期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于VO_(2)与光敏硅的双功能可切换THz超材料吸收器
1
作者 葛宏义 贾柯柯 +5 位作者 蒋玉英 张元 季晓迪 贾志远 补雨薇 张玉洁 《电子学报》 北大核心 2025年第2期395-408,共14页
传统可调谐太赫兹宽带吸收器大多具有结构复杂和功能单一等特点,使其实际应用场景受到局限.针对这一问题,本文基于二氧化钒(VO_(2))的热相变特性与光敏硅(Si)的泵浦光敏感特性提出了一种双功能THz超材料吸收器.通过调节VO_(2)与Si的电... 传统可调谐太赫兹宽带吸收器大多具有结构复杂和功能单一等特点,使其实际应用场景受到局限.针对这一问题,本文基于二氧化钒(VO_(2))的热相变特性与光敏硅(Si)的泵浦光敏感特性提出了一种双功能THz超材料吸收器.通过调节VO_(2)与Si的电导率不仅可实现宽带吸收与电磁诱导透明(Electromagnetically Induced Transparency,EIT)之间的动态切换,还可以动态调节吸收率与EIT谐振峰的振幅值.当σ(VO_(2))=2×10^(5) S/m且σ(Si)=10 S/m时,吸收器在1.24~3.65 THz范围内表现为平均吸收率在94%以上的宽频带吸收.当σ(VO_(2))=20 S/m且σ(Si)=1×10^(6) S/m时,吸收器的透射传输曲线表现为EIT效应,在1.50~2.50 THz范围内形成了幅度大于90%的谐振透明窗口.此外,利用阻抗匹配和等效电路理论进一步分析了吸收器的物理机制.随后分析了EIT谐振峰的折射率传感特性,f1和f2的传感灵敏度分别为224 GHz/RIU和310 GHz/RIU,Q值分别为3.82和18.5,具有良好的传感性能.最后分析了EIT窗口的慢光效应,结果表明该器件具有良好的慢光效果.本文提出的吸收器结构简单、工作频带宽、可调谐范围大并且双功能可切换,未来在光学器件、电磁隐身和传感检测等领域具有潜在的应用前景. 展开更多
关键词 太赫兹 超材料吸收器 宽带吸收 电磁诱导透明
在线阅读 下载PDF
图神经网络及其在图像处理领域的研究进展 被引量:14
2
作者 蒋玉英 陈心雨 +2 位作者 李广明 王飞 葛宏义 《计算机工程与应用》 CSCD 北大核心 2023年第7期15-30,共16页
图神经网络(graph neural network,GNN)是一种基于深度学习的图结构数据处理模型,因良好的可解释性和对图结构数据强大的非线性拟合能力而受到研究者广泛关注。随着GNN的逐步优化,GNN与图像处理技术实现融合发展,在图像分类、人体解析... 图神经网络(graph neural network,GNN)是一种基于深度学习的图结构数据处理模型,因良好的可解释性和对图结构数据强大的非线性拟合能力而受到研究者广泛关注。随着GNN的逐步优化,GNN与图像处理技术实现融合发展,在图像分类、人体解析和视觉问答等方面取得重大突破。对图像处理技术和传统神经网络理论进行介绍,并对五类GNN的原理、特点和不足进行分析与总结;同时从数据集和性能评估指标两个角度对文中所述的常用模型进行对比与总结,并补充介绍了九种常见的图像处理领域公共数据集;最后深入分析了GNN在图像处理领域中有待改进的方面,并对其应用前景进行展望。 展开更多
关键词 图神经网络(GNN) 深度学习 图结构 图像处理
在线阅读 下载PDF
太赫兹超材料智能化设计的研究进展 被引量:2
3
作者 葛宏义 季晓迪 +4 位作者 蒋玉英 李丽 王飞 贾志远 张元 《电子学报》 EI CAS CSCD 北大核心 2023年第10期2664-2679,共16页
超材料是具有特殊性质的人工电磁材料,可以调控电磁波的频率、幅度、相位和极化等基本的物理特征,在太赫兹波段具有重要的理论研究和应用价值.由于超材料结构设计过程复杂和仿真模拟计算时间的限制,超材料结构设计面临着巨大的挑战.鉴... 超材料是具有特殊性质的人工电磁材料,可以调控电磁波的频率、幅度、相位和极化等基本的物理特征,在太赫兹波段具有重要的理论研究和应用价值.由于超材料结构设计过程复杂和仿真模拟计算时间的限制,超材料结构设计面临着巨大的挑战.鉴于太赫兹超材料器件已在生物医学、宽带通信、安全筛查等领域取得一定的成果,本文从传统设计方法入手简述了太赫兹超材料常用器件的研究进展及设计过程存在的问题;详细地梳理和综述了编码超材料的研究成果,特别是编码超表面和可编程超表面;总结了深度学习算法在太赫兹超材料结构设计中的应用;最后,探讨了智能化方法在太赫兹超材料结构设计中面临的挑战和开放性的研究方向.该研究将为人们充分掌握简易、快捷和智能化的设计方法提供参考,同时也为智能化设计方法在太赫兹超材料中的发展和应用提供新的想法和思路. 展开更多
关键词 太赫兹波 超材料 编码 深度学习 神经网络 智能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部