与目前的平面传感器相比,曲面成像传感器可显著减小成像系统的尺寸、重量和成本,同时减轻离轴光学像差。在过去二十年中,解锁这些关键功能引起了主要参与者的兴趣。SILINA 一直在开发一种可适应各种传感器特性的 CMOS 图像传感器弯曲工艺。该工艺使图像传感器能够变形为各种形状,从而最大限度地提高每个成像系统的性能。事实上,曲面 CMOS 图像传感器 (CIS) 有助于制造紧凑型光学仪器,尤其是成像仪、望远镜和光谱仪。简化光学系统可以将光机约束从设计阶段释放到集成阶段。如今,自由曲面光学元件参与了满足紧凑、快速、广角和高分辨率系统共同需求的解决方案的开发。然而,自由曲面在制造和计量方面仍然极其昂贵。此外,场曲像差仍然难以校正,而曲面 CIS 则为此提供了合适的解决方案。2021 年初,SILINA 展示了球面和非球面 CIS 的制造,为光学系统设计开辟了新领域。光学设计师现在可以考虑各种传感器形状,通过考虑球面、非球面或更复杂的焦面来优化他们的系统。
q 第二年:在第二年,数据分析将结束。将对自由曲面镜制造和主要约束进行更深入的研究。为了获得最终的光学元件,将对原型进行实验室研究,以验证模型的性能。这项工作的第二部分将部分由莱昂纳多的实验室领导。今年年底,一项新的活动将开始,重点关注自由曲面光学元件的应用,旨在使卫星小型化。
人们对活性物质的集体行为产生浓厚兴趣的驱动力是理解天然材料物理的目的。一类研究较为深入的活性物质,包括上皮细胞、细长细菌和活细胞内的丝状颗粒,可以通过棒状颗粒的相互作用来描述。这将这些系统与向列液晶联系起来,这些颗粒之间具有长程取向顺序。调整这些理论并通过活性成分对其进行扩展,产生了“活性向列相”的概念,详情见[7]。活性作用使系统失去平衡,导致拓扑缺陷的自发产生/湮灭、长程向列相序的破坏和活性湍流的形成。如果将此类系统限制在曲面上,拓扑约束将强烈影响新出现的时空模式。利用这些拓扑结构,可以实现对向列相液晶的精确控制。
图4:模拟的角度分散。(a)在1570 nm的波长(电偶极共振模式)波长下,元表面的元表面透射率。(b)在1400 nm(磁模式)波长下具有相同的透射率。(c)磁模式的(b)子图中沿虚线的传输值以及数据的高斯拟合值。
Shor 的论文对密码学界造成了威胁,人们意识到了后量子系统的必要性。2016 年,美国政府机构国家标准与技术研究所 (NIST) 呼吁开发新的后量子密码算法,以便在不久的将来系统化后量子候选算法 [11],并于 2019 年根据各种数学问题公布了 17 个公钥加密和密钥建立算法候选算法和 9 个数字签名算法候选算法 [10]。目前,有五个主要的后量子研究领域正在进行,其中四个在 [3] 中进行了讨论,包括基于格问题的基于格的密码学、基于解码一般线性码的基于代码的密码学,这是一个 NP 完全问题 [2]、基于求多元二次映射的逆的难度或等价于求解有限域上的一组二次方程的多元密码学,这是一个 NP 难问题、基于单向哈希函数的基于哈希的密码学和基于同源问题的基于同源的密码学,例如 [5, 4]。在本文中,我们提出了一种密钥交换协议,其安全性依赖于计算代数几何中的各种问题,例如求解大型多变量高次多项式方程组,或者寻找由多个多变量多项式生成的理想的初等分解,我们推测这些问题是量子安全问题。简而言之:Alice 通过 Segre 和 Veronese 映射选择一个嵌入在大型射影空间中的二次曲面。她提供了一些信息,例如嵌入和品种的自同构,以便 Bob 可以生成达成一致公共密钥所需的嵌入。Bob 和 Alice 都有各自的嵌入,通过这些嵌入他们可以隐藏他们的秘密二次曲面,而是发布包含各自嵌入图像的相应超平面。现在,通过使用他们的私有嵌入,他们计算彼此超平面的拉回,恢复(2,2)齐次曲线,并最终计算组件的 j 不变量。在一些启发式假设下,双方都能够以高概率获得此类组件。j 不变量相等,这是 Alice 和 Bob 的共同密钥。尽管公开数据可用,但由于对潜在问题的假设,攻击者无法恢复私有数据的信息。
在先进材料中制造 3D 介观结构的策略越来越受到关注,[1–16] 其应用领域包括微机电和纳机电系统 (MEMS 和 NEMS)、[17–23] 储能设备、[24–28] 超材料、[7,29–34] 电子和光电系统、[35–42] 以及生物医学工具 [43–49]。现在有许多不同的制造方法,包括基于轧制/折叠 [50–54] 非平面弯曲、[55–57] 3D 打印 [58–62] 和屈曲引导的几何变换 [63–69]。后一种方法特别有吸引力,因为它们与成熟的平面制造技术和先进的薄膜材料兼容,许多电子设备和微机电系统的例子都证明了这一点,它们由于 3D 结构而具有不同寻常和/或增强的性能
摘要 —irborneirborneLiDAR(光检测和测距)数据广泛应用于建筑物重建,研究报告称在典型建筑物中取得了成功。然而,弯曲建筑物的重建仍然是一个悬而未决的研究问题。为此,我们提出了一种通过组装和变形几何图元进行弯曲建筑物重建的新框架。输入的 LiDAR 点云首先转换为轮廓,其中识别出各个建筑物。从建筑物轮廓中识别出几何单元(图元)后,我们通过将基本几何图元与这些图元匹配来获得初始模型。为了完善组装模型,我们使用扭曲场来细化模型。具体来说,通过对初始模型进行下采样来构建嵌入式变形(ED)图。然后,通过基于我们的目标函数调整 ED 图中节点参数,将点到模型的位移最小化。所提出的框架在不同城市的各种 LiDAR 收集的几个高度弯曲的建筑物上得到了验证。实验结果以及精度比较证明了我们方法的优势和有效性。新见解归因于一种有效的重建方式。此外,我们证明基于原始的框架将数据存储显着减少到传统网格模型的 10-20%。