北京邮电大学 信息光子学与光通信全国重点实验室,北京 100876
无源光网络(PON)凭借其大带宽、低成本和抗电磁干扰等优势,被认为是下一代工业互联网的重要组网技术之一。然而,以“带宽提升”为主要技术发展思路的常规PON,其传输控制机制难以满足以“时间敏感”为特征的高品质工业业务传输需求,对常规PON的网络传输能力提出了重要挑战,迫使其融入新的特性,即确定性。文章以时分复用(TDM)-PON为主要研究对象,首先阐述了工业互联网的业务特征及传输需求,分析了工业互联场景下常规TDM-PON面临的两大技术挑战:一是传统带宽分配方案引起的时延不确定性;二是队列调度机制僵化引起的时延不确定性。围绕上述挑战,文章介绍了提升TDM-PON确定性网络传输能力的关键技术,如协作传输接口、单帧多突发和确定性带宽分配(DetBA)等。其次,文章介绍了一种基于网络演算的时延边界建模思路作为确定性工业PON系统设计与性能评估的理论模型。最后,文章从业务层、媒质接入控制(MAC)层、物理层及控制管理平面等多个角度探讨了确定性工业PON的潜在技术及发展方向。
工业无源光网络 确定性网络传输技术 确定性带宽分配 网络演算 industrial PON deterministic network transmission technology DetBA network calculus 光通信研究
2024, 50(1): 23016801
自动数字显微镜的关键技术之一就是自动对焦,为了提升对焦的速度,越来越多的深度学习方法被引入用于单帧图像的焦点预测。然而几乎所有的网络模型都过分信任其输出的结果,面对未知的样本即使输出错误的结果也不会给出任何警示。利用贝叶斯卷积神经网络的实现,可从单张图像中完成离焦距离的预测,并获得焦点预测结果的不确定性估计,此外提出通过设置不确定度阈值实现对焦点预测结果的筛选。在一个大型开源数据集上进行了测试,利用不确定性估计评估预测结果的有效性。结果表明,对比同类型样本,所提出的网络模型在未知样本上能够输出更高的不确定度,建立的筛选机制能有效减小模型在未知样本上的预测误差。在公共数据集上的两个样品的最终误差范围为 0.37±0.46 μm和 0.83±1.17μm,优于筛选前的 0.40±0.66μm和 1.08±1.78μm。
深度学习 自动对焦 贝叶斯神经网络 焦点预测 不确定性分析 deep learning autofocus Bayesian neural network focus prediction uncertainty analysis
空军工程大学装备管理与无人机工程学院, 西安 710000
在任务数量和消耗量不确定的情况下, 针对由两种寿命指标衡量且其中一种无法被控制的装备梯次使用问题建模和求解方法进行了研究。构建不确定情况下双寿命装备梯次使用问题决策模型, 提出以梯次均匀度、寿命匹配度和寿命利用率最大化为目标, 使用I-NSGA-Ⅲ进行求解。采用改进的分段编码方式和算子, 引入重复个体控制机制以提高种群多样性。当问题规模较大时, 可以在较短的时间内搜索更大范围, 验证了所提方法的可行性。
不确定性 双寿命装备 梯次均匀度 寿命匹配度 寿命利用率 uncertainty dual-life equipment echelon uniformity life matching degree life utilization I-NSGA-Ⅲ I-NSGA-Ⅲ
为了解决深度确定性策略梯度(DDPG)算法在规划无人机(UAV)安全避障路径时收敛速度慢、奖励函数设置困难等问题, 基于逆向强化学习提出了一种融合专家演示轨迹的UAV路径规划算法。首先, 基于模拟器软件采集专家操纵UAV避障的演示轨迹数据集; 其次, 采用混合采样机制, 在自探索数据中融合高质量专家演示轨迹数据更新网络参数, 以降低算法探索成本; 最后, 根据最大熵逆向强化学习算法求解专家经验中隐含的最优奖励函数, 解决了复杂任务中奖励函数设置困难的问题。对比实验结果表明, 改进后的算法能有效提升算法训练效率且避障性能更优。
无人机 路径规划 逆向强化学习 深度确定性策略梯度 UAV path planning reverse reinforcement learning DDPG
1 中国科学技术大学, 合肥微尺度物质科学国家研究中心&物理学院, 合肥 230026
2 中国科学技术大学, 上海量子科学研究中心&中国科学院量子信息与量子物理创新研究院, 上海 201315
3 中国科学技术大学, 合肥国家实验室, 合肥 230088
量子光源是量子通信和光量子计算的基础模块。光子的单光子性保证了通信的无条件安全, 光子的高不可分辨性保证了计算方案的复杂度。在各类固态材料候选体系中, 基于半导体量子点体系的单光子源和纠缠光子源保持着量子光源品质的最高纪录, 展现了巨大的潜力。分子束外延是目前最适合制备固态半导体量子点的生长方法, 超高真空、超纯材料、原位监测和生长过程中参数的高度可控等特点使其优势明显。为了实现同时具备高效率、高单光子纯度、高不可分辨性和高纠缠保真度的量子光源, 量子点的材料生长、外部调控、钝化技术和测量技术等都需要系统优化提升。本文将综述基于分子束外延生长实现固态量子点体系量子光源的基础材料与器件的研究进展, 讨论两种常见量子点的制备原理以及外延生长中各类参数对量子点品质的影响, 包括背景真空、源料纯度、衬底温度、生长速率和束流比等。本文随后简介了外部调控、表面钝化、测量技术等手段优化量子光源器件性能的技术细节和实验进展, 最后对量子光源在基础科学研究和量子网络构建中取得的进展进行总结, 并对其实际应用与发展前景进行展望。
确定性固态量子光源 分子束外延 半导体量子点 单光子源 纠缠光子源 量子信息技术 deterministic solid-state quantum light source molecular beam epitaxy semiconductor quantum dot single photon source entangled photon source quantum information technology
1 中国科学院红外探测与成像技术重点实验室,上海 200083
2 中国科学院上海技术物理研究所,上海 200083
3 中国科学院大学,北京 100049
4 北京理工大学 光电学院,北京 100081
星载红外高光谱传感器与多通道光谱传感器在轨交叉定标时能够提升数据精度和质量,交叉定标样本通常采用星下点交叉方式匹配筛选,包括空间、时间、观测几何角度和光谱匹配,匹配误差的不确定性将对最终交叉定标精度产生影响。采用FY-3E同平台红外高光谱大气探测仪HIRAS-II和中分辨率光谱成像仪MERSI-LL均匀晴空背景进行观测,根据视线向量匹配HIRAS-II星下点瞬时视场内的MERSI-LL像素,分别通过模拟视场偏移、观测天顶角偏差和光谱响应函数变化单独分析空间、观测几何角度和光谱匹配误差引入的匹配不确定度。结果表明,空间失配引起观测背景辐射亮温变化,偏移一半像元视场时的相对不确定度约为10%,达到一个像元时为25%~30%;观测几何角度失准引起光谱辐射亮温变化,观测天顶角偏移20°时的不确定度优于0.2%;光谱响应函数差异引起光谱等效辐射亮温变化,响应函数发生展宽时对吸收通道的不确定度最大约为2.5%,窗区通道为0.4%,收缩时的不确定度整体优于0.3%,平移引起的不确定度相对较小,移动5倍波长间隔时优于0.1%。
红外交叉定标 交叉匹配 不确定性 infrared inter-calibration inter-collocation uncertainty 红外与激光工程
2023, 52(4): 20220616
1 西安交通大学, 金属材料强度国家重点实验室, 西安 710049
2 上海大学, 材料基因组工程研究院, 上海 200444
材料研发面临着巨大、复杂、高维的搜索空间, 如何从中快速有效选择具有目标性能的新材料是加速材料研发的主要挑战。机器学习可以基于已有的数据, 通过算法建立特征和目标性能之间的映射关系, 对未探索材料的性能进行预测。但是材料的已知数据比较少, 建立的机器学习模型通常预测精度低, 难以实现对实验或计算的有效指导。为了解决上述问题, 引入主动学习的方法, 在传统迭代反馈的基础上, 增加了实验设计的步骤, 选择对目标提升最有帮助、带有更大信息量的实验进行补充, 达到更快的优化材料性能的目的。主要从单目标优化、多目标优化、曲线优化3个方面, 回顾了主动学习辅助材料研发的进展。
材料开发 主动学习 机器学习 不确定性 materials discovery active learning machine learning uncertainty