二维材料具有高折射率和高透光率等优异光学特性，利用激光加工氧化石墨烯材料，会发生还原反应并生成具有类石墨烯材料特性的还原氧化石墨烯，这使得基于氧化石墨烯材料设计菲涅耳透镜成为可能。相较于传统的光学透镜及微型光学透镜，这一设计将透镜的尺寸从厘米级缩减到纳米级。针对工作波长532 nm设计了基于氧化石墨烯薄膜的菲涅耳透镜，通过瑞利–索末菲衍射理论及电磁场数值仿真测试了菲涅耳透镜的聚焦效果，并且通过滴铸法制备了氧化石墨烯薄膜（约500 nm），在薄膜上用激光加工菲涅耳透镜，最终得到透镜聚焦光斑直径2.14 μm，聚焦效率41.2%。相比旋涂法制备氧化石墨烯薄膜，滴铸法制备氧化石墨烯具有效率高、价格低廉的优点。该设计为纳米级的基于氧化石墨烯的光学系统的集成化和大规模生产提供了可能。

Edge detection for low-contrast phase objects cannot be performed directly by the spatial difference of intensity distribution. In this work, an all-optical diffractive neural network (DPENet) based on the differential interference contrast principle to detect the edges of phase objects in an all-optical manner is proposed. Edge information is encoded into an interference light field by dual Wollaston prisms without lenses and light-speed processed by the diffractive neural network to obtain the scale-adjustable edges. Simulation results show that DPENet achieves F-scores of 0.9308 (MNIST) and 0.9352 (NIST) and enables real-time edge detection of biological cells, achieving an F-score of 0.7462.

显微成像技术受限于光学成像系统的衍射极限，无法分辨亚波长尺度的结构。通过饱和散射抑制成像技术已经实现了单个纳米颗粒的超分辨成像，但是涉及到纳米颗粒集合，需要考虑纳米颗粒间的耦合作用。利用超越衍射极限的双光束方法，可以在有序金纳米棒阵列上实现远场超分辨光学成像。本文设计了纳米棒长径比为2的5×5金纳米棒阵列，通过矢量光场理论和热扩散理论计算了金纳米棒阵列在连续波激光下的热分布，并模拟了双光束激光即脉冲激发光和连续波抑制光下的散射成像。仿真结果显示，连续波激光能够有效抑制金纳米棒阵列对脉冲激光的散射，双光束方法实现了80 nm横向特征尺寸的超分辨成像。

阻变存储器是一种新型非易失性存储器，其在外加电场作用下可实现高阻态和低阻态之间的切换。存储器电极材料和活性层材料的选择及相互作用是实现器件阻变特性的主要因素。石墨烯是具有优良导电性和高延展性的二维材料，通过激光加工还原氧化石墨烯是高效获取石墨烯的极佳方法。传统存储器的制备过程复杂，不利于大规模加工制造。以金属金（Au）和还原氧化石墨烯（rGO）作为电极，氧化石墨烯（GO）作为阻变层进行器件制备，很好地实现了存储器的阻变功能。简单高效的制备方式为大规模、高集成化生产阻变存储器提供了参考。

利用不同氮肥用量田间试验, 分析基于无人机平台的可见光谱诊断技术对烟草氮素营养进行无损评估预测的可行性, 明确该技术的最佳颜色参数和方程模型。 2018年在江西省安福县开展田间试验, 设置不同氮肥用量, 分别为0, 45, 90, 135, 180和300 kg N·ha^-1, 于移栽后47 d(团棵期)、 移栽后83 d(旺长后期)和移栽后116 d(下部叶成熟期), 利用无人机获取冠层RGB色彩数字图像, 同时采集植株样品分析地上部生物量、 叶片生物量、 地上部氮浓度、 叶片氮浓度、 叶片SPAD值等氮营养状况指标, 对冠层数字图像进行数字化分析, 获得颜色指标值, 通过颜色指标与烟草氮营养状况指标的相关性分析, 筛选适宜的颜色指标并建立氮营养诊断方程。 利用不同地块的氮肥用量试验, 对氮营养诊断方程拟合精度进行验证。 试验结果表明, 旺长后期各处理间冠层图像的颜色标准值存在显著差异, 团棵期与下部叶成熟期不存在显著差异。 在10个颜色指标中, NRI, NGI, G/R, G/(R+B), (G-R)/(R+G+B)和ExG与5个烤烟氮素营养指标均达到极显著相关(p<0.01)。 在归一化颜色指标体系、 比颜色指标体系和归一化差分颜色指标体系中选择潜在的最佳颜色参数指标分别为NGI, G/R和ExG。 根据不同类型的回归分析结果, 确定指数回归作为地上部生物量和叶片生物量的预测模型, 线性回归作为地上部氮浓度、 叶片氮浓度及叶片SPAD值的预测模型。 对潜在的最佳指标进行验证性筛选, G/R对地上部氮浓度和叶片氮浓度的RMSE值分别为0.375 1%和0.249 1%, 明显低于NGI和ExG, 预测精度最高。 用G/R值表示的地上部生物量、 叶片生物量、 地上部氮浓度、 叶片氮浓度、 SPAD值预测方程分别为Y=21.785e^1.3502G/R, Y=4.057 9e^{1.937 3G/R}, Y=5.039 9G/R-3.333 2, Y=4.281 4G/R-3.802 9, Y=40.168G/R-28.188。 因此, 基于无人机平台的可见光谱诊断技术在烤烟氮素营养诊断方面具有应用潜力, 评估最佳时期为旺长后期, 最佳预测参数为G/R值。