(中國科學院深圳先進技術研究院先進材料中心、精密工程研究中心、高性能計算技術研究中心、高性能數據挖掘重點實驗室、物聯網計算研究中心、《集成技術》編輯部)

中國科學院深圳先進技術研究院先進材料中心孫蓉研究員與曾小亮副研究員及其團隊主導的研究[1]在高導熱絕緣聚合物復合散熱材料開發(fā)方面取得進展(氮化硼取向調控制備高導熱、高強度聚合物復合材料)。該研究通過調控熱壓的溫度和壓力，研究了其對制備的環(huán)氧樹脂/有序氮化硼復合材料斷面形貌和導熱系數的影響。結果表明，該研究制備的環(huán)氧樹脂/有序氮化硼復合材料具有良好的氮化硼取向，在填料含量為 50 wt% 時，其導熱系數達 6.09 W/m·K，相對于環(huán)氧樹脂/無序氮化硼復合材料對比樣，其導熱系數提高了接近三倍。在機械性能方面，該復合材料的拉伸強度達 31.79 MPa，楊氏模量為4.63 GPa，都高于對比樣的機械強度(拉伸強度為21.21 MPa，楊氏模量為 1.48 GPa)。該研究為滿足電子器件、航空航天、醫(yī)療器械領域散熱需求的下一代高導熱絕緣聚合物復合散熱材料開發(fā)和研究奠定了堅實的基礎。

中國科學院深圳先進技術研究院精密工程研究中心何凱研究員及其團隊主導的研究[2]在彎板漸進成型技術方面取得進展(新型復雜曲面鋼板的彎板漸進成型技術)。船體鋼板的加工是船舶制造的關鍵環(huán)節(jié)之一。目前國內外造船廠對船板的成型加工普遍采用水火彎板法，但該方法具有效率低下、精度不足、工作環(huán)境差等諸多缺點，使得船板的加工成為當前造船業(yè)發(fā)展的瓶頸。鑒于此，該論文提出了一種新型的彎板漸進成型技術，旨在突破當前造船工業(yè)中船板成型加工環(huán)節(jié)的困局。該論文通過采用點壓式和分層加工相結合的漸進成型工藝，來加工成型具有復雜曲面的船用鋼板。同時，該論文還介紹了基于該工藝方法所研發(fā)的一臺新型樣機，并展示了一些相關實驗結果。結果顯示，該論文所提出的新型彎板漸進成型技術適用于具有復雜曲面的船體成型加工，所研發(fā)的樣機與相關實驗結果都充分地證明了該方法的創(chuàng)新性和可行性。論文所展示的成果可為超大形船體復雜曲面鋼板加工工藝及智能化成套裝備的研發(fā)打下堅實的理論基礎，在海洋船舶工業(yè)領域具有一定的工程應用前景和重要的學術價值。

中國科學院深圳先進技術研究院精密工程研究中心左啟陽博士及其團隊主導的研究[3]在新型多孔金屬材料方面(新型閉孔立方結構有序多孔金屬材料的制備工藝及其力學性能)取得進展。首先，通過沖壓工藝結合膠粘或激光焊接工藝制備獲得新型多孔金屬材料。其中，該多孔金屬材料具有有序、規(guī)則的閉孔立方單元結構。其次，利用準靜態(tài)壓縮實驗和落錘沖擊實驗對該材料的抗沖擊吸能特性進行研究，旨在探究這種新型的材料能否應用于制造高效、輕量化的沖擊緩沖結構或吸能件。結果顯示，該新型有序多孔金屬材料展示出優(yōu)秀的沖擊能量吸收性能，因此能在被動安全保護方面發(fā)揮重要作用。同時，所開發(fā)的這種新型多孔金屬材料的基體單元為閉孔晶胞且排列有序，因此在力學性能尤其是抗沖擊動力學性能方面，擁有許多其他多孔金屬材料無法比擬的優(yōu)勢。該新型材料在制造高效、輕量化的沖擊緩沖結構或吸能件方面具有潛在應用，能廣泛地應用于被動安全保護領域。

中國科學院深圳先進技術研究院高性能計算技術研究中心張云研究員及其團隊主導的研究[4]在圖像質量評價方面取得進展(基于多個專家卷積神經網絡的無參考圖像質量評價方法)。該研究結合卷積神經網絡模型，構建無參考圖像質量預測網絡模型，所提算法框架主要分為三大部分：(1)構建基于卷積神經網絡的圖像失真類型識別模型；(2)針對特定失真類型分別構建基于專家卷積神經網絡的圖像質量預測模型；(3)將圖像失真類型識別結果和多個專家網絡預測結果融合得到圖像質量分數。將該算法在公開數據集 LIVE 上進行了驗證，評價算法性能的準則是計算該算法預測的圖像質量分數和真實值之間的皮爾森相關系數(PLCC)、斯皮爾曼秩相關系數(SROCC)和均方根誤差(RMSE)。PLCC、SROCC 和 RMSE 指數分別為 0.957 2、0.953 0 和6.546 9。結果表明，基于多個專家卷積神經網絡的無參考圖像質量評價方法能夠適用于通用性失真的圖像質量評價，克服了參考圖像不易獲取的缺陷，應用領域更廣泛。另外，圖像質量的準確預測能進一步對編碼算法起指導作用，促進圖像編碼領域的發(fā)展。

中國科學院深圳先進技術研究院高性能計算技術研究中心郭媛君博士及其團隊主導的研究[5]在緊湊式教學優(yōu)化算法方面取得進展(一種緊湊式教學優(yōu)化算法及其神經網絡參數訓練的應用)。該研究提出了一種全新的緊湊式教學優(yōu)化算法求解有限存儲空間內的復雜優(yōu)化問題。將高效的教學優(yōu)化算法邏輯與一種基于剪裁后的高斯分布采樣方法結合，將啟發(fā)式算法嵌入到緊湊式優(yōu)化框架中，在進化過程中每代僅需要生成極少數進化粒子，與全局最優(yōu)解等粒子進行學習和全局分布更新。該文將提出的新算法在經典優(yōu)化測試函數上進行對比實驗，并在前饋神經網絡(FNN)和徑向基神經網絡(RBF)等典型神經網絡中進行非線性參數的優(yōu)化和訓練，且均與經典的非緊湊式算法和其他緊湊式算法的求解效率進行對比。結果表明，該文提出的緊湊式教學優(yōu)化算法在 32 個經典測試函數和 2 種神經網絡參數訓練中均能夠取得優(yōu)異的求解效果，同時能夠節(jié)省90% 以上的存儲空間，是一種具有較強尋優(yōu)能力的全局啟發(fā)式優(yōu)化算法，未來有望在有限存儲空間的嵌入式系統(tǒng)及人工智能專用芯片中取得廣泛的應用。

中國科學院深圳先進技術研究院高性能數據挖掘重點實驗室李成明助理研究員及其團隊參與的研究[6]在車載內容中心網絡方面取得進展(眾包車載內容中心網絡中安全高效的內容分發(fā)模型)。在未來智能交通系統(tǒng)中，海量的內容需要通過車聯網安全高效地在車輛之間或車輛與路邊單元之間傳輸。為了應對低質量的無線連接和車輛的高移動性，學者們提出了車載內容中心網絡。但是，提供高質量內容分發(fā)的車載內容中心網絡面臨著動態(tài)網絡拓撲、易變的無線信道條件、車輛用戶隱私等方面的挑戰(zhàn)。鑒于此，該文提出了一種新的眾包車載內容中心網絡框架來實現安全、高效的內容分發(fā)，將內容分發(fā)問題轉化成最大化所有用戶收益，并通過在線調度方法解決了次問題。同時，該文采用基于身份的代理重加密和命名功能網絡來保證內容分發(fā)過程的安全性。仿真結果表明，與原有的車載內容中心網絡相比，該方法提高了平均用戶收益性能。

中國科學院深圳先進技術研究院物聯網計算研究中心陳孔陽助理研究員及其團隊參與的研究[7]在 WiFi 室內定位系統(tǒng)方面取得進展(面向高速、高精度移動指紋構建的 WiFi 室內定位系統(tǒng))。為實現高精度室內定位，現有 WiFi 室內定位系統(tǒng)需要建立一個大規(guī)模離線指紋數據庫，這需要大量人工時間來獲取無線指紋信號，且數據庫的建立速度很慢。鑒于此，該研究提出了一種自動采集無線指紋的方法，利用一輛移動小車實時采集指紋，建立小車當前位置與指紋之間的聯系，加快 WiFi 信道掃描速率，解決了移動物體指紋采集錯位的問題，以此來快速建立指紋數據庫。結果表明，通過在辦公室、空曠空間等真實場景測試，在定位精度基本相同的情況下，該論文的自動采集方法比人工方法節(jié)省了約 90% 的采樣時間；可快速建立指紋數據庫，比現有人工方法提高了 1～2 個數據級，可用于機場、大型商場、倉庫等需要室內定位的場景。