2023年澳门太阳集团9728网站
信息技術研究生論壇（二十六）
場次一、
時間：2023年12月26日（星期二）9:30-10:30
地點：國際學院218教室
報告題目一：用于腫瘤微陣列混合基因選擇的飛鼠搜索算法改進研究
報告人：梁茜
報告簡介：精準醫療中的腫瘤診斷和治療可通過識别DNA微陣列數據中的模式和規律來進行，然而微陣列數據中包含的大量與腫瘤無關的基因給準确診斷和精準治療帶來挑戰。現有的許多從微陣列數據中選擇基因的方法仍然面臨局部最優停滞、難以平衡分類準确性和基因子集大小等缺陷。基于特征選擇方法對微陣列數據進行分析和處理，不僅有助于提升基于微陣列數據進行的疾病診斷準确率，對關鍵基因的識别更對治療和藥物研發具有重要意義。
場次二、
時間：2023年12月26日（星期二）14:00-17:00
地點：澳门太阳集团9728网站601教室
報告題目一：惡意軟件可視化檢測研究
報告人：張源
報告簡介：互聯網時代的到來和信息技術的快速發展給人們帶來各種便利的同時，也潛在了信息安全問題，特别是網絡安全問題。它威脅着用戶信息财産的安全，惡意代碼就是其中之一。雖然傳統的基于深度學習技術在針對惡意軟件文本上具備了優良的檢測性能，但由于深度學習的不可解釋性缺點，使得網絡研究人員無法進一步的分析并了解惡意軟件的特征，不利于後續的溯源以及分析維護等工作。因此，對于惡意軟件的可視化檢測過程研究也具有極其重大的意義。在本次報告中，我們将對現有的惡意軟件可視化研究進行分析與總結，并提出進一步的研究思路與方向。我們将着重針對于如何将惡意軟件文本形式轉化為圖像形式進行報告與研究，提出新的轉化思想與思路，加強對可視化檢測的研究
報告題目二：PAGANI:一種用于數值積分的并行自适應GPU算法
報告人：熊國仁
報告簡介：數值積分是一種通過數值方法來近似計算函數積分的技術。它通常用于那些無法通過解析方法求得精确解的積分問題。在金融、物理和計算機圖形學等各個領域的應用中，執行多維數值積分的能力是一種經常性的需求。由于沒有一種方法可以産生準确的結果，因此對于這些方法來說，重要的是對其計算的積分估計提供合理的誤差估計。針對大規模并行體系結構上具有挑戰性的多維數值積分問題，現有自适應算法已經證明了最好的性能，但很難實現高效的多核利用。PAGANI算法使用空間劃分和貪心策略來動态調整集成空間劃分，以實現更好的負載平衡和精度控制。該算法可以在多個GPU上并行執行，并且已經在CUDA編程模型中實現。該算法已經在多個高維積分問題上進行了測試，并且與傳統的順序方法，例如cuhre，和其他并行方法，例如二階段，相比，具有更高的精度和更快的計算速度。
報告題目三：無人駕駛汽車跨區域聯合卸載優化
報告人：楊勇毅
報告簡介：為了解決車路協同中無人駕駛汽車跨區域計算任務卸載問題，構建了一種無人駕駛汽車和路側單元(RSU)的聯合任務卸載優化模型，該模型旨在将計算任務的總能耗和時延的加權和最小化，即求出計算任務的總能耗和時延的加權和的最小值，為此提出自适應粒子群優化算法(APSO)來優化車輛計算任務卸載過程中的任務卸載策略和任務發射功率來達到計算任務的總能耗和時延的加權和的最小值。實驗表明，基于APSO的無人駕駛汽車的跨區域聯合任務卸載優化模型能顯著降低無人駕駛汽車計算任務的總能耗和時延的加權和，同時對于所構建的跨區域聯合任務卸載優化模型采用APSO求解優于采用模拟退火算法(SA)和遺傳算法(GA)求解。
報告題目四：基于格的盲簽名方案
報告人：李思毅
報告簡介：随着量子計算機的興起，傳統密碼學面臨着前所未有的嚴峻挑戰。Shor算法的問世使得傳統RSA和Diffie-Hellman等公鑰密碼系統的基石岌岌可危。這一量子算法能夠在多項式時間内解決因子分解和離散對數問題，直接威脅着目前的加密标準。盡管目前竊聽者無法解密已截獲的加密信息，但一旦強大的量子計算機問世，他們将有能力輕易解密這些加密通信的存儲内容。與傳統困難問題不同的是，格困難問題被認為是可以抵抗量子攻擊的，也是後量子密碼中最具有潛力的一類，所以構造基于格的困難問題的密碼或簽名方案是必不可少的。
報告題目五：人工智能軟件系統的非功能屬性及其質量保障方法綜述
報告人：謝钰沁
報告簡介：随着神經網絡等技術的快速發展, 人工智能被越來越多地應用到安全關鍵或任務關鍵系統中, 例如汽車自 動駕駛系統、疾病診斷系統和惡意軟件檢測系統等. 由于缺乏對人工智能軟件系統全面和深入的了解, 導緻系統 時常發生嚴重錯誤. 人工智能軟件系統的功能屬性和非功能屬性被提出以加強對人工智能軟件系統的充分認識和 質量保障. 經調研, 有大量研究者緻力于功能屬性的研究, 但人們越來越關注于人工智能軟件系統的非功能屬性. 為此, 專注于人工智能軟件系統的非功能屬性, 調研了 138 篇相關領域的論文, 從屬性定義、屬性必要性、屬性示 例和常見質量保障方法幾個方面對目前已有的研究工作進行系統的梳理和詳細的總結, 同時重新定義和分析了非 功能屬性之間的關系并介紹了人工智能軟件系統研究中可以用到的開源工具. 最後, 展望了人工智能軟件系統非 功能屬性的未來研究方向和挑戰, 以期為該領域的研究人員提供參考。
報告題目六：面向Java的高對抗内存型Webshell檢測技術
報告人：梁曉雪
報告簡介：随着攻防雙方的博弈，傳統的以文件形式駐留的Webshell越來越容易被檢測到，内存型Webshell成為新的趨勢。内存型Webshell在磁盤上不存在惡意文件，而是将惡意代碼注入到内存中，隐蔽性更強，不易被安全設備發現，且目前缺少針對内存型Webshell的檢測技術。報告面向Java應用程序，總結内存型Webshell的特征和原理以及基于RASP的動靜态結合的高對抗内存型Webshell檢測技術，研究基于文本特征的深度學習靜态檢測算法, 提升高對抗内存型Webshell的檢測效率。
報告題目七：車聯網位置軌迹保護的研究
報告人：陸映池
報告簡介：近年來，移動設備和位置技術的快速發展提高了用戶的生活，為各種應用創造了巨大的前景。通過移動設備和基于位置的服務 (LBS) 等技術讓用戶的生活更簡單。然而，當用戶利用連接的應用程序時，他們必須不斷地向基于位置的服務提供商(LBSP)提交相關信息。在空間和時間相關性方面，與快照LBS相比，連續LBS為保持位置隐私提供了更大的障礙。攻擊者可以通過查詢内容更容易地評估用戶的私人信息，包括生活方式、工作地址、興趣甚至健康狀況。因此，目前學術界的研究主題之一是如何保留移動用戶的位置信息，以确保他們在享受相關服務的同時不會洩露個人隐私。為此全面闡述了LBS中位置隐私保護機制的研究狀态和發展趨勢，對當前技術進行了分類，并描述了它們的技術和應用場景。
報告題目八：人類運動序列生成
報告人：蘇紫欣
報告簡介：人體運動生成的目标是生成自然的人體姿态序列，具有巨大的應用潛力。近年來，運動數據采集技術和生成方法取得了長足的進步，為人體運動生成的研究奠定了基礎。該領域的大多數研究集中在基于條件信号（如文本、音頻和場景上下文）生成人體運動。雖然近年來取得了重大進展，但由于人體運動的複雜性質及其與條件信号的隐含關系，該任務繼續構成挑戰。在這次研究中，我們探究了人體運動生成方法，通過介紹人體運動和生成模型的背景，以及在文本條件下的人體運動生成的代表性方法。此外，我們還提供了常見數據集和評估指标的概述。希望能對該領域的研究作進一步的了解，并不斷探索新方法來解決該領域面臨的挑戰。
場次三、
時間：2023年12月27日（星期三）9:00-12:00
地點：澳门太阳集团9728网站408教室
報告題目一：AI生成模型在視覺領域的應用與局限性
報告人：黃舉能
報告簡介：AI生成模型在視覺領域的應用呈現出令人驚歎的多樣性，為各個行業和領域帶來了全新的可能性。首先，圖像生成與增強是生成模型的一項引人注目的應用。通過學習大規模的圖像數據集，這些模型能夠生成逼真、富有創意的圖像。在數字藝術、廣告設計和媒體創作中，生成模型為創作者提供了更靈活的工具，豐富了視覺表達的方式，推動了藝術和設計的前沿。其次，生成模型在圖像風格轉換領域發揮了獨特作用。通過學習不同藝術風格的圖像分布，模型使圖像可以以油畫、水彩等多種風格呈現。這一技術不僅在電影特效、廣告創意中有所應用，還為虛拟現實和遊戲設計提供了創新的可能性，為用戶帶來更加個性化和引人入勝的體驗。此外，生成模型還在醫學圖像合成、虛拟現實培訓等領域展現了巨大潛力。在醫學領域，生成模型可以幫助醫生生成更清晰、更具信息量的影像，提高疾病診斷的準确性。在虛拟現實培訓中，模型能夠生成逼真的虛拟場景，為培訓和模拟提供更真實的體驗。然而，盡管在各個領域取得了顯著進展，AI生成模型仍然面臨一系列挑戰。首先，數據偏差可能導緻模型生成結果與真實分布不符。訓練成本和計算資源的需求也是一個制約因素，尤其對于中小型團隊或資源受限的場景而言。此外，生成對抗網絡面臨對抗性攻擊的挑戰，可能導緻不安全或誤導性的輸出，增加了在真實應用中的不确定性。
報告題目二：使用Masked GAN潛在代碼優化進行高分辨率人臉編輯
報告人：農海娜
報告簡介：臉部編輯是計算機視覺和圖像處理領域的一個熱門研究課題。它在娛樂、圖形藝術、美容行業以及與視覺隐私和安全相關的問題領域中具有重要的實際應用。盡管近年來這一領域取得了顯著進展，但現有技術仍存在一些局限性，如主要專注于低分辨率圖像（許多現有的面部編輯技術主要針對低分辨率圖像，這限制了其在高分辨率應用中的有效性。）、編輯結果常有視覺僞影（現有解決方案在編輯過程中常常産生視覺上的僞影，影響了編輯結果的自然性和真實感。），以及在編輯過程中缺乏對細節的精細控制（傳統方法在編輯一個特定面部屬性時，往往會同時影響到其他多個屬性，缺乏對單一屬性精确控制的能力，這是由于屬性信息在潛碼中的糾纏所導緻的）。該論文的研究背景是建立在解決現有面部編輯技術的局限性，特别是在高分辨率、視覺真實感以及屬性控制精确度方面的挑戰。論文通過提出一種新的基于GAN的面部編輯方法——MaskFace-GAN，旨在克服這些挑戰，實現高質量、高分辨率的面部編輯。
報告題目三：Indescribable Multi-modal Spatial Evaluator
報告人：徐奧博
報告簡介：多模态圖像配準在空間上對齊具有不同分布的兩個圖像。其主要挑戰之一是從不同成像機器獲取的圖像具有不同的成像分布，使得很難僅關注圖像的空間方面而忽略分布的差異。在這項研究中，我們開發了一種自監督方法，即不可描述的多模型空間評估器（IMSE），來解決多模态圖像配準問題。
報告題目四：基于光滑粒子流體力學的血液仿真
報告人：曾輝
報告簡介：在真實手術中，流血是不可避免的現象，如果止血不及時，不僅會影響手術的視野，延長手術的時間，增加手術失敗的幾率；失血過多更會使患者産生嚴重的并發症，危及患者的生命。因此，培養外科醫生對手術中流血的處理能力尤為重要。在虛拟手術中加入逼真的流血模塊，以及對流血的抽吸等交互功能，可以幫助外科醫生提高處理意外流血現象的能力。 血液是一種紅色不透明的粘稠液體，要實現逼真的流血模拟，首先要對血液的生物力學特性進行深入的研究，建立能夠表達血液獨特物理性質的模型。血液中水分的占比約為83%左右，是含量最多的物質。在模拟流血的運動時，可采用基于Navier–Stokes （N-S）方程的物理模型。N-S方程是描述粘性不可壓縮流體動量守恒的運動方程，可用于計算血液的主要力學性質，但由于血液複雜的組成成分，其張力遠大于純水等其他流體，離開人體的血液在血小闆的作用下會加速凝固。基于以上特性，需要對傳統的N-S方程作相應的改進。 在通常情況下，N-S方程的精确解析解是很難求得的，基于網格的歐拉方法和基于粒子的拉格朗日方法常被用于求解N-S方程的數值解。歐拉方法常用于動畫、遊戲中的湖泊海洋的繪制，能夠實現逼真的視覺效果，而在虛拟手術中，流血的無規則運動性和範圍不确定性使基于網格的方法并不能滿足仿真要求，拉格朗日方法中的光滑粒子流體動力學（smooth particle hydrodynamic (SPH) algorithm）更适合流血仿真的求解計算。SPH算法通過核函數對臨近粒子進行插值計算，得到描述流體的宏觀變量。
場次四、
時間：2023年12月27日（星期三）15:00-18:00
地點：澳门太阳集团9728网站408教室
報告題目一：基于Biformer的皮膚病研究
報告人：劉業輝
報告簡介：從皮膚鏡圖像中分割皮膚病變對于提高黑色素瘤的定量分析水平至關重要。然而，由于皮膚病變的大範圍變化和不規則形狀，這仍然是一項具有挑戰性的任務。此外，皮膚病變與周圍組織之間模糊的病變邊界也會增加分割錯誤的概率。由于傳統卷積神經網絡在捕獲全局上下文信息方面存在固有的局限性，傳統的基于卷積神經網絡的分割方法通常不能達到令人滿意的分割性能。由于Transformer在捕捉長距離依賴關系的優越性能，目前已經有許多基于Transformer模型進行皮膚病的診斷研究，然而Transformer模型的參數量往往會比同一水平的卷積神經網絡模型大幾倍，并且在訓練數據量少時表現往往不如卷積神經網絡。在醫學圖像處理領域，數據集的數量往往沒有自然圖像數據集大，因此訓練一個性能好的模型往往很困難。針對以上問題，提出了基于Biformer的參數高效微調方法，使用已經在大規模自然圖像上預訓練的模型，結合Adaptor等參數高效微調方法，從而達到以很小的訓練資源訓練一個性能好的Transformer皮膚病分析模型。由于Biformer使用雙層路由注意力通過在粗粒度的區域級别上過濾大部分無關鍵-值對，從而使每個查詢隻需在剩餘的候選區域（即路由區域）的并集上應用細粒度的令牌-令牌注意力。這種獨特的機制實現了内容感知的動态稀疏模式，為模型提供了在處理複雜圖像任務時更高效的性能。
報告題目二：基于AI擴散模型的醫學圖像多模态轉換
報告人：黃舉能
報告簡介：由于不同的采樣技術和處理方式，醫學圖像具有多模态特點，例如CT、MRI、PET等都能生成人體組織和病變的數字圖像。但由于技術和原理不同,同一位置的不同模态的圖像會有很大不同，這給醫生分析診斷帶來不便。為解決這個問題,研究人員開發了一種基于人工智能“擴散模型”的圖像轉換方法。隻需要一種模态的掃描圖像(例如CT)，這種AI模型可以轉換生成其他模态(例如MRI)對應部位的數字圖像。轉換過程就像一個自動繪畫軟件,它能分析理解CT圖像的組織結構和病變信息,然後把這些詳情“翻譯”描繪成MRI圖像的樣子。而且轉換生成的MRI圖像與真實MRI掃描獲得的結果非常接近。這種AI圖像轉換技術,使得隻需要進行一種掃描,醫生就能獲得多種模态的視圖。這不僅方便醫生分析,也降低了病人不必要的掃描次數。未來這種技術會讓醫學影像分析更高效精準。
報告題目三：使用結構約束CycleGAN進行無監督MR-CT合成報告人：農海娜
報告簡介：文獻的研究背景涉及醫學影像處理領域中的一個關鍵問題：如何利用不同模态的影像數據進行合成和轉換。在放射治療計劃（RTP）中，MR和CT圖像都是必不可少的。MR圖像在軟組織對比方面表現出色，而CT圖像則提供了電子密度信息，這對于癌症患者的RTP至關重要。由于它們的成像原理、對比度和圖像質量等方面的差異，使得它們的圖像難以直接相互轉換或配準。作者指出，如果能在無需配對的标記數據的情況下，就可以從MR圖像合成CT圖像，則可以避免進行CT掃描的時間和成本，以及潛在的輻射暴露風險。
報告題目四：Swin-U-net:類似U-net用于醫學圖像分割的Transformer
報告人：徐峥嵘
報告簡介：在過去的幾年中，卷積神經網絡（CNN）在醫學圖像分析方面取得了裡程碑式的進展。特别是基于U型結構和跳躍連接的深度神經網絡已廣泛應用于各種醫學圖像任務。然而，盡管CNN取得了優異的性能，但由于卷積運算的局部性，它無法很好地學習全局和遠程語義信息交互。在本文中，我們提出了 Swin-U-net，它是一個類似 U-net 的純 Transformer，用于醫學圖像分割。标記化的圖像塊被輸入到基于 Transformer 的 U 型編碼器-解碼器架構中，并具有用于局部全局語義特征學習的跳躍連接。具體來說，我們使用具有移位窗口的分層 Swin-Transformer 作為編碼器來提取上下文特征。并且設計了具有補丁擴展層的基于對稱 Swin-Transformer 的解碼器來執行上采樣操作以恢複特征圖的空間分辨率。在對輸入和輸出進行 4 倍直接下采樣和上采樣的情況下，多器官和心髒分割任務的實驗表明，純基于 Transformer 的 U 形 Encoder-Decoder 網絡優于全卷積或組合的方法變壓器和卷積。
報告題目五：VoxelMorph: A Learning Framework for Deformable Medical Image Registration
報告人：徐奧博
報告簡介：傳統的配準方法優化每對圖像的目标函數，這對于大型數據集或豐富的變形模型來說可能非常耗時。與這種方法相反，并在最近的基于學習的方法的基礎上，我們将配準公式化為将輸入圖像對映射到對齊這些圖像的變形場的函數。我們通過卷積神經網絡（CNN）對函數進行參數化，并在一組圖像上優化神經網絡的參數。給定一對新的掃描，VoxelMorph 通過直接評估函數來快速計算變形場。在這項工作中，我們探索了兩種不同的培訓策略。在第一個（無監督）設置中，我們訓練模型以最大化基于圖像強度的标準圖像匹配目标函數。在第二種設置中，我們利用訓練數據中可用的輔助分割。我們證明，無監督模型的準确性可與最先進的方法相媲美，同時運行速度要快幾個數量級。我們還表明，使用輔助數據訓練的 VoxelMorph 提高了測試時的配準精度，并評估了訓練集大小對配準的影響。我們的方法有望加快醫學圖像分析和處理流程，同時促進基于學習的配準及其應用的新方向。
報告題目六：基于FPGA的加速CNN用于實時植物病害識别
報告人：黃珊珊
報告簡介：利用卷積神經網絡（CNN）就地識别植物病害是智能農業領域的一個熱門研究課題。由于 CNN 算法具有内存密集和計算密集的特點，因此很難在内存和計算資源有限的邊緣終端上實現 CNN。本文采用現場可編程門陣列（FPGA）加速 CNN 識别植物病害。首先，設計了一個名為 "LiteCNN "的 7 層最簡單結構網絡，其參數僅為 176 K，浮點運算次數為 7847 萬次。采用知識蒸餾法訓練 LiteCNN，使其準确率達到 95.24%。其次，設計了 LiteCNN 的加速電路，并在 "ZYNQ Z7-Lite 7020′′ FPGA 闆 "上實現。為了壓縮網絡并加快植物病害識别的速度，采用了以下方法：1）用可分離卷積代替常規卷積，并采用低冗餘塊卷積的方法加載數據；2）将批歸一化（BN）層融合到前一個卷積層（或全連接層）中；3）特征數據和模型參數用半浮點數據表示。由于實現了電路的基本功能，因此采用了包括展開 for 循環、流水線化 for 循環、循環扁平化和陣列分割等方法來優化電路的并行性。最後，對 FPGA 闆上的 LiteCNN 進行了驗證。結果表明，所提出了一種低功耗、高精度、高速度的植物病害識别終端，可以很好地應用于田間植物病害的實時識别。
報告題目七：基于力反饋的毒蛇咬傷虛拟手術系統研究
報告人：曾輝
報告簡介：當前毒蛇咬傷已經成為了不容忽視的全球性健康問題，被咬傷的患者需要及時得到救治以降低死亡率和緻殘率，但大多數醫生缺乏處理毒蛇咬傷的經驗和手術技能。針對該問題研究設計一個結合虛拟現實和力反饋技術的擴創排毒虛拟手術訓練系統。首先手動分割手部CT圖像并根據結果進行三維重建創建幾何模型，采用彈簧質點方法建立基于網格的物理模型，使用基于貝塞爾曲線的方法繪制切口，最後通過基于位置的流體方法實現血液仿真，在此基礎上結合了虛拟現實頭戴顯示器和力反饋設備搭建了毒蛇咬傷手術虛拟場景。
報告題目八：SimCLR在醫學圖像重建中的技術探索與研究進展
報告人：段太森
報告簡介：近年來，深度學習在醫學圖像重建領域的應用日益增多，其中SimCLR（Simple Contrastive Learning of Representations）作為一種先進的自監督學習方法，在提升醫學圖像處理效率和精度方面展示出巨大潛力。在醫學圖像重建方面，SimCLR被應用于增強圖像的質量，特别是在低劑量的醫學成像如CT或MRI中。通過對比學習，SimCLR能夠在有限的标注數據下，有效地學習圖像的内在結構和模式。此外，SimCLR也被用于重建任務中的特征提取階段，提高了模型對複雜醫學圖像的理解能力。盡管SimCLR在醫學圖像重建中表現出色，但它仍面臨一些挑戰。例如，選擇合适的正負樣本對于算法的性能至關重要。不當的樣本選擇可能導緻模型學習到無效或誤導性的特征。為解決這一問題，研究人員提出了多種策略，如使用更複雜的數據增強技術和調整樣本對的選擇标準，以提高模型的泛化能力和準确性。SimCLR在醫學圖像重建領域的應用将繼續擴展。随着算法的優化和計算資源的提升，SimCLR有望在處理更大規模的醫學圖像數據集時表現更好。此外，結合其他深度學習技術，如遷移學習或多任務學習，SimCLR有潛力在提高圖像質量、疾病診斷準确性等方面發揮更大作用。
場次五、
時間：2023年12月28日（星期四）16：30-18：30
地點：澳门太阳集团9728网站509教室
報告題目一：分叉區塊鍊分析
報告人：鄧宇翔
報告簡介：區塊鍊分為單一鍊和多鍊，對于傳統的單鍊來說，具有容易被三花攻擊的特點，而分叉區塊鍊解決了單鍊的一些缺點，也是一種新的區塊鍊方式。而其無需付費的特點，使小額支付成為了可能。
報告題目二：分叉區塊鍊
報告人：韋清文
報告簡介：傳統區塊鍊的應用取得了巨大的成功，但是傳統區塊鍊的弊端也讓人诟病，巨大的資源消耗，仍需向礦工支付‘手續費’，低的數據吞吐量。基于傳統區塊鍊的弊端，popov在<The Tangle>上提出一種全新的區塊鍊，即分叉區塊鍊，它允許多鍊存在，并具備高吞吐量，無‘手續費’，低資源消耗等特點，在<The Tangle>中，作者分析了區塊鍊在兩種區域下的性能特點，分别是LR (Low of Regime)和HR (Hight of Regime)，作者通過數學建模，得出了事務在不同區域某個時間t中的累積權重值表達式，該表達式為以後的雙花攻擊(double-spending attack)成功的概率分析提供了數學基礎，在此基礎上Yixin Li等在<Direct Acyclic Graph-Based Ledger for Internet of Things: Performance and Security Analysis>中又拓展了兩種區域，即L2HR(Low to Height Regime)、H2LR(Height to Low Regime)，考慮到了在區塊鍊中事務到達率變化的情況，并提出在此變化過程中的事務期望值顯式表達式。但是關于L2HR階段的Tip數量變化情況與Tip被驗證的概率和Tip首次驗證的時間未能提到，我們給出該階段的結果。并使用Matlab進行蒙特卡洛随機模拟進行驗證我們的公式，在此階段中我們假設λ突變為某一個特定的值。
報告題目三：RDBS算法設計緊湊高效的1×2模變換器
報告人：程昊宇
報告簡介：基于獨特的逆向設計方法，可以實現多形狀、多旋轉像素的納米光子器件耦合區。此外，利用該增強算法，在220nm厚的絕緣體上矽平台上提出了具有多用途設計目标的新型1×2模式轉換器，該轉換器可以同時實現功率分配和模式轉換。
與傳統的DBS算法相對比，RDBS算法的主要思想是在DBS算法的基礎上增加旋轉尺寸的計算。基于像素化結構，DBS算法可以通過控制大規模的有效折射率工程，在非常緊湊的區域内實現獨特高效的集成光子應用。類似地，RDBS算法通過相同的原理來實現設備。不同之處在于RDBS為每個像素添加了旋轉維度的計算，這在減少損耗以及減少占地面積的同時也增加了時間成本。
報告題目四：再生光纖布拉格光栅的介紹及在高溫方向的部分應用
報告人：肖揚
報告簡介：再生光纖布拉格光栅是通過對普通光纖布拉格光栅進行高溫退火處理得到的一種耐高溫光纖光栅，因其在高溫下具有光栅光譜不衰退的特性，光纖光栅傳感應用于高溫環境成為可能。再生光纖光栅具有制作簡單、成本低廉、傳感性能良好等優勢。
在LMA光纖中成功制備了再生光纖布拉格光栅（RFBG），并對其在高溫傳感器應用中的關鍵特性進行了實驗性研究。通過紫外線寫入技術，我們在标準單模光纖（SMF-28）和包層直徑分别為125微米和250微米的低數值孔徑LMA光纖中生成了I型種子光栅。通過測試和比較它們在高溫環境下的波長漂移特性、溫度敏感性和機械強度，我們發現LMA光纖中的纖芯摻雜濃度較低，導緻再生過程中和再生後的波長漂移率相對較低。
