近日，我校電子信息工程學院和信息材料與智能感知安徽省實驗室科研團隊在各自研究領域取得多項科研成果。

一、楊利霞教授課題組在高超聲速目標電磁散射領域獲重大進展

高超聲速復雜介質目標的色散誤差問題一直是數值計算中不可避免的重要難題之一。近期，楊利霞教授課題組發表了科研型論文，針對高超聲速目標局部區域中因等離子體電子濃度大梯度變化而造成色散誤差的難題提供了新的分析方法。楊利霞教授課題組通過引入了一種面中心立方體（Face-centeredcube,FCC）網格進行Maxwell方程的進行空間離散，并結合電流密度卷積時域有限差分方法（JEC-FDTD），用以分析高超聲速目標的電磁散射特性。該算法的運用有效地提高了傳統FDTD方法在計算復雜色散介質目標時的誤差問題，為研究等離子體“黑障”問題提供了新的技術手段。相關內容以“Studyontheelectromagneticscatteringcharacteristicsofhigh-speedtargetwithnon-uniformplasmaviatheFCC-FDTDmethod”為題發表在國際電磁場與微波技術領域頂尖期刊《IEEETransactionsonAntennasandPropagation》上。該成果對于研究高超聲速目標的探測、定位和反隱問題有重要的意義，此外，也對近空間的“黑障”通信難題提供了新的技術手段和理論支撐。安徽大學電子信息工程學院年青教師陳偉博士為論文第一作者，楊利霞教授為論文的唯一通訊作者，安徽大學為第一通訊單位，楊利霞教授的碩士研究生汪劉豐為文章第二作者。

該研究受到中國航天二院電磁散射國防科技重點實驗室的大力支持，同時該成果也是我校積極開展軍民融合戰略工作的綜合體現。該研究得到楊利霞教授主持國家自然科學基金聯合基金重點項目（U21A20457），國家自然科學基金(62071003,41874174)，安徽省高校協同創新項目（GXXT-2020-050,GXXT-2021-02）的資助，同時也得到了計算智能與信號處理教育部重點實驗室、信息材料與智能感知安徽省實驗室的支持。

二、陳杰團隊于智能交通領域頂級期刊IEEETITS發表最新研究成果

陳杰團隊聯合中國科學院合肥物質科學研究院吳仲城研究員、張俊副研究員團隊以“ANewUnsupervisedDeepLearningAlgorithmforFine-GrainedDetectionofDriverDistraction”為題在智能交通和自動駕駛領域國際頂級期刊《IEEETransactionsonIntelligentTransportationSystems》上發表最新研究工作。該研究成果在國家自然科學基金青年項目、安徽省自然科學基金青年項目、中國博士后科學基金面上項目資助下完成。安徽大學電子信息工程學院電子信息專業20級碩士生李兵為論文的第一作者，安徽大學電子信息工程學院陳杰為論文的通訊作者，安徽大學為第一通訊單位。

全球范圍內，每年因為駕駛員分心駕駛而造成的交通事故次數占據了極大比例。如何通過實時監測駕駛員細粒度駕駛狀態，避免因分心駕駛而造成交通事故是實現ADAS和高可信自動駕駛的關鍵技術。當前，分心駕駛檢測領域主要采用有監督學習方法，存在泛化能力差、標注成本巨大等問題。為此，面向駕駛員分心檢測，本工作創新地提出了一種無監督學習算法，簡稱為UDL。首先，構建一種通用無監督學習框架；此外，構建新的主干和投影頭以增強特征表示能力；最后，設計基于對比學習和stop-gradient(stopgrad)策略的損失函數，以指導模型學習更魯棒的特征。基于大規模駕駛員分心檢測數據集的對比實驗結果驗證了我們方法的有效性；且僅需極少標簽微調后，UDL可以實現接近于最先進有監督學習方法的卓越性能，極大地降低了人工注釋的成本和限制。

本文設計的UDL框架

三、馮乃星副教授分別于微波理論與技術領域和遙感與地球科學領域頂級期刊IEEETrans.MTT和RemoteSensing發表最新研究成果。

馮乃星副教授聯合安徽大學電子信息工程學院黃志祥教授，楊利霞教授與吳先良教授以及深圳大學電子與信息工程學院汪國平教授分別以“CompactSystem-Combined-BasedFDTDImplementationswithApproximateCrank-NicolsonSchemeandElectromagneticScattering”和“NumericalPredictionofDualityPrinciplewithBloch-FloquetPeriodicBoundaryConditioninFullyAnisotropicFDTD”為題在《IEEETransactionsonMicrowaveTheoryandTechniques》與《RemoteSensing》上發表最新研究工作。該研究成果在國家自然科學基金項目，安徽大學科研啟動經費，廣東省自然科學基金面上項目，中國科學院長春光學精密機械與物理研究所應用光學國家重點實驗室基金項目等資助下完成。安徽大學為第一通訊單位。

就目前國內外而言，致力于提升無條件穩定算法在提高計算效率基礎上仍能保持高精度是一個無法避免的重點難題之一。為了克服這個問題，我們開發了一種有效的基于系統組合的近似Crank-Nicolson時域有限差分（SC-ACN-FDTD）方法，該方法可應用于電磁散射。麥克斯韋方程組中的電場和磁場經離散時間矩陣形式處理后，統一為同一時間步的唯一矢量。通過矢量變換，電場和磁場的時域迭代程序都可以用Crank-Nicolson格式獲得。為了模擬開域問題，我們使用卷積完全匹配層（CPML）來截斷有限的計算區域。為了保證SC-ACN-FDTD方法的數值精度，我們采用經驗公式來預測基于空間采樣密度的最大CFL因子。與傳統的FDTD方法相比，本文提出的SC-ACN-FDTD方法可以通過近場和遠場的電磁散射得到很好的驗證。為了進一步驗證我們的結果，還采用了商用軟件COMSOL對單頻遠場模式進行了驗證。

系統結合的近似Crank-NicolsonFDTD的計算流程框圖

另外，電磁材料的完全各向異性問題的研究在國內外鮮見報道，因其復雜的矩陣關系求解難度。在本次工作中，我們不僅利用Bloch-Floquet周期邊界條件（BPBC）的完全各向異性時域有限差分法（FDTD）成功地驗證了對偶原理，并在理論上首次有效地應用于時域電磁計算的驗證。從傳統的各向同性對偶原理出發，這些條件可以在沒有任何損失項的情況下給出。在不損失一般性的情況下，結合原始實參數的復延拓，可以得到介電張量和磁有耗張量的電磁對偶規則。在我們的進一步研究中，我們將對偶原理引入到BPBC情況中，然后在TE或TM模式下，通過FDTD方法執行并驗證三種不同的完全各向異性模型。從高精度的數值角度出發，我們致力于更有效的驗證，通過對偶原理可以預測反射系數和透射系數，并檢測地下回波。

(a)平面電磁波的正交坐標關系：(a)TE模式下的場分量從初始場到對偶場的過渡；(b)TM模式下的場分量從初始場到對偶場的過渡。

四、陳杰團隊與西北工業大學黃維院士團隊聯合發表綜述工作

陳杰團隊與西北工業大學柔性電子前沿科學中心的黃維院士、彭勃副教授、李林教授課題組合作，全面總結了將深度學習算法應用于器官芯片的最新研究進展，并對這一新型交叉領域的未來發展方向進行了展望，相關綜述以“AnOverviewofOrgans-on-ChipsBasedonDeepLearning”為題發表在國際頂級期刊《Research》上，安徽大學電子信息工程學院陳杰為共同一作。

器官芯片是在微流控技術的發展過程中，與光刻技術、細胞生物學、材料和生物組織工程等技術相結合的產物。作為高通量生物研究平臺，器官芯片在生命科學研究、疾病模擬、毒性預測、新藥研發及精準醫療等方面具有廣闊發展前景。將深度學習技術作為探索和分析器官芯片實驗數據的有力工具，可有效挖掘海量數據所隱含的內在規律，提升器官芯片的智能化水平，并激發其在藥物開發、疾病建模和個性化醫療方面巨大潛力。

本文從四個方面綜述了這一領域的研究進展：微流控技術和以其為技術支撐的器官芯片裝置；系統地講述了深度學習算法的發展歷程；對目前各種適用于器官芯片，或已經用于部分器官芯片分析的深度學習算法進行了分析和總結；從細胞器識別與監測、微流控細胞培養系統自動化與智能化、藥物開發、罕見病的診斷以及多器官芯片耦合的人體芯片等不同角度，為這一新型交叉應用的未來發展方向進行展望。

基于深度學習的器官芯片