摘要：【目的】为了解决目前商业多孔碳应用于超级电容器电极材料时存在的可接触面积小、传质阻力大的问题，研究性能优异的介孔碳材料制备方法。【方法】　采用熔盐介质中的镁热还原法，利用碳酸钠作为碳源和产物的石墨化催化剂制备介孔碳材料；通过产物的综合表征，探索其显微结构和电化学性能；研究镁热还原反应的过程机制和产物显微结构的成因。【结果】产物介孔碳具有较大的比表面积（752 m2·g-1）、较大的孔体积（1.22 cm3·g-1）、孔径单一（5.3 nm），缺陷密度低（强度比ID/IG为0. 7）的特点，适合于水系电解质中储能；应用于超级电容器时，在电流密度为50 A·g-1时比电容可达113 F·g-1，当电流密度由1 A·g-1增至50 A·g-1时电容保持率达到76%。【结论】熔盐介质中镁热还原制备的的介孔碳具有独特的显微结构，可作为超级电容器的电极材料，从而实现其高倍率性能。

摘要：钴酸镍作为一种具有室温磁性、低毒性、高稳定性和易于控制形貌等独特性质的尖晶石型材料，被认为是极具前景的光电反应催化剂，在环境催化和光电催化反应领域具有巨大的应用潜力。近年来，随着研究不断深入，研究学者采用多种方法合成出不同形态的钴酸镍晶体，同时进行掺杂、沉积等调控措施对合成的钴酸镍进行改性，以达到进一步提升催化性能的目的。然而，由于目前合成策略对钴酸镍形貌特征的影响研究缺少系统总结，限制了对其构效关系的理解以及在光催化技术领域的发展应用。因此，本文概述了水热法、均相沉淀法、静电纺丝法、配位共沉淀分解法等合成方法，以期指导钴酸镍可控合成并提升催化效能。此外，未经改性的钴酸镍催化剂的催化活性往往较低，导致光催化效率不能满足实际应用需求，因此，本文还总结了钴酸镍光催化剂不同的改性策略，包括异质结构建、体相掺杂、表面修饰、形貌调控、贵金属沉积等。针对光催化剂大规模使用过程中普遍存在二次污染这一痛点，本文还介绍了钴酸镍光催化剂的磁性回收方法与应用潜力。最后，展望了钴酸镍材料在可见光催化领域未来可能的发展方向以及亟待完善的工作。

摘要：系统级封装（system in package，SiP）作为后摩尔时代异构集成的关键技术，其内部多级互连结构的尺寸跨度达3个数量级，而互连尺寸的持续减小导致传统分析方法的成本与难度显著攀升. 文中旨在建立一种快速准确的 SiP器件评估方法，为器件可靠性设计提供支撑，首先对 SiP器件的互连焊点形态进行精准预测，基于该结果构建等效简化的 SiP整体模型及可控塌陷芯片互连（controlled collapsed chip connection,C4）、芯片互连（chip connection,C2）专用子模型，以降低仿真计算复杂度，随后采用子模型有限元分析方法，开展实际工况下的热循环有限元仿真，定位应力危险点并进行子模型计算，完成不同互连结构的寿命评估. 结果表明，通过有限元仿真成功定位 SiP 器件的应力危险点，子模型计算有效反映了不同互连结构的力学性能差异，经寿命对比分析最终明确了兼具可靠性与经济性的最优互连结构，同时验证了所建立的等效简化模型及子模型分析方法的准确性与高效性.创新点：(1)建立了一种SiP高密度封装器件的跨尺度等效简化模型，最大及最小结构尺寸相差3个数量级.（2）阐明了互连结构对SiP器件热循环可靠性的影响规律，并对其实际工况下的寿命进行了预测.

摘要：为了提高圆管焊接质量，提出了一种基于激光视觉系统和卷积神经网络的高精度焊后焊缝检测和分割方法，可对5 种高度或宽度小于1 mm 的小尺度焊接缺陷进行检测、分割.方法主体由一个多任务卷积神经网络组成，接收激光条纹点云信息，可同时对焊缝区域进行检测、分类和分割，与现有基于单任务卷积神经网络的方法相比，提出的方法可以获取更全面的焊接缺陷信息.通过构建的激光视觉系统生成焊缝区域激光条纹点云数据集，在此数据集上对所提出的网络进行了训练和评估.结果表明，在焊接缺陷检测任务上，该方法的平均准确率为99.58%，平均精确率为99.43%，平均召回率为97.05%.此外，该方法在焊接缺陷分割任务中的平均交并比（mean intersection over union，IoUm）准确率为92.58%，通过在实际工件上的测试结果表明，分割的平均误差低于0.1 mm，所提出的方法在焊缝缺陷检测和分割任务中都表现出较高的准确性.创新点： (1) 建立基于激光点云的圆管高度或宽度小于1 mm 的小尺度焊接缺陷焊后检测系统.(2) 提出基于深度学习的小尺度圆管焊接缺陷检测分割方法，实现对5 种焊缝缺陷的检测和分割.

摘要：大气等离子体（Atmospheric Pressure Plasma，APP）刻蚀技术凭借非接触加工、常压操作及物理-化学协同去除机制，在光学元件与半导体器件加工领域展现出巨大潜力。然而，现有研究对等离子体-材料原子级相互作用机理、热力学非线性效应及反应副产物控制的系统性认知仍显不足，制约了其规模化应用。为推进APP 刻蚀技术在超精密制造领域的突破，本文系统解析了介质阻挡放电、射频放电及微波放电装置的创新设计，深入探讨了工艺参数协同优化机制与表面质量控制策略。研究发现，通过调控气体组分、激活原子选择性刻蚀模式，可同时实现超高材料去除率与原子级表面平整度；阵列化射流技术可大幅提升体积去除率，显著突破大口径元件加工效率瓶颈。同时，通过建立热效应与工艺参数的耦合模型，动态调整加工过程中的工具作用方式，显著降低了加工残差，而纯Ar 等离子体诱导的台阶-平台自组织重构可有效消除亚表面损伤。本文还综述了APP 刻蚀技术在光学自由曲面、半导体高深宽比结构及第三代半导体器件制造中的创新应用，证实其兼具高效性与原子级精度。最后，前瞻性指出该领域需突破热力学非线性效应控制、难熔副产物层管理、原子级机理认知及大面积均匀等离子体源开发等挑战，为APP 刻蚀技术迈向工业级超精密制造提供理论支撑与技术路线。

摘要：二维自旋电子学器件因其表面无悬挂键的特性，可堆叠或生长形成具有超高质量界面与高自旋注入效率的范德华异质结，有望突破传统自旋电子学器件中晶格匹配与兼容性的限制，进而实现自旋电子学的重大物理和技术突破。系统归纳了制备二维材料的多种方法，并以二维铁磁材料Fe3GeTe2、Fe3GaTe2和二维拓扑半金属WTe2等为例，重点阐述了二维铁磁异质结的最新研究动态。最后，对二维自旋电子学器件的发展进行了总结与展望。

摘要：氧化铪基铁电隧道结因其与CMOS 工艺存在良好的兼容性， 在随机存储器领域具有巨大的应用潜力。利用Airy 函数严格求解了TiN / HZO / Pt铁电隧道结的隧穿电致电阻问题。研究结果表明: 在高偏压区域， 隧穿电导和隧穿电致电阻效应随偏压和隧穿层厚度均出现振荡现象。物理上， 该振荡现象来源于隧穿层中的入射电子波与隧穿层和右电极界面处的反射电子波产生的干涉效应。阐明了氧化铪基铁电隧道结实验结果中振荡现象的物理机制。此外，当偏压加在Pt电极时， 出现了负的隧穿电致电阻效应， 表明隧穿电导不仅与平均势垒的高度有关， 也与隧穿层的势结构有关。本研究为氧化铪基铁电隧道结在随机存储器领域的应用奠定了理论基础。

摘要：随着先进工艺节点设计成本呈指数增长，chiplet（芯粒）架构被视为突破单片集成经济瓶颈的关键路径。然而，当前chiplet 产业面临“标准悬空、门槛高企、生态稀少”的三重困境：UCIe（UniversalChiplet Interconnect Express）联盟等互连标准虽快速演进，但从标准规范到可量产物理实现之间存在巨大工程鸿沟；头部厂商普遍依赖自研专有方案，标准缺乏真实产品的流片验证而难以完善；高昂的开发成本使中小企业望而却步，生态参与者极度稀少。提出“芯粒库”（chiplet library）概念，即一种基于“FPGA 原型验证平台＋chiplet 互连协议物理层验证卡＋EDA 仿真补偿”的混合快速验证体系。现场可编程门阵列（field programmable gate array，FPGA）平台承载芯粒功能逻辑与互连协议数字层的可编程验证，物理层验证卡以真实先进封装工艺提供封装内互连信道的直接测量，电子设计自动化（electronic design automation，EDA）仿真工具补偿验证卡上缺失的完整OC（on−chip）物理场环境（电源分配网络（power distribution network，PDN）噪声、热耦合、跨die（裸片/晶粒）干扰），并支持封装工艺变体推算，三者互补构成完整的验证链路。分析了该方案在运行频率差异、接口互连协议（Interconnect protocol，IP）分割、缺乏完整系统级芯片（system on chip，SoC）物理环境等方面的已知局限并给出应对思路，进而探讨了芯粒库在推动标准实践迭代、盘活存量芯片资源和催熟芯粒架构增量开发等方面的产业意义。

摘要：人工智能的发展目标是使机器像人类一样思维和行动，不仅能求解复杂问题，更重要的是能在一个复杂、动态、不确定的物理世界中进行交互。具身智能强调智能体通过物理载体与环境的动态交互，在感知、决策与行动中不断学习和进化，从而突破传统静态数据训练模型的局限，展现出更强的环境适应性与泛化能力，已成为实现人工智能发展目标的关键路径之一。本文深入探讨了具身智能的概念、内涵、计算框架与系统实现，在此基础上进一步梳理了具身智能的发展现状、演进趋势与面临的挑战。同时，特别指出，生成式人工智能，尤其是大语言模型、多模态大模型以及正在演进的“信息-物理-认知”三域融合大模型等技术在加速具身智能演进中的关键作用。面对全球人工智能竞争日益加剧的态势，总结与分析了我国在具身智能领域发展取得的进展和面临的风险，并提出了我国应重点布局的研究方向和针对性的对策建议，助力我国在全球具身智能竞赛中占据领先地位。

摘要：人工智能（AI）技术正深度融入关键基础设施，其韧性对保障系统安全稳定运行至关重要。本文将AI韧性定义为稳健性、防御力、复原力和进化力4个核心维度，系统梳理AI韧性研究的现状，围绕上述4个核心维度综述国内外关键技术进展，并特别关注大语言模型等新技术带来的新挑战与新方案。在此基础上，研究提出了当前AI韧性发展面临的能力建设缺乏顶层规划、评测体系缺少真实场景、大模型韧性重视不足等突出问题。研究建议：加强战略引领，构建系统化韧性框架；建设高保真、多维度、可复现的韧性评测体系；重点挖掘大模型潜力，推动其在“训练-部署-运行-更新”全生命周期的多层级韧性能力提升，以构建更可靠、可信且持续的智能系统。