• 在电致发光图像上，利用DCGAN和VGG16集成模型中的感知损失增强光伏缺陷检测

  摘要：光伏（PV）模块中的缺陷会显著影响其效率和可靠性，因此准确检测缺陷对于质量控制至关重要。本研究提出了一种改进的生成对抗网络框架，该框架结合了深度卷积生成对抗网络（DCGAN）、视觉几何组16（VGG16）和感知损失函数，以生成高质量的合成缺陷图像并提高缺陷分类的准确性。所提出的模型将分类准确率从84%提升到了90%，显示出比标准DCGAN更优越的性能。主要改进包括生成更真实的合成图像、减少图像质量差异以及解决缺陷数据集中的类别不平衡问题。该改进框架在表示罕见和复杂的缺陷方面表现尤为出色，能够在保持合成数据多样性和真实性的同时提高对具有挑战性模式的分类效果。尽管在捕捉细微缺陷细节方面存在一

  来源：IEEE Journal of Photovoltaics

  时间：2025-11-19

• 全球可再生能源进展：太阳能主导地位与储能协同发展的追踪分析（第5版）

  随着全球气候变化问题日益严峻，能源转型已成为国际社会的共同课题。电力部门作为碳排放的重要来源，其清洁化进程尤为关键。近年来，可再生能源特别是太阳能光伏(PV)技术取得了突破性进展，但全球电力系统的转型速度是否足以应对气候变化？各种清洁能源技术的实际贡献如何？这些问题的解答需要基于权威数据的持续追踪。发表在《IEEE Journal of Photovoltaics》的这项年度研究，通过系统收集和分析全球电力数据，揭示了2024年能源转型的最新进展。研究发现，太阳能光伏继续引领全球电力装机增长，占新增容量的70%，而中国和美国分别以278 GWAC和38 GWAC的装机量成为最大市场。更令人振奋

  来源：IEEE Journal of Photovoltaics

  时间：2025-11-19

• 现代太阳能电池精确J0e测量的挑战：输入参数不确定性的敏感性研究

  在追求更高转换效率的太阳能电池研发道路上，精确表征载流子复合行为已成为优化生产工艺的关键环节。特别是发射极饱和电流密度（J0e）这一参数，它如同电池结构的"健康指标"，直接反映载流子在发射极区域的复合损失程度。随着TOPCon、HJT等高效电池技术的普及，现代电池的J0e值已普遍低于10 fA/cm²，这对测量精度提出了前所未有的挑战。然而在实际生产中，工程师们往往面临一个尴尬局面：电池衬底的厚度和电阻率参数通常只能从晶圆规格书中获取大致范围，这种"模糊认知"导致寿命参数测量结果存在显著不确定性，如同透过毛玻璃观察细胞结构，难以精准定位工艺改进方向。发表于《IEEE Journal of Ph

  来源：IEEE Journal of Photovoltaics

  时间：2025-11-19

• 具有谐波抑制功能的像素重新分配结构化照明显微镜，用于三维测量

  摘要：基于相移技术（PS-SIM）的结构光显微镜被提出用于精确的三维（3D）重建。在这种方法中，使用具有预定义相位差的多帧图像来计算调制信息，并进一步确定3D形状。尽管PS-SIM可以达到高测量精度，但该方法对数字微镜装置（DMD）和相机引起的相移误差及谐波非常敏感。在本文中，我们提出了一种名为“像素重分配结构光显微镜”（PR-SIM）的方法，该方法能够抵抗谐波的影响并实现高测量精度。在该方法中，三个相移图像的像素被重新分配以生成一个新的融合图像，然后对生成的图像进行二维傅里叶变换以获得频谱。在频域中，谐波部分被有效分离，从而可以确定精确的调制分布。与传统PS-SIM相比，该方法能够有效抑制谐

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• 一种采用45纳米CMOS工艺制造的、单片集成的五段马赫-曾德尔调制器，该调制器配备了分布式驱动电路

  摘要：我们展示了一种采用45纳米CMOS工艺单片集成的O波段硅光子学五段式马赫-曾德尔调制器，该调制器配备了分布式驱动器，并通过导线键合封装在PCB上。每个段包含一个共栅驱动器和一个0.7毫米长的行波电极以及相应的终端。在没有前馈均衡（FFE）的情况下，测量结果显示在40 Gbaud速率下，该调制器的误比特率（BER）低于KP-4和KR-4 FEC阈值，同时能量效率为3.09 pJ/bit。在使用模拟五抽头有限脉冲响应（FIR）均衡器的情况下，同样在50 Gbaud速率下，误比特率也低于KP-4 FEC阈值，能量效率为2.47 pJ/bit。这种设计方法使得功耗仅为116.5 mW。引言将光子

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• InGaN/GaN环形微激光器在硅衬底上的高温运行与光谱稳定性研究

  摘要：研究了在硅基底上制备的III-N环形微激光器，其活性层采用InGaN/GaN材料，发射波长接近420纳米。通过优化生长条件和制造工艺，实现了在直径为6微米的腔体中稳定发光。化学敏感的透射电子显微镜图像显示，InGaN层以孤立岛屿的形式存在。在这些InGaN岛屿之间，可以观察到大面积的GaN区域，这些GaN区域形成了阻碍自由载流子横向传输的屏障，从而防止了非辐射表面复合现象。首次对InGaN/GaN微环激光器的温度稳定性进行了研究，并证明了该激光器在高达100摄氏度的温度下仍能正常工作，且波长变化小于1纳米。在室温下，阈值泵浦功率低至220千瓦/平方厘米。这些研究结果显著扩展了III-N微

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• 使用可调谐锁模激光器对啁啾光纤布拉格光栅的色散进行测量

  摘要：本文提出并展示了一种基于波长可调模式锁定光纤激光器的啁啾光纤布拉格光栅（CFBG）精确色散测量方法。分析了群延迟与模式锁定激光器重复频率之间的关系。通过实验测定了商用可调CFBG的色散系数以及其色散调谐范围，结果与制造商提供的规格相符。与其他技术相比，该方法操作更为简便。所获得的高阶色散信息将对光纤啁啾脉冲放大系统和超快激光技术具有重大意义。引言FEMTOSECOND激光器在科学研究和工业应用中发挥着不可或缺的作用。自从啁啾脉冲放大（CPA）系统问世以来，激光峰值功率和脉冲持续时间的纪录不断被刷新[1]、[2]。在CPA系统中，色散管理至关重要，尤其是在脉冲展宽器和压缩器阶段[3]。为了

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• 基于连续介质中束缚态的Etchless锂铌酸盐TM-Pass偏振器

  摘要：本文提出了一种高性能的锂铌酸盐TM偏振器，并通过实验进行了验证。该偏振器基于绝缘体上的聚合物负载锂铌酸盐（LNOI）平台，利用连续介质中的束缚态来实现偏振功能。在聚合物-LNOI脊波导中，TM偏振波会发生模式泄漏，其泄漏强度取决于脊波导的宽度和半径。当波导满足特定的脊宽和半径条件时，连续介质中的束缚态得以形成，从而有效抑制了泄漏损耗。通过使用弯曲波导将TE光引导至波导内部，可以实现极高的消光比。三维时域有限差分法（3D FDTD）仿真结果显示，在1500至1600纳米的波长范围内，TM模式的损耗小于0.4分贝（dB），消光比超过34 dB。在中心波长1550纳米处，实测的插入损耗小于0.

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• 利用腔内圆锥透镜直接生成多个拉盖尔-高斯模式

  摘要：我们展示了如何直接、有序地从Nd:YAG激光器中生成多个拉盖尔-高斯（LG）模式。通过沿谐振器轴线移动腔内圆锥透镜，我们实现了在L0±l模式下的振荡，并在特定位置实现了1064纳米波长的多个L0±l模式的同步发射。据我们所知，这是首次在固态系统中实现具有连续可调拓扑电荷的多L0±l模式激光输出。本研究的理论指导基于模拟结果，而多个L0±l模式的出现可以通过模式竞争来解释。作为一种新型的涡旋光束，有序可调的多L0±l模式发射在光学操控和光学通信领域具有广阔的应用前景。引言光学涡旋最早由P. Coullet等人在1989年提出[1]。它们具有螺旋波前和相位奇异性，通过拓扑电荷提供了额外的自由

  来源：IEEE Photonics Technology Letters

  时间：2025-11-19

• 迈向尊重隐私的服务机器人

  摘要：未来的服务机器人有望在多种场景中提升我们的生活质量。然而，它们也会带来多方面的隐私威胁。在详细阐述这些威胁之后，我们提出了可能的研究方法，以了解并实施用户的隐私偏好，同时考虑机器人的能力及其应用环境，包括公共空间中的多用户场景。我们的工作旨在推动未来的研究工作，促进这些机器人的负责任、符合隐私规定的应用。一个由通用人工智能（GenAI）、人形机器人技术、自然语言处理和多模态推理的进步所驱动的服务机器人新时代正在兴起。这类机器人的特点将包括两个方面：(a) 能够对我们周围的实际环境进行语义理解，从而提高导航的自主性和情境感知能力；(b) 通过双向多模态界面（包括视觉、语音和手势信号）更自然

  来源：IEEE Pervasive Computing

  时间：2025-11-19

• 基于双核微控制器的多模态场景识别中的并行特征融合

  摘要：多模态感知为普适计算应用提供了更强大的环境理解能力，但在资源受限的设备上实现复杂的传感器融合仍然具有挑战性。我们提出了一种新颖的方法，该方法利用双核微控制器来并行处理视觉和音频数据以进行场景识别。我们的系统在不同的核心上同时执行专门的神经网络，并高效地融合它们的中间特征，在九种不同环境中实现了93%的分类准确率。这比单一模态方法提高了12.27%，同时与顺序处理相比延迟减少了48毫秒。整个系统仅占用258 KB的内存，证明了即使在资源高度受限的设备上也能实现复杂的多模态人工智能。通过无需云连接即可实现复杂的环境理解，这项工作为未来各种应用推进了隐私保护的边缘智能。边缘计算为小型电池供电设

  来源：IEEE Pervasive Computing

  时间：2025-11-19

• 探索智能助行器对老年用户的机会与挑战：一项调查

  摘要：全球60岁以上的老年人口正在迅速增加，导致越来越多的人出现影响行动能力的身体和认知障碍。这引发了对辅助设备（如助行器、手杖和轮椅）的巨大需求。尽管这些设备价格低廉，但老年人在行走时仍面临许多挑战。为了解决这些问题，研究人员开发了配备了传感器的智能助行器，以提供更好的支持并提高生活质量。本文全面评估了现有智能助行器在提供身体支持、认知辅助、传感器辅助以及健康监测方面的功能，探讨了它们的潜力、面临的挑战以及未来改进的方向。过去十年中，60岁以上的老年人口数量急剧增加。由于年龄因素，大多数老年人存在身体和认知障碍。面对这些障碍，他们更倾向于居家生活，因为居家生活能提供更大的隐私和自主性，而且比

  来源：IEEE Pervasive Computing

  时间：2025-11-19

• DeMatch++：通过深度运动场分解和相应的局部上下文聚合实现的双视图对应关系学习

  摘要：双视图对应关系学习越来越关注图像对之间运动场的连贯性和平滑性。传统方法要么通过大量的计算开销来规范场函数的复杂性，要么应用局部滤波器，但这些方法在处理较大场景差异时效果不佳。在本文中，我们提出了DeMatch++，这是一种受到傅里叶分解原理启发的新网络，它将运动场分解为保留其主要“低频”和平滑成分的部分。这种方法在实现隐式规范化的同时降低了计算负担，并具有固有的分段平滑性。具体来说，我们的方法将受噪声污染的运动场分解为多个线性独立的基向量，生成保持原始场主要能量的平滑子场。这些子场有助于恢复更清晰的运动场，从而实现精确的向量提取。在这个框架下，我们在每个子场内聚合局部信息，同时增强所有子

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 时间证据融合网络：长期时间序列预测中的多源视角

  摘要：在实际应用中，时间序列预测不仅需要准确性，还需要高效性。因此，模型架构的研究始终是一个热门话题。为了解决这些挑战，我们从信息融合的角度提出了一种新的骨干架构——时间证据融合网络（Time Evidence Fusion Network，简称TEFN）。具体来说，我们引入了基于证据论的基本概率分配（Basic Probability Assignment，简称BPA）模块，以捕捉来自通道和时间维度的多变量时间序列数据的不确定性。此外，我们开发了一种新的多源信息融合方法，有效整合了BPA输出中的两个不同维度，从而提高了预测准确性。最后，我们进行了大量实验，证明了TEFN在保持较低复杂度和减少

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• HandBooster+：从数据合成到渐进式多假设聚合，提升3D手部网格重建的质量

  摘要：从单张图像中稳健地重建3D手部网格非常具有挑战性，原因有二：（i）现有真实世界数据集的多样性不足；（ii）被遮挡的手部区域存在不确定性。虽然数据合成有助于解决第一个问题，但合成数据与真实数据的差距仍然限制了其应用。对于第二个问题，大多数以往的方法会产生确定性结果，而其他概率方法则依赖真实数据来选择最佳假设。在这项工作中，我们通过综合考虑两个视角来探索扩散模型以缓解这些问题：（i）用于生成真实数据的条件合成和采样方法；（ii）基于概率的建模以及渐进式多假设聚合。首先，我们提出了HandBooster，这是一种新的方法，通过在手部与物体交互的基础上训练条件生成空间，并从该空间中采样数据来合成

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 用于多视图二分图聚类的广义概率图模型

  摘要：多视图二分图聚类（MVBGC）是无监督学习中一个活跃的研究方向，旨在解决传统图聚类方法的可扩展性限制问题。尽管性能有所提升，但许多变体仍然依赖于传统的建模方法，这些方法通过添加额外的模块来增强模型复杂性，却未能揭示变量之间的内在关系。我们首次尝试引入概率图模型来处理多视图二分图聚类问题，并将其重新表述为一个最大似然估计（MLE）问题。这种建模方式能够揭示共性变量、视图特定变量以及噪声成分之间的概率关联。通过去除冗余和干扰（统称为噪声），我们证明了最小化总噪声值可以近似表示多视图数据观测值的MLE下界。进一步地，我们通过引入适合聚类的约束条件，将MLE模型进行了泛化，从而构建了一个通用概率

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 双变量图信号的交叉谱分析

  摘要：随着技术和监控工具的进步，我们经常遇到多变量图信号，这些信号可以被视为多变量图过程的实现，揭示其组成量之间的关系是一个重要的问题。为了解决这个问题，我们提出了一种用于双变量图信号的交叉谱分析工具。本研究的主要目标是将图信号的光谱分析范围扩展到双变量图信号。在研究中，我们定义了联合弱平稳图过程，并引入了双变量图过程的图交叉谱密度和相干性。我们提出了几种交叉谱密度的估计方法，并研究了这些估计方法的理论特性。此外，我们通过数值实验（包括模拟研究和实际数据应用）证明了所提出估计方法的有效性。最后，作为一个有趣的扩展，我们讨论了在存在异常值的情况下对图信号进行鲁棒光谱分析的方法。引言图信号定义在图

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 基于扩散模型的现实世界对抗性防御：针对补丁攻击的保护机制

  ```html摘要：对抗性补丁对深度学习模型的鲁棒性构成了重大挑战，因此开发有效的防御机制对于实际应用至关重要。本文介绍了DIFFender，这是一种基于扩散技术的新型防御框架，它利用文本引导的扩散模型来对抗对抗性补丁攻击。我们方法的核心是发现了“对抗性异常感知”（Adversarial Anomaly Perception, AAP）现象，该现象使扩散模型能够通过分析分布异常来准确检测和定位对抗性补丁。DIFFender将补丁定位和恢复任务无缝集成到一个统一的扩散模型框架中，通过这两者的紧密协作提高了防御效果。此外，DIFFender采用了一种高效的少量样本提示调优算法，使得预训练的扩散模型

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 基于预测驱动推理的半监督风险控制：突破小样本校准的保守性瓶颈

  在自动驾驶、医疗诊断等高风险领域，机器学习模型的可靠性至关重要。一个核心挑战是如何为模型的预测提供严格的风险控制保证，例如确保预测集以至少90%的概率覆盖真实标签。风险控制预测集（RCPS）框架是解决这一问题的有力工具，它利用留出的标注校准数据来调整一个影响预测规则错误率的超参数。然而，当标注数据有限时，校准过程会变得不稳定，导致风险控制过于保守，预测规则在不同运行间差异显著。这种小样本问题在针对特定子群体（如特定年龄段或种族）进行风险控制或进行小样本学习时尤为突出。如何利用大量易获取的未标注数据来突破这一样本量瓶颈，同时不牺牲统计有效性，成为亟待解决的问题。为此，来自以色列理工学院的研究团队

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

• 用于视觉-语言预训练的全球与局部语义补全学习

  摘要：跨模态对齐在视觉-语言预训练（VLP）模型中起着关键作用，使模型能够捕捉不同模态之间的有意义关联。为此，受到自然语言处理（NLP）预训练领域中掩码语言建模（MLM）任务成功的启发，人们提出了许多针对VLP的掩码建模任务，以进一步促进跨模态交互。以往掩码建模任务的核心思想是专注于根据可见上下文重建被掩码的标记，从而学习局部-局部对齐，即图像块与文本标记之间的关联。然而，这些任务大多忽略了为被掩码数据生成的全局语义特征，导致全局表示与另一种模态的局部特征之间的跨模态对齐能力有限。因此，在本文中，我们提出了一种新的全局与局部语义补全学习（GLSCL）任务，以同时实现全局-局部对齐和局部-局部对

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-19

知名企业招聘：