前馈通路等方式，有效地扩展了电路的工作频率。仿真结果显示，均衡后40Gbps PAM4(4-Level Pulse Amplitude Modulation)信号、50Gbps PAM4信号和28Gbps NRZ(Non Return Zero Code)信号的眼图眼宽分别达到了0.68，0.5，0.92个码元间隔(UI)，可满足后级电路对于输入信号的要求，对提升整体传输数据速率具有重要的意义。

Medical image segmentation plays a crucial role in clinical diagnosis and therapy systems, yet still faces many challenges. Building on convolutional neural networks (CNNs), medical image segmentation has achieved tremendous progress. However, owing to the locality of convolution operations, CNNs have the inherent limitation in learning global context. To address the limitation in building global context relationship from CNNs, we proposeLGNet, a semantic segmentation network aiming to learn local and global features for fast and accurate medical image segmentation in this paper. Specifically, we employ a two-branch architecture consisting of convolution layers in one branch to learn local features and transformer layers in the other branch to learn global features. LGNet has two key insights: (1) We bridge two-branch to learn local and global features in an interactive way; (2) we present a novel multi-feature fusion model (MSFFM) to leverage the global contexture information from transformer and the local representational features from convolutions. Our method achieves state-of-the-art trade-off in terms of accuracy and efficiency on several medical image segmentation benchmarks including Synapse, ACDC and MOST. Specifically, LGNet achieves the state-of-the-art performance with Dice’s indexes of 80.15% on Synapse, of 91.70% on ACDC, and of 95.56% on MOST. Meanwhile, the inference speed attains at 172 frames per second with 224×224 input resolution. The extensive experiments demonstrate the effectiveness of the proposed LGNet for fast and accurate for medical image segmentation.

光纤磁场传感器具有抗干扰能力强、小型化、低成本等技术优势。为了实现对空间磁场矢量的测量，基于磁光晶体提出了一种光纤三维磁场传感器。然后，设计和构建了光纤三维磁场传感器传感探头，搭建了光纤三维磁场测量系统。分析基于磁光晶体光纤三维磁场传感器的非正交误差，通过对基于磁光晶体的光纤三维磁场传感器三个传感单元两两夹角的准确测量，对系统三轴非正交误差进行标定补偿。实验测试装置利用一对通电线圈构建一维磁场对光纤三维磁场传感器系统进行三维正交标定，三轴标定精度分别为0.19°、0.26°和0.22°。实验结果表明，该基于磁光晶体光纤三维磁场传感器可实现0.2 μT磁场强度分辨率和0.5°角度分辨率的磁场矢量测量。

随着大流量工业烟气净化对低气阻技术的迫切需求, 负载型催化剂备受关注, 然而涂敷浆液特性复杂、对负载的影响因素繁多, 使催化剂制备带来挑战。针对铜锰基催化剂在堇青石载体上的真空涂敷制备, 探究了固含量, 粘结剂种类, pH值和粒径等浆液特性对催化剂负载量和粘附性的影响规律。结果表明: 固含量的升高使得催化剂颗粒可以与增稠剂和硅溶胶形成的网状结构更紧密结合, 提高了催化剂负载量和粘附性; 硅溶胶可有效增加浆液电负性, 使浆液内催化剂颗粒分散均匀; pH值的增大使浆液Zeta电位减小, 减小浆液黏度并改善稳定性; 而球磨会破坏浆液均匀稳定的网状结构, 不利于催化剂粘附性。优选硅溶胶质量分数为30%、pH值为7.3、固含量为30% (质量分数)的未球磨浆液, 得到负载量为216 kg?偸m-3、脱落率为0.6%, CO催化效率大于98% (7 200 h-1、120 ℃、8% H2O)的负载型催化剂。

多光谱测温依据黑体辐射定律, 通过辐射光强、 多组波长即能推测出温度值, 克服了比色测温要求光谱单一和比色光谱相近的约束, 在工程实际中得到了广泛的应用。 在多光谱温度反演的过程中, 光谱发射率的求解及多光谱数据处理是精确测温的关键。 目前, 光谱发射率的求解大多以光谱发射率假设模型为主要的方法, 当假设模型与实际情况接近时, 反演的温度与光谱发射率精度很高, 当二者不相符时, 反演的结果与实际情况相差甚大, 对于复杂材料和燃烧过程中材料性能动态变化情况下的测温, 以光谱发射率假设模型的方法存在盲目性; 近年来, 基于神经网络的深度学习的方法应用于多光谱测温, 避免了光谱发射率假设模型, 可建立温度与多光谱的非线性统计规律关系, 但需要海量数据与超强算力支撑, 且建模过程复杂。 针对上述问题, 提出了一种基于多元极值优化的多光谱温度测量方法(MEVO), 该方法利用不同温度下多光谱信号之间的关联性, 通过分析在多光谱温度反演过程中各通道测量温度之间的联系, 基于多光谱辐射测温原理以及温度反演过程中各通道数据之间的信息关联, 建立多元温差关联函数, 通过关联函数的寻优, 建立高精度测温模型。 该方法将建模过程简化为多元温差函数的寻优问题, 避免了光谱发射率与其他物理量的关系假设, 降低了深度学习方法对数据样本量的要求, 简化了多光谱温度测量的过程。 为了验证该方法的可行性与可靠性, 利用一套简单的8通道多谱测温装置进行实验验证, 实验中认定黑体炉发射的温度是标准值, 在1 923.15～2 273.15 K温区内对468～603 nm波段的光谱数据进行标定, 实现了基于多元极值优化的多光谱温度测量, 其测温精度在0.5%左右, 温度反演时间在2.5 s以内。 与二次测量法(SMM)、 神经网络方法相比反演精度有所提高; 反演速度与SMM法相比有大幅度提升。