跨模态行人重识别是一项具有挑战性的行人检索任务。现有研究侧重于通过提取模态共享特征来减小模态间差异，忽视了对模态内差异和背景干扰的处理。为此，提出了一种掩膜重构与动态注意力（MRDA）网络，该网络通过重构人体区域特征来消除背景杂波的影响，从而增强网络对背景变化的鲁棒性。此外，该网络结合了动态注意力机制，以过滤无关信息，动态挖掘并增强具有辨别力的特征表示，消除模态内差异的影响。实验结果显示：该网络在SYSU-MM01数据集的all-search模式下的第一个检索结果匹配成功的概率（Rank-1）和均值平均精度（mAP）分别达到70.55%和63.89%；在RegDB数据集的visible-to-infrared检索模式下的Rank-1和mAP分别达到91.80%和82.08%。在公共数据集上验证了所提方法的有效性。

Ge/Si雪崩光电二极管（APD）被广泛应用于近红外探测领域，但由于Ge和Si之间存在4.2%的晶格失配，故难以获得高性能的Ge/Si APD。提出在Ge/Si键合界面处引入多晶硅（poly-Si）键合中间层，弱化Ge/Si失配晶格对APD器件性能的影响。poly-Si引入后键合界面电场发生变化，导致APD内部的电场重新分布，极大地影响了器件性能。因此，重点对Ge吸收层和Si倍增层的掺杂浓度进行调控，探究了掺杂浓度对Ge/Si APD电场、复合率、载流子浓度、碰撞电离等性能的影响，最终设计出高性能键合Ge/Si APD。本工作将为低噪声、高增益Ge/Si APD的研究提供理论指导。

人类日常生活中使用的化学化工产品约有80%的生产制造过程中涉及非均相催化反应, 如何缩短催化剂开发周期, 高效筛选性能优异的催化剂成为一大重要议题。在诸多催化剂中, 二维材料因其独特的结构与电子特性备受关注, 从种类繁多的二维材料中筛选出满足特定反应需求的类型需要明晰催化剂结构与功能的关系。描述符能够关联起催化剂的结构性质、电子性质与催化剂的性能, 通过描述符, 催化剂的构效关系能够被揭示与衡量。结构描述符预测二维碳材料催化活性时性能较好, 电子描述符较之于结构描述符, 与催化反应性能的特征参数更为匹配, 而融合两者特色的二元描述符是催化剂性能描述符未来发展的重要方向。在大数据的时代背景下, 描述符的发展逐渐与机器学习等新兴方法融合, 包含多维度参数的性能预测模型崭露头角, 随着人工智能技术的更迭, 大数据驱动的性能描述符将助力二维材料催化剂的蓬勃发展。

针对基于闪烁屏-CCD(电荷耦合元件)相机的氘离子束横向强度分布测量系统，利用ANSYS软件模拟计算了在直流及脉冲模式下，能量100 keV、束斑直径3 mm氘离子轰击造成的Al2O3,SiO2以及锗酸铋 (BGO)三种候选闪烁体材料的表面温度变化。结果表明，在30 μA的直流氘离子束轰击下，闪烁体表面温度随辐照时间急剧地升高。持续时间10 min的氘离子束轰击将使三种材料前表面的温度分别升高131，234和649 ℃。对于峰值流强30 μA、重复频率1 Hz、脉宽5 μs的重复频率脉冲氘离子束，每个脉冲引起的三种闪烁屏表面的温度升高均小于0.05 ℃，且长时间的离子辐照基本不会造成闪烁屏的表面温度有明显的升高。对于脉宽5 μs的单脉冲氘离子束，三种材料的表面温度均随离子流强近似呈线性地增加。在单脉冲模式下，Al2O3，SiO2以及BGO闪烁屏能允许的最高离子流强分别为2.32，1.08和0.72 A，超过此流强其表面温度将达到熔点。