王启明提出的高效注水开采方法,是对传统温和注水,均衡开采的方法的颠覆。
王启明,出生于1933年7月5日,国际著名的光电子学家。祖籍福建石狮。1956年毕业于复旦大学物理系。究员、博士生导师,中科院院士。
王启明,中国科学院半导体研究所研究员,曾任该所所长。1963年开始致力于半导体光电子学研究。
脱口秀演员搞自动驾驶?
不但搞出了成果,还被Nature在 研究亮点 (RESEARCH HIGHLIGHT)专栏报道!
香港理工大学博士后、深圳某脱口秀俱乐部现役演员 廖付友 年初八在《自然·电子》上以一作身份发表名为 Bioinspired in-sensor visual adaptation for accurate perception 的文章。
文章介绍了一种新型传感器,模仿了人类视网膜工作原理,有效感知范围达到199bB。
这是什么概念?
现在绝大部分智能 汽车 上的自动驾驶系统在弱光、雨雪条件下能力大打折扣,主要原因之一就是 常用的硅基CMOS图像传感器通常只有 70dB 的感知范围,远低于自然场景的光强变化范围 。
而新的类视网膜传感器,直接将感知范围提升1万亿倍!大大增强自动驾驶在感知端的准确性。
而且这位业余说脱口秀的廖付友,已 被华为收编 ,确定即将入职继续从事半导体研究。
在地球普遍环境中, 自然光强度的分布超过280dB ,远超民用级别CMOS感光元件的70dB范围。
具体到自动驾驶上,且不论算法性能,摄像头捕捉的图像数据有效范围就大大缩小,不但是弱光会影响识别,强光也不行。
比人眼强,但应付自然光还是不够。
从这个角度看,也能理解特斯拉代表的纯视觉自动驾驶路线,和国内厂商走的激光雷达+视觉混合路线的缘由。
一个是死磕算法提高图像识别准确度,另一个是通过雷达点云图弥补图像数据的不足。
手段不同,但问题根源都在图像捕捉的限制。
而廖付友博士所在的香港理工大学团队,利用 二硫化钼 作为基础材料,模仿人类视网膜的工作原理,设计出了一种新的光传感器,能够有效感知199dB范围的光线。
在实验中,科研人员分别于弱光和强光背景下映出数字“8”,再由环境光照射背景板:
之后,将感光信号输入神经网络进行识别:
实验结果表明,ANN网络对于数字“8”的识别准确度稳定在97%左右,同等条件下使用CMOS传感器的系统几乎无法识别。
上图中有目标识别率有明显的随时间渐变的趋势,这就是所谓“类视网膜”的核心。
基于二硫化钼的感光阵列无论对于弱光还是强光都会随时间适应,就像人眼会逐渐适应光照强度一样。
输出的图像信号也会从刚开始的一团黑或白逐渐清晰显出目标特征。
好了,我知道你们想搞清楚1万亿倍是怎么来的,但首先还要解释一下光功率的概念。
dB 是指 光功率 的单位,表示光在单位时间内所做的功。
简单理解,光功率大小直接反映了光照的强弱。
一般光功率单位常用为毫瓦(mw)和分贝毫瓦(dBm),其中两者关系为:1mw=0dBm。
但工程学中,dB是一个纯计数单位,代表两个功率的比值大小,具体数值为10*log(A/B)。
也就是说,工程上dB只有加减,实际代表了两个功率相除,得出的结果是增益或减益的倍数。
所以按照这样计算,港理工团队的新型类视网膜传感器,有效工作范围比传统CMOS图像传感器提升了129dB,也就是至少提升1012倍。
1万亿 倍!
会说脱口秀的科研人员果然强。
人眼的光接收细胞感知范围比较有限,只有40dB。
但是人眼的视觉适应功能让我们可以感知和识别不同光照条件下的各种物体,哪怕是快速在明暗差别很大环境中转换。
人眼应对光线明暗变化的机制,关键是水平细胞和光接收细胞的结构。
其中,视锥细胞在强光条件下敏感度更高,视杆细胞在暗光条件下敏感度更高。
所以光照条件发生变化时,视网膜的水平细胞会控制感光点在视锥和视杆细胞之间的转换、以及光色素的产生和消失来适应。
基于此,团队研发出一种基于二硫化钼底栅光电晶体管阵列的仿生视觉适应传感器。
在二硫化钼表面,科研人员有意引入 电荷陷阱态 ,使得光信息的存储成为可能。
(电荷陷阱态:电子被不饱和键所捕获。)
而通过调节栅极电压,这陷阱态可以捕获或释放通道的电子。
(通道:施加电压后,电子会被排斥或吸引从而形成翻转层,导通半导体源级和汲极,形成通道。)
在不同的栅极电压下, 通道的电子可以被捕获或释放,这就可以定量地动态调节器件的电导率 。
所以光线强弱变化时,只需要调节栅极电压就能实现感光元件的范围调整。
另外,二硫化钼材料本身具有独特性质,根据栅极电压不同,会随时间对电流产生激励或抑制作用。这一点正好模拟了视网膜光色素的产生和消失。
所谓高感光范围的“人造视网膜”,核心是利用电荷陷阱态对电子的捉放效应以及二硫化钼本身的“时间——抑制激励”作用,从而达到人为控制感光半导体电导率的目的。
在把这项技术应用到自动驾驶的视觉传感器中,无需经过后端图像处理器或云端信息处理,就能大大提升了系统的信息处理效率和识别准确度。
另外人脸识别也是一个重要应用场景,无论是白天的强光还是夜间的黑暗,视觉传感器能根据背景光强度,去调节光灵敏度从而准确识别人脸。
在太空探测领域,把具有视觉适应功能的视觉传感器应用在探测设备上,除了正常光照条件下的感知外,还可以在极端光照条件下(极弱或者极强光)探测外界环境和识别目标。
一作 廖付友 ,博士毕业于复旦大学,目前在香港理工大学做博士后。主要研究方向为半导体器件与工艺。他已经确定将入职华为,继续半导体方面研究。
廖付友除了是一名科研工作者,还是一名业余脱口秀演员,在深圳某俱乐部驻场演出。
本文通讯作者 柴扬副教授 ,博士毕业于香港 科技 大学。主要从事低维材料的电子器件及其在能源领域应用的研究工作,其主要研究方向包括低维材料的可控生长与电子器件,能量转换与存储,以及柔性电子器件。
论文地址:https://www.nature.com/articles/s41928-022-00713-1
40年代首次提出固体中杂质缺陷导致 X光漫散射的理论(被誉为黄散射),证明了无辐射跃迁绝热近似和静态耦合理论的等价性,澄清了这方面的一些根本性问题。
他和学生详细分析了Ⅲ-Ⅴ族化合物的量子阱和超晶格的空穴带的电子状态,发展了一种适用于超晶格结构的简单有效的计算方法,从而对量子阱和超晶格结构中空穴子带的性质、价带杂化和外加电场等对量子阱和超晶格中激子吸收的影响做了理论计算。他和学生系统研究了超晶格中的长波光学振动模式,指出流行的连续介电模型的结果是不对的,基于他在1951年提出的偶极振子晶格模型,他们提出了一个能描述迄今了解的实验事实的理论模型,得到了在一维和二维的量子系统中纵向光学振动和横向光学振动的类体模的正确描述。他们的这项工作对理解半导体超晶格的光学性质、光散射效应、电子和格波的相互作用起到了重要作用。黄昆与朱邦芬提出的超晶格光学声子模式,被称为“黄—朱模型”。
黄昆受到爱丁堡大学玻恩教授(M.Born)的赏识,被邀合著《晶格动力学》一书。这本专著至今仍是固体物理学领域的权威著作,从1975年至2001年3月,该书的英文版被引用5254次,俄文版被引用376次,平均每年200多次。
除了撰写《晶格动力学》,这段时间黄昆还连续完成了两项开拓性的学术贡献。一项是提出著名的“黄方程”和“声子极化激元”概念,另一项是与后来成为他妻子的里斯(A.Rhys,中文名李爱扶)共同提出的“黄-里斯理论”。他与妻子在1950年合写的这篇论文,至今仍是在这个领域工作的科学家们必引的经典文献。前不久检索发现,从1975年以来,这篇文章被他人在SCI刊物引用734次,其中1994年以后被引用240次,平均每年20多次。 1956年暑期,北京大学、复旦大学、南京大学、厦门大学和吉林大学五校,在北京大学联合开办中国第一个半导体专业,黄昆任主任、谢希德为副主任。在黄昆、谢希德领导下,五校师生团结协作,先后开设了固体物理、半导体物理、半导体实验、半导体材料、晶体管电路、半导体器件等全面的半导体专业课程,并于1957年和1958年培养出200多名首批半导体专业毕业生。这些学生成为中国新兴半导体事业的第一批骨干,对中国从无到建立和发展半导体科学技术工业体系起了重要作用。随后,全国许多高校纷纷开设了半导体专业,还建立了研究所和生产半导体材料和器件的车间,使中国半导体学科和半导体技术独立自主地发展起来。 学生:秦国刚院士。 甘子钊、秦国刚、夏建白等好几位当选为中国科学院院士。
黄昆把自己的一生科学研究经历归结为:一是要学习知识,二是要创造知识。对做科学研究工作的人来讲,归根结底在于创造知识。而学习知识与创造知识,黄昆从自己的切身经历和观察别人的经验教训,归纳出两句名言:
(1)“学习知识不是越多越好,越深越好,而是要服从于应用,要与自己驾驭知识的能力相匹配。”
(2)“对于创造知识,就是要在科研工作中有所作为,真正做出点有价值的研究成果。为此,要做到三个‘善于’,即要善于发现和提出问题,尤其是要提出在科学上有意义的问题;要善于提出模型或方法去解决问题,因为只提出问题而不去解决问题,所提问题就失去实际意义;还要善于作出最重要、最有意义的结论。”这两句名言确实是黄昆的经验之谈,我们应当作座右铭而牢记。 提出固体中杂质缺陷导致X射线漫散射的理论,被称为“黄散射”,黄昆受到爱丁堡大学玻恩教授(M.Born)的赏识,被邀合著《晶格动力学》一书。这本专著至今仍是固体物理学领域的权威著作,与里斯共同提出了多声子的辐射和无辐射跃迁的量子理论;同期佩卡尔发表了相平行的理论,被国际上称为“黄-佩卡尔理论”或“黄-里斯理论”;提出了晶体中声子与电磁波的耦合振荡模式,当时提出的方程,被称为“黄方程”;研究半导体量子阱超晶格物理。建立超晶格光学振动的理论,发表了后来被国际物理学界称为“黄-朱模型”的理论,多本国外的研究生教材详细介绍了这个理论。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)