随着“2020 SO身份之谜”的落幕， 空间目标的光谱表征及识别技术在空间领域感知中的地位再次凸显。 光谱表征及识别技术的突出优点是能够通过空间目标表面反射的光谱识别出其材料， 进而确认空间目标的身份及类型。 该技术在图像不具备空间分辨率的前提下， 仍然能够较准确地识别出材料， 因此通过低成本小口径望远镜进行空间目标材料表征的可行性得到验证。 在这一点上， 传统的观测手段很难做到的。 2000年， Jorgensen的博士论文在该领域内引起了广泛的关注， 从此开启了空间目标光谱表征的研究热潮。 然而， 经历了20余年的发展， 空间目标的光谱表征及识别技术在实际应用中仍然受到了较大的限制， 这与空间目标的光谱表征方式以及空间环境的复杂性和未知性有着较大的关系。 研究者们通常以地面实验室内的测量数据为依据对实际在轨目标进行表征和识别， 而空间环境的作用却导致了两种测量结果之间存在着无法被描述的差异。 光谱解混法是空间目标材料识别的主流方法， 对其原理和应用情况进行了详细的介绍， 并指出实验室测量结果与实测结果之间的差异是造成解混不成功的主要原因。 解混识别的准确率很大程度上取决于光谱数据库的完善程度， 因此在建立光谱数据库时需要重点考虑空间环境和观测几何对空间目标光谱特性的影响。 同时， 人工智能算法的引入也将大大提高空间目标光谱表征及识别的能力。 从空间目标光谱特性及分类研究、 空间目标材料表征及识别研究、 空间目标光谱的红化现象、 光谱数据库的发展情况四个方面进行了详细的综述及讨论， 分析了其中的难点和重点问题， 凝练出了一些具有参考价值的建设性意见， 希望能够给广大研究者提供便利。

由于量子力学独特的性质，量子密钥协商理论上具有无条件安全性。设计了一个以四粒子团簇态为量子信源，通信双方分别进行联合Bell测量，并通过受控非门与Hadamard门进行编码操作，从而共享密钥的量子密钥协商协议。为应对传输过程中的退相干性，还使用了弱测量和量子测量翻转的方法。本文提出的密钥协商协议不仅具有应对各种参与者攻击与外部攻击的能力，还具有更高的通信效率。

基于反向传播（BP）神经网络模型结合联合区间等间隔偏最小二乘法（SiPLS），设计了SiPLS-BP模型定量分析复杂背景下血红蛋白含量。以186个不同浓度血红蛋白的血液样本和39个不同浓度的血红蛋白仿体溶液样本的近红外光谱数据为研究对象，优选出最佳的数据集划分方法、最佳划分比例和最佳预处理方法，利用SiPLS优选波段，构建SiPLS、SiPLS-BP、全谱偏最小二乘法（PLS）和全谱BP四种定量分析模型，并进行分析对比。实验结果表明：两种样本的最佳定量分析模型均为SiPLS-BP。即使采用相同的特征波长优选方法，每个模型优选的波段也并不完全相同。对于背景复杂、样本差异性较大的混合溶液和血液，SiPLS-BP模型具有更好的预测效果，能更准确地定量分析血红蛋白浓度。研究结果为复杂背景下的血红蛋白定量分析提供了参考。

目前，量子行走已广泛应用于量子计算和量子模拟中，并可应用于量子隐形传态中。提出了一种基于量子行走的电子支付协议。在协议中，买家基于可信第三方平台，将部分购物信息通过量子行走传送给银行和商家，完成一次网络购物。此协议将量子行走与电子支付相结合，使参与方仅需制备单光子便可以得到所需的纠缠资源，便于量子态的制备和实现。同时，协议不仅满足购物清单对银行保密，还实现了购买者的部分私人信息对商家保密，提高了隐私保护能力。最后的安全性分析表明，该协议可以抵御内部和外部攻击，对于当前技术是安全可行的。

遥感图像分割算法易受环境因素干扰，如物体遮挡、光照不均匀等。现有的深度学习遥感图像语义分割方法通常采取端到端的编解码结构，但针对相似度较高物体的结构和轮廓，仍存在分割不准确的问题。为了提高算法鲁棒性、分类准确率，提出一种基于轮廓梯度学习的深度卷积神经网络遥感图像语义分割算法。为了提高预测特征图的质量，首先基于SegNet模型，提出自适应注意力的多通道多尺度特征融合网络（D-MMA Net），其中D-MA block采用基于注意力的自适应多尺度模块，根据学习到的权重自适应地对不同尺度特征进行提取，以获得更多有效的高级语义特征。为进一步细化提取物体的边界，基于Sobel边缘检测算子原理提出可学习的轮廓提取模块。最后将轮廓信息与多尺度语义特征相结合，以增强对图像空间分辨率的鲁棒性。实验结果表明，所提算法提高分割的准确率，对于不规则物体边界，能有良好的分割效果。

大气颗粒物是最重要的空气污染物之一，会对人类健康产生负面影响。激光雷达探测是实现颗粒物分布高精度测量的可行手段。气溶胶消光系数在一定程度上能反映气溶胶质量浓度的相对大小，气象要素对消光系数和质量浓度的影响不容忽视。本团队利用反演得到的消光系数，结合地面温度、相对湿度、风速、地面气压等地面气象要素，与PM_2.5、PM₁₀质量浓度建立数据集；通过主成分分析法计算数据特征，基于广义回归神经网络(GRNN)对PM_2.5、PM₁₀质量浓度建立评估模型。GRNN模型得到的PM_2.5和PM₁₀质量浓度的评估值与真实值的相关系数分别为0.86和0.85，均方根误差(RMSE)分别为2.58 μg/m³和10.84 μg/m³，平均绝对误差(MAE)分别为0.81 μg/m³和1.53 μg/m³。将GRNN模型应用于激光雷达扫描模式下，对南京市浦口区颗粒物质量浓度的水平分布进行了评估，评估值和实际站点测量值的一致性较好，进一步验证了GRNN模型用于颗粒物质量浓度评估的有效性。

现有的通用检测方法在小目标检测上仍存在漏检率较高的问题。为了提高头部的检测率，在YOLOv3基础上提出了ResNet DenseNet MDC （Mixed Dilated Convolution）YOLOv3 （RDM-YOLOv3）目标检测网络。首先改进了YOLOv3的特征提取网络DarkNet-53，提出了一种基于ResNet和DenseNet的特征提取网络RD-Net，以提取更多的语义信息。然后，使用不同膨胀率的空洞卷积对特征层进行采样，构建混合空洞卷积结构，提高对小目标的敏感度。使用RDM-YOLOv3与其他方法在Brainwash数据集和HollywoodHeads数据集上进行对比实验，AP（Average Precision）值分别达到了93.1%和86.8%。所提方法的实验结果优于其他方法，对小目标的检测性能显著提升。

基于Ansys有限元软件，采用三级子模型技术对多层铜互连结构芯片进行了三维建模。研究了10层铜互连结构总体互连线介电材料的弹性模量和热膨胀系数对铜互连结构热应力的影响，在此基础上对总体互连线介电材料的选择进行优化。结果表明，总体互连线介电材料的热膨胀系数对铜互连结构的热应力影响较小，而弹性模量对其影响较大；各层介电材料热应力与弹性模量成正比，SiN界面热应力与弹性模量成反比。最后，为了降低铜互连结构关键位置热应力，通过选用不同参数材料组合对总体互连线介电材料的选取进行优化，提高了铜互连结构可靠性。