在过去的几十年中,数字和模拟集成电路的集成密度和性能经历了一场惊人的革命。虽然创新的电路和系统设计可以解释这些性能提升的部分原因,但技术一直是主要驱动力。本课程将研究促成集成电路革命的基本微制造工艺技术,并研究新技术。目标是首先传授构建微型和纳米器件的方法和工艺的实际知识,然后教授将这些方法组合成可产生任意器件的工艺序列的方法。虽然本课程的重点是晶体管器件,但许多要教授的方法也适用于 MEMS 和其他微型器件。本课程专为对硅 VLSI 芯片制造的物理基础和实用方法或技术对器件和电路设计的影响感兴趣的学生而设计。30260133 电子学基础 3 学分 48 学时
引用本文: 种峻楷, 胡广超, 高建明, 霍向涛, 郭敏, 程芳琴, 张梅.面向未来“双碳”形势下低阶煤高值化利用研究进展与思考[J].北科 大:工程科学学报 , 优先发表.doi: 10.13374/j.issn2095-9389.2024.10.02.001 CHONG Junkai, HU Guangchao, GAO Jianming, HUO Xiangtao, GUO Min, CHENG Fangqin, ZHANG Mei.Research progress and new thoughts for high-value utilization of low-rank coal according to the future “dual-carbon” policy[J].Chinese Journal of Engineering , In press.doi: 10.13374/j.issn2095-9389.2024.10.02.001
使用基于密度函数理论的第一原理计算方法,我们对石墨烯,德国烯和二维石墨烯样晶晶(2D-GEC)的电子结构进行了深入探索。我们专门分析了这三种材料的元素结构,带性能和电子密度。基于密度函数理论框架内的第一原理计算,我们发现单层GEC具有独特的直接带隙特性,其直接带隙宽度预先计算为2.21 eV。通过将平面内应变应用于单层,我们掩盖了单层GEC具有可调的带结构。研究结果表明
(! div>“#$%$&'#() *) *,“ $ 0 $ 7&) + 2- $ 0- $ 1913:; 5 %% 5&%,4/13#) div>
研究小组专注于模式识别,计算机视觉,信号处理和机器学习(深度学习)方法。我们的重点在于探索国际科学和技术最前沿,以建立智能图像解释(多模式遥感信息获取和处理),时空的大数据分析和处理,边缘计算(嵌入人工智能)以及其他相关领域的专业知识。
因此,跨个体、跨场景的脑电分析方法逐渐成为研究热点。越来越多的研究人员将广泛应用脑 电信号分析的特征于跨个体、跨场景的脑电信号分析研究中。 Touryan 等人采用经典的独立成分分 析的特征分析方法描述特征空间,计算功率谱密度( Power Spectral Density , PSD ),并采用顺序 前向浮动选择方法识别频谱特征中的独立成分集,结果表明该方法可以识别出跨场景脑电信号中的 共同成分 [88] 。 Kakkos 等人采用了特征融合的方法,将 PSD 与功能连接特征相结合,提高了跨场景 分类的性能,并证明了脑特征融合在跨场景中的应用更为有效 [89] 。 Xing 等人将模糊熵特征用于跨 场景脑电信号分析,发现模糊熵特征相对于其他特征更能适合跨场景 [90] 。卷积神经网络 ( Convolutional Neural Networks , CNN )和递归神经网络( Recurrent Neural Networks , RNN )等基 于深度学习的新型跨任务模型在跨场景脑电分析中展现了巨大潜力。这些模型能够自动提取特征和 学习复杂的脑电特征,从而有效地缩小不同任务和场景之间的差距,提高模型的泛化能力 [91][92][93] 。 近年来,一些跨学科的方法被创新性地应用于跨场景研究, Zhao 等人提出了一种跨学科的对齐多 源域自适应方法,用于跨个体的 EEG 疲劳状态评估,显著提高了模型的泛化能力 [94] , Zhou 等人在 此基础上进行改进,提出了一种跨任务域自适应方法,有效提升了跨场景认知诊断的性能 [95] 。
引用本文: 刘胜南, 付强, 冯楠, 张春华, 贺威.面向扑翼飞行机器人的电子稳像算法设计[J].北科大:工程科学学报 , 2024, 46(9): 1544- 1553. doi: 10.13374/j.issn2095-9389.2023.10.06.001 LIU Shengnan, FU Qiang, FENG Nan, ZHANG Chunhua, HE Wei.Design of an electronic image stabilization algorithm for flapping-wing flying robots[J].Chinese Journal of Engineering , 2024, 46(9): 1544-1553. doi: 10.13374/j.issn2095- 9389.2023.10.06.001
Figure 12.1540-MeV 209Bi ion irradiation 1.7 × 10 11 ions/cm 2 TEM images of AlGaN/GaN HEMT devices: (a) Gate region cross-section; (b) The orbital image of the heterojunction region shown in Figure (a); (c) The image shown in Figure (a) has a depth of approximately 500 nm; (d) Traces formed at the drain; (e) As shown in Figure (d), the trajectory appears at a depth of ap- proximately 500 nm [48] 图 12.1540-MeV 209Bi 离子辐照 1.7 × 10 11 ions/cm 2 的 AlGaN/GaN HEMT 器件的 TEM 图像: (a) 栅极区域截面; (b) 图 (a) 所示异质结区域轨道图 像; (c) 图 (a) 所示深度约 500 nm 图像; (d) 在漏极形成的痕迹; (e) 如图 (d) 所示,轨迹出现在深度约 500 nm 处 [48]