摘要:水体对不同波长可见光的选择性吸收和散射效应严重制约了光学成像的质量。偏振成像技术在高浊度、短距离水下环境中展现出显著优势。本研究基于红光、绿光和蓝光三种波长的激光主动偏振成像系统，对比分析了10-25 NTU典型自然水体浊度下的成像性能。实验结果表明：红光的偏振成像效果最优，绿光次之，蓝光最弱。进一步提出一种偏振图像增强算法，可显著提升三种波长激光的成像质量。在19.97 NTU浊度条件下，经本文方法增强后的潜水服布料图像熵值较传统Schechner方法提升约34.4%。研究表明，将偏振成像引入激光主动成像系统能有效改善水下成像质量，为特定波长水下成像技术的优化提供了新思路。

摘要:G蛋白偶联受体是一类至关重要的膜蛋白超家族，在细胞信号转导中发挥核心作用，同时也是现代药物开发的主要靶点。β2-肾上腺素受体作为A类G蛋白偶联受体的代表性成员，是呼吸系统疾病治疗的关键靶点。尽管临床上已应用多种β2-肾上腺素受体激动剂，但在药物安全性、有效性和受体选择性方面的优化仍存在显著需求。研究使用虚拟筛选策略，从1900万分子的大型化合物库中高效地筛选出β2-肾上腺素受体靶向激动剂。通过严格的细胞功能实验和体内药代动力学评估，获得一种新型短效激动剂，其EC50值为0.86 nM，为开发新一代呼吸系统疾病治疗药物提供了新的候选分子。

摘要:目前以机器学习为代表的人工智能应用负载表现出计算密集型与数据密集型并存的双密特征。这类应用不仅需要支持海量数据的存储、传输与容错，还需优化复杂逻辑计算的性能。传统的单一大数据框架或高性能计算框架已无法应对这类应用带来的挑战。文章提出的基于 Spark 和 MPI 的混合大数据平台是一种高性能大数据处理平台。该平台以典型大规模集群为基础，针对以机器学习为代表的双密型应用的存储和计算特点，重点建设了双范式混合计算、异构存储和融合高性能通信三个模块。针对双密型应用既有数据密集型的大数据处理也有计算密集型的高性能计算的特点，设计了 Spark 范式混合 MPI 范式的计算模块，通过对任务进行分割和分类，将计算密集型任务卸载到 MPI 计算模块，提升双范式混合计算功能。针对双密型应用在计算过程中不同数据的数据特征，设计了异构的存储结构和数据与元数据分离的策略，通过对数据的分型优化存储，构建高可用、高性能的存储系统。针对双密型计算的通信特点，提出高性能通信技术的融合方式，为计算模块和存储模块提供高性能通信支持。测试结果表明，该平台可以为双密型应用提供高效的双范式混合计算，针对不同的计算任务，相较于单一的Spark大数据平台性能提升4.2%至17.3%。

摘要:当前，靶向蛋白降解技术面临靶向特异性不足和递送效率低等挑战，而纳米材料的靶向富集特性为克服这些瓶颈提供新思路。介孔生物活性玻璃（MBG）因其高生物相容性和药物递送潜力备受关注，但其作为靶向蛋白降解载体的可行性尚未明确。本研究利用FITC荧光标记和生物素-亲和素体系验证MBG的亚细胞定位及其作为降解载体的可行性。此外，本工作还考察了铁掺杂的MBG诱导铁死亡的潜能。结果显示，MBG能够诱导靶蛋白的内化并进入溶酶体降解，如PD-L1的降解。在此基础上，MBG还能递送铁离子进入溶酶体，诱导铁死亡的发生。该研究首次揭示了MBG兼具靶向蛋白降解与铁死亡诱导的双重功能，为开发“蛋白降解-铁死亡”时空可控协同治疗癌症提供创新性方案。

摘要:为了更好的监测动力锂电池健康状态。提出一种基于改进双向时间卷积网络、长短期记忆网络和注意力机制的锂电池健康状态预测方法。使用冠豪猪优化器对所提方法的超参数进行寻优。在马里兰大学锂电池充放电数据集中进行测试，提取和容量相关健康特征，通过皮尔逊相关系数筛选相关度较高的健康特征作为神经网络算法的输入。提出的方法在所有电池健康状态预测的均方根误差均不超过0.020，平均绝对误差不超过0.017，决定系数在0.995以上。在锂电池健康状态预测可以实现较高的精度。

摘要:随着片式多层陶瓷电容器（MLCC）内电极材料从贵金属被镍等贱金属替代，烧结过程需在还原气氛下进行。该文研究了在不同还原气氛下烧结的Mn掺杂BaTiO3基陶瓷的性能，探讨了H?/N?比例变化对介电性能和可靠性的影响。通过固相法制备了不同还原气氛下的样品，并通过X射线衍射（XRD）、扫描电子显微镜（SEM）、拉曼光谱和X射线光电子能谱（XPS）等方法对样品进行了微观结构和性能表征。研究发现，极化机制会影响BaTiO3基陶瓷的介电性能和可靠性。具体而言，随着还原气氛的增强，极化机制从缺陷载流子的短程跳跃极化逐渐转变为长程跃迁极化，从而影响了陶瓷的介电常数、介电损耗和绝缘电阻率。实验结果表明，在1.5% H?/98.5% N?气氛下烧结的样品（S2）表现出较高的介电常数、较低的介电损耗以及较好的绝缘性能，展示出更好的综合性能。此外，成功制备了介质层厚为0.9 μm的BaTiO3基MLCCs，其容温系数（TCC）符合X6S标准。该研究为提升BME-MLCCs介电性能与可靠性提供了理论和技术指导。

摘要:三维场景重建是自动驾驶、机器人等领域的重要研究课题，在导航建图、环境交互、虚拟和增强现实等任务中有着广泛应用。目前基于深度学习的重建方法从场景表示方式和核心建模技术角度主要分为五类：基于代价体积的深度估计方法、基于截断的有符号距离函数（TSDF）的体素方法、基于Transformer架构的大规模前馈方法、基于多层感知机（MLP）的神经辐射场（NeRF）、三维高斯泼溅（3DGS）。每类方法都有其独特的优势和局限，而新兴的3DGS方法通过高斯函数显式的表示场景，并利用高效的光栅化操作实现场景的快速渲染和新视角合成。最大优势是它相比著名的神经辐射场方法采用MLP网络表示场景信息的建模方式不同，能够在保证高效渲染的同时还具有可解释性且可编辑，这为三维场景进行准确的重建铺平了道路。然而，3DGS在场景重建任务中的应用仍然面临着许多困难和挑战。基于此，本文首先对3DGS的基本概念进行简单介绍，并与上述其余四类方法进行特点比较。然后，对现有3DGS重建算法进行系统性的调研后，对这类方法要解决的关键问题进行总结，并结合典型实例对相关核心难题的研究现状进行综述。最后，对未来更有可能探索的新研究方向进行了展望。

摘要:研究探讨了不同原料粒径的钛酸钡（BaTiO3，BT）对陶瓷介电性能的影响，并通过掺杂改性优化其电学特性。通过固相球磨法使用不同原料粒径（100 nm、150 nm、200 nm、250 nm）BT制备陶瓷样品，并引入Y?O?、Ho?O?、MgO和SiO?作为掺杂剂，以控制晶粒生长和调节介电性能。通过扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）及介电测试，系统分析了陶瓷样品的微观结构及介电特性。结果表明，BT-10样品由于掺杂元素扩散较深，未形成理想的“芯-壳”结构，导致四方性降低，尽管介电常数较高，但温度稳定性较差，BT-15、BT-20和BT-25均形成了“芯-壳”结构，BT-25样品四方性最高，表现出最佳的饱和极化强度（Ps=11.817 μC/cm2）和剩余极化强度（Pr=1.465 μC/cm2），同时在直流偏压条件下具有较好的介电稳定性。研究表明，BT-25样品在综合性能上最优。研究还指出，在使用较小原料粒径BT制备“芯-壳”结构陶瓷时，需克服BT原料粉体本身比表面积大及缺陷多的问题。本研究为优化多层陶瓷电容器（MLCC）介电层提供了理论依据和技术支持。

摘要:基于 RGB 图像的手部姿态估计在动态手势识别以及人机交互领域展现出至关重要的应用前景。然而，现有的方法面临着诸多挑战，例如手部自相似性程度高、关键点分布极为密集等问题，这使得在较低计算成本的条件下实现高精度的预测变得困难重重，进而导致在复杂场景中的表现存在局限性。鉴于此，本文提出了一种基于 YOLOv8 网络的二维（2D）手部姿态估计模型 —— FAR-HandNet。该模型巧妙地融合了聚焦线性注意力模块、关键点对齐策略以及回归残差拟合模块，有效地增强了对小目标区域（如手部）的特征捕捉能力，同时减少了自相似性对手部关键点定位精度的不良影响。值得一提的是，回归残差拟合模块借助流生成模型对关键点残差分布进行拟合，极大地提升了回归模型的精度。本文的实验在 CMU 和 FreiHAND 数据集上展开。实验结果清晰地表明，FAR-HandNet 在参数量和计算效率方面优势明显，在不同阈值下的 PCK（Percentage of Correct Keypoints）表现优异，相较于现有方法有显著提升。此外，该模型的推理时间仅需 32ms。消融实验进一步证实了各模块的有效性，充分验证了 FAR-HandNet 在手部姿态估计任务中的有效性和优越性。

摘要:上肢功能丧失给截肢患者带来了诸多生活不便，为了提高上肢截肢人群的生活质量，需开发低成本、轻量且功能强大的假肢系统。本文提出一种三自由度模块化轻量上肢假肢臂及其多关节协同控制系统的设计方案，旨在提供一个轻便、经济、模块化且功能全面的假肢解决方案。通过采用镂空结构设计，假肢臂的整体重量显著降低（约2公斤），远低于现有商业化假肢产品，同时确保自由度数量及有效降低制造成本，提升了假肢的舒适性和适用性。此外，本文设计的多关节控制系统结合精确的协调算法，能够精确控制各关节同时达到预定角度，满足不同程度截肢者对多关节协同运动的需求。通过精度和效率测试，结果表明，该假肢在控制精度方面表现出色，且运动效率能够满足日常生活中的绝大多数需求。