太赫兹超材料吸收器作为一种重要的太赫兹功能器件, 被广泛应用于生物医学传感、 电磁隐身、 军用雷达等多个领域。 但这种传统的超材料吸收器结构具有可调谐性差、 功能单一、 性能指标不足等缺点, 已经无法满足复杂多变的电磁环境的要求, 因此可调谐超材料吸收器逐渐成为了太赫兹功能器件领域的研究热点。 为实现超材料吸收器吸收特性的调谐, 通常从调节谐振单元或基底材料的电磁特性或调节超材料结构单元的几何尺寸两个方面出发。 设计了一种基于石墨烯和二氧化钒的太赫兹宽带可调谐超材料吸收器。 该吸收器由工字型二氧化钒谐振层、 连续石墨烯层和被Topas介质隔开的金属反射层组成。 数值模拟结果表明, 当二氧化钒材料处于全金属状态(电导率为200 000 S·m^-1)且石墨烯的费米能级设为0.1 eV时, 吸收率超过90%的吸收带宽达到了2.8 THz。 通过调节石墨烯的费米能级, 使其在0.1~0.3 eV之间变化时, 该吸收器的工作频率发生了明显的蓝移。 由于二氧化钒材料从绝缘状态到金属状态的相变特性, 通过控制电导率使其在100~200 000 S·m^-1之间变化时, 所提出的宽频结构在反射器和吸收器两种工作状态之间自由切换。 此外, 还分别监测了该超材料吸收器在1.87, 3.04和4.16 THz三个完美吸收峰处的表面电流分布, 讨论了其工作机理。 所设计的结构通过石墨烯和二氧化钒两个独立可调“开关”实现了对吸收器工作频率和吸收振幅的双重控制, 为设计多功能太赫兹器件提供了新的发展思路。

为提高光电系统对弱小目标的识别和分类能力，降低算法对硬件平台和数据的依赖，提出一种无监督分类方法−基于目标深度特征聚类的细粒度分类方法。该方法通过轮廓、颜色、对比度等浅层特征提取提示目标，经超分辨处理后，利用卷积神经网络对目标的深层特征进行编码，进一步采用基于注意机制的主成分分析方法进行降维生成表征矩阵，最后利用聚类的方式实现目标细粒度分类。实验验证了基于不同神经网络的深度聚类方法在不同数据集上的分类性能，其中采用ResNet-34聚类方法在CIFAR-10测试集上细粒度分类性能达92.71%，结果表明，基于深度聚类的目标细粒度方法能够取得与强监督学习方法相当的目标分类效果。此外，还可以根据不同簇数和聚类等级的选择实现不同细粒度的分类效果。