XiaoMi-AI文件搜索系统
World File Search System特邀
特邀编辑：量子科学与技术的教育与培训
量子科学和技术为光学和光子学领域的学术界、工业界和非营利组织的教育者和培训者带来了新的挑战和机遇。在过去十年中，在两年一度的国际光学教育和推广会议（OEO）和国际光学与光子学教育和培训会议（ETOP）上，有关该主题的报告显着增长。这些会议汇集了来自学术界、工业界、K-12 和职业教育、非营利组织和政府中心的顶尖专家，代表了全球所有领先的教育和培训团体。每位作者的目标都是利用正式教育计划中的非正式参与活动，与下一代科学家和工程师分享科学和光学的奇迹。参与者强烈需要在同行评议期刊上发表精选演讲。这促使客座编辑准备了光学工程中第一个特别部分，用于基于光学和光子学的量子科学和技术的教育和培训。我们收到了基于在 ETOP 2021、OEO 2020、之前的会议上展示的工作以及一些原始出版物的投稿，经过严格审查，光学工程在第 61 卷第 8 期发表了这一专题。量子科学和技术的可及性障碍是整个专题中反复出现的主题。这组出版物包含十篇论文，涉及应用于基于光子学的量子科学和技术的教育和培训方法的进展。在考虑教育和培训计划时，了解受众是关键，我们很高兴整合报告，这些报告介绍了与行业专业人士、政策制定者、艺术家和公众以及 K 至 12 年级、本科和研究生学生互动的进展。虽然量子光学和诺贝尔奖肯定会让学生望而生畏，但 Adams 和 Charles 开发了一个基于探究的项目，以提高加拿大魁北克大学生对光子学和量子光学的认识和知识（ https://doi.org/10.1117/1.OE .61.8.081805 ）。这个正规教育项目是为波和现代物理课程开发的（相当于北美其他地区一年级的物理课程）。学生选择一个诺贝尔奖，并在为该项目设计的支架的引导下进行探究。期末展示和老师的反馈也让学生反思和评估他们的学习成果。在解释量子光学现象背后复杂而抽象的概念时，公众参与可能具有挑战性。当网络量子信息技术 (NQIT) 中心于 2017 年通过英国国家量子技术计划获得资助时，Gow 等人。南安普顿大学的研究人员决定开发一种交互式演示器，将量子光子技术带给更广泛的受众（https://doi.org/10.1117/1.OE.61.8.081802）。他们的演示重点介绍了 NQIT 项目中使用的纠缠器单元和配套软件。通过反复试验，该团队了解到需要一个更具实践性的演示器，并提出了一种有趣的方式来演示量子纠缠。交互性也是 Decaroli 和 Malinowski 开发的“你会说量子吗？”物理和艺术展览的一个关键概念（https://doi.org/10.1117/1.OE.61.8.081807）。它有五个独立的装置，通过有趣的可视化解释了从量子纠错到量子计算等各种量子概念
![机载量子密钥分发：综述 [特邀]](/simg/f\fa848b471afa8b60741d9652768fc0297159e77f.webp)
机载量子密钥分发：综述 [特邀]
自由空间量子密钥分发（QKD）作为扩展量子通信传输距离的有效途径，取得了显著成果。借助卫星、飞机、无人机等移动平台，通过自由空间信道传输量子比特的可行性已被证实。鉴于星载QKD的工作时间和资源消耗有限，以及卫星节点与地面网络的最后一公里连接挑战，机载QKD有望为大规模综合网络提供灵活、可中继的链路。本文回顾了近年来基于飞机或无人机的QKD的重大进展，重点介绍了其关键技术，并展望了机载量子通信的未来。
（特邀）二次谐波产生：一种强大的非...
二次谐波生成：半导体电介质接口的强大非破坏性表征技术 Irina Ionica a 、Dimitrios Damianos a 、Anne Kaminski-Cachopo a 、Danièle Blanc-Pélissier b 、Gerard Ghibaudo a 、Sorin Cristoloveanu a 、Lionel Bastard a 、Aude Bouchard a 、Xavier Mescot a、Martine Gri a、Ming Lei c、Brian Larzelere c 和 Guy Vitrant aa Univ。格勒诺布尔阿尔卑斯，CNRS，格勒诺布尔-INP，IMEP-LAHC，38000 格勒诺布尔，法国 b INL-UMR 5270，里昂国立应用科学学院，7 avenue Jean Capelle，69621 维勒班，法国 c FemtoMetrix，1850 East Saint Andrew Place，加利福尼亚州圣安娜 92705，美国。二次谐波产生 (SHG) 被证明是一种非常有前途的介电体-半导体界面表征技术，因为它灵敏、无损，可在晶圆处理的不同阶段直接应用于晶圆。该方法基于非线性光学效应，测量包含介电体-半导体界面处“静态”电场的信号，该信号与氧化物电荷 Q ox 和界面态密度 D it 直接相关。从 SHG 测量中提取 Q ox 和 D it 的一般方法需要 (i) 根据通过经典电学方法获得的参数进行校准和 (ii) 建模以捕捉影响 SHG 信号的光传播现象。在本文中，我们基于对如何利用 SHG 进行半导体电介质表征的最新进展的回顾来讨论这些问题。简介半导体上电介质堆栈在微纳电子、光伏 (1)、图像传感器 (2)、生物化学传感器等许多应用领域的设备中无处不在。在每种情况下，界面的电质量对设备的性能都有很大的影响。通常使用两个参数来确定这种界面的电质量：固定氧化物电荷密度 Q ox 和界面态密度 D it 。大多数时候，这些参数是通过电测量（例如电流、电容、噪声 (3)）获取的，然后采用适当的提取方法并在专门制造的测试设备上实施（例如：金属氧化物半导体 - MOS 电容或晶体管）。一些其他方法可以直接在晶圆级实施，而无需任何额外的测试设备制造步骤，例如：半导体的电晕-开尔文特性 (4)、通过光电导或光致发光衰减测量进行的载流子寿命提取 (5)。除了无需任何额外步骤即可直接在晶圆上进行探测的可能性之外，选择最适合的测量方法的标准还包括灵敏度、非破坏性、区分 D it 和 Q ox 的能力、提供高空间分辨率的能力。可以满足所有这些标准的最新技术是二次谐波产生 (SHG) (6)，基于非线性光学效应。
特邀评论：行为策略：（重新）确认基础
1. 特刊介绍 Powell 等人 (2011) 的里程碑式工作确立了管理学和组织学中一个全新研究领域的界限：行为策略。行为策略“将认知和社会心理学与战略管理理论与实践相结合。行为策略旨在将关于人类认知、情感和社会行为的现实假设带入组织的战略管理，从而丰富战略理论、实证研究和现实世界的实践” (Powell，2011，第 1371 页)。这一领域牢固地扎根于一些宏大学者的关键社会和认知心理学假设 (Cristofaro，2017a；Abatecola 和 Cristofaro，2020；Urío 等人，2022) 中，例如：Barnard (1938) 关于他的“逻辑和非科学推理”； Cyert 和 March (1963) 的“企业行为理论”和“主导联盟”概念、Kahneman 的“前景理论”（Kahneman and Tversky，1979）和“启发式和偏见”计划（Kahneman，2011）、Hambrick 和 Mason (1984) 将组织视为其高层管理团队的反映的观点、以及 Thaler (1999) 的“助推理论”和“心理账户”概念。首先，有必要回顾 Simon (1957) 的“有限理性”概念，该概念与战略概念相结合，可描述如下：
特邀编辑：供应链透明度：机遇、挑战和风险
1. 引言 随着消费者、监管机构和资本市场的压力越来越大，企业被迫披露更多有关其产品和供应链 (SC) 的信息 (Menon 和 Jain，2024 年；Wang 等，2024 年；Zheng 等，2024 年)。此外，研究社会和环境绩效对企业长期发展的影响已成为一个热门话题 (Chen 等，2021 年；Gualandris 和 Kalchschmidt，2016 年；Xu 等，2023 年)。供应链透明度 (SCT) 是可持续实践的一个重要方面，越来越受到学术界的关注 (Carter and Rogers，2008 年；Morgan 等，2023 年)。此外，许多公司已经开始了 SCT 实践。例如，全球领先的运动鞋和服装制造商耐克 (Nike) 启动了一个名为“制造地图”的项目，让消费者可以查看耐克产品的制造地点以及有关劳工标准和环境影响的信息 (Nike, 2024)。著名的西班牙时尚品牌 Mango 已将其三线制造商名单公布在网上，让消费者可以透明地了解品牌在可持续发展方面所做的努力 (Mango, 2022)。提高可持续发展对企业至关重要。具体而言，可持续发展可以向利益相关者传递积极信号，促进融资行为 (Shi et al., 2024)、深化伙伴关系 (Baharmand et al., 2021; Besiou and Van Wassenhove, 2020) 并提高整体绩效 (Jia et al., 2023)。此外，可持续发展还能增强组织识别和管理风险的能力 (Dubey et al., 2019)。例如，通过提高供应链内上游业务的可见性，企业可以更清楚地了解整个供应链的运作情况（Sadeghi 等人，2023 年）。这反过来又使他们能够制定主动战略，旨在降低中断的可能性并减轻此类中断对业务运营的不利影响（Tang，2006 年）。此外，供应链透明度有助于推进可持续的企业实践（Dahlmann 等人，2023 年；Kalkanci 和 Plambeck，2020 年）并减轻信息不对称（Lamming 等人，2001 年；Sadeghi 等人，2022 年）。透明度通常被认为是一种宝贵的特质；然而，在供应链和上游业务中，保持机密性同样重要。 Bai 和 Sarkis (2020) 认为，实施 SCT 要求企业披露其复杂、多层次的供应链信息，包括原材料采购、生产流程、供应链运营、合作伙伴关系和环境保护措施。因此，推行 SCT 可能会导致负面后果，例如竞争加剧、声誉受损以及法律和监管风险（刘等人，2024 年；Sodhi 和 Tang，2019 年）。本社论旨在总结当前 SCT 研究中的关键主题。然后，我们将这些关键主题综合成一个结构化框架，这将为后续研究提供有意义的参考。最后，我们对未来的研究空白和方向提出了一些独到的见解。
美国尾流湍流重新分类的发展（特邀）
本文介绍了背景信息，并提供了联邦航空管理局 (FAA) 尾流湍流计划 RECAT（即重新分类）特定方面的状态更新。RECAT 的基本前提是，可以使用更完整的尾流相关参数集来改进尾流分离，而不是使用基于最大起飞重量的现有 FAA Order JO 7110.65 分类尾流湍流分离最小值。然后，此过程可以安全地降低尾流湍流分离最小值，使其低于 FAA Order JO 7110.65 中规定的最小值。本文介绍了 RECAT 的整体三阶段方法，最终目标是实现动态成对分离。目前，第二阶段或基于静态成对的尾流湍流分离已准备好由联邦航空管理局实施。本文介绍了分析方法，包括 RECAT 第二阶段开发中使用的数据源和严重程度指标。
特邀论文：6G 无线通信的启发式量子优化
I. 引言随着无线网络通过 5G 不断发展，通过使用毫米波频段、大规模 MIMO 和密集小区来提高频谱密度，网络设计人员正在展望 6G 发展路线图，预计社会将更加数据驱动，无线脑机接口、扩展现实和互联机器人将推动 6G 网络处理比 5G 快 10 到 1,000 倍的数据速率 [1]。为了提高频谱效率，设计人员将考虑实施超大规模 MIMO 阵列、创新的空中接口复用技术、更强大的前向纠错编码等技术，甚至在更高载波频率的更宽带宽中部署更高密度的网络。随着频谱效率的提高，6G 系统设计人员将努力提高关键性能指标 (KPI)，例如终端和基站的延迟、可靠性和能源效率，同时也会尽量不牺牲一个 KPI 来实现另一个 KPI。 6G 算法的实施可以优化数据吞吐量、频谱效率、用户密度、可靠性和延迟，并在更宽的带宽下运行，这将导致比当前 5G 系统更多的计算量。在基站和蜂窝基础设施中，5G RF 调制解调器信号处理基于经典计算概念，这些概念通常在 ASIC、FPGA 和 GPU/CPU 结构中实现。然而，经典计算性能的改进并没有像过去几年那样呈指数级增长，而是由于晶体管达到原子极限而趋于稳定 [2]。由于高效快速计算结构的设计现在与无线通信竞争，成为许多高容量无线通信系统面临的最重大挑战，因此硅片能否实现实现 6G KPI 所需的高频谱性能、低延迟和高可靠性优化算法值得怀疑。随着 6G 路线图的发展，量子计算是一种潜在的宝贵工具，可以解决未来性能、延迟和可靠性之间的权衡。如果量子计算能够为目前限制可实现网络吞吐量的复杂优化问题提供最佳算法，那么频谱效率将受益匪浅。能够进行量子信息处理的众多硬件平台可以与其他可扩展技术（如毫米波和小型蜂窝）相结合，进一步提高频谱效率。由于量子力学的线性，量子计算从根本上受限于可逆操作，这些操作不会散发热量，除了计算的初始化和读出阶段。虽然嘈杂的量子计算具有不可逆性元素，但从长远来看，量子计算原则上可以达到任意低的功耗，而如果以传统方式执行，这些计算将耗电。在过去几年中，由于纳米技术和工程技术的进步，现实世界的量子计算机已经可以商业化使用。对于无线网络，最近的研究首先利用了量子退火器，这是一种模拟量子计算处理器，并展示了集中式无线接入网络（C-RAN）中基于量子的多输入多输出（MIMO）检测器 [3] 和基于量子的低密度奇偶校验（LDPC）错误控制解码 [4] 的良好结果，为如何使用机器和基线性能指标提供了指导。在无线网络中，存在代表性的优化问题，包括但不限于先前研究的应用，这些问题受到众所周知的吞吐量和复杂性之间的传统权衡，其中最佳求解器是已知的，但考虑到可用的硬件和处理时间限制，实际实施起来非常困难。我们期望克服
特邀评论：用于情绪分析的神经符号人工智能
I. 引言基于神经网络的方法，特别是深度学习，是人工智能研究的一个新兴领域，并且在我们进入数字时代时成功处理了不断增长的数据量。如今，基于神经网络的方法不仅用于识别物体和识别关键词等低级认知任务，而且还被部署在各种工业信息系统中，以协助高级决策。在自然语言处理领域，过去十年有两个里程碑：一个是word2vec [1]，这是一组从大型数据集中学习词嵌入（单词的向量表示）的神经模型；一个是基于GPT的最新模型[2]，它将强化学习与生成式转换器相结合，以实现多轮端到端对话。虽然这些基于神经网络的模型可以对数据集进行高度准确的预测并生成类似人类的话语，但它们对数据的内部特征和表示却几乎没有提供任何理解。随后，许多问题和担忧都源于这个黑箱问题。由于其中一些问题和担忧也与情绪分析有关，我们在下面列出了其中五个：
特邀演讲人工智能与结构生物学：生物分子结构测定的未来
我们是否能够充分利用这一潜力将取决于我们使用机器学习的方式：训练数据必须经过精心设计，方法需要使用适当的架构，并且必须严格评估输出，这甚至可能需要解释人工智能决策。在本次演讲中，我们将概述机器学习在结构生物学中的当前应用，包括我们自己工作中的示例、实验人员如何使用折叠预测方法以及人工智能未来如何改变晶体学。[1] Thorn, A.* (2022). Curr. Opin. Struct. Biol. 74 , https://doi.org/10.1016/j.sbi.2022.102368。