非线性晶体内腔倍频的温度模式分布

为了提高谐波转换效率和消除温升引起的晶体走离效应，对于非线性晶体温度场分布特点进行了分析与计算.同时研究了基波偏心辐射对KTP晶体温度场的影响.通过对腔内倍频KTP晶体工作特点的分析，建立了方形非线性晶体热模型并首次引入了方形晶体辐射偏心度的定义.基于热传导方程，得到了温度场分布的一般解析表达式.     

用于冷原子制备的激光扩束准直器的研制

针对现有的冷原子实验用的多数保偏光纤输入型扩束准直器不能对输入激光束的偏振进行精确调节的缺陷,提出了一种全长度为135mm,输出圆形光斑有效直径为20mm的紧凑型偏振可调激光扩束准直器.该扩束准直器中的偏振棱镜和波片偏振轴均可独立调节,能对单模保偏光纤输入光束的偏振态进行精确调节和保持.所研制的激光扩束准直器在三维磁光阱冷原子实验中制备出了满足冷原子干涉实验要求的冷原子团,冷原子团原子数为5×108,温度约为10μK,并获得了最大上抛高度为1.156m的原子喷泉飞行时间信号.     

基于深度递归级联卷积神经网络的并行磁共振成像方法

快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.     

基于虚拟线圈和卷积神经网络的多层同时激发图像重建

本文提出一种基于虚拟共轭线圈（Virtual Coil Concept，VCC）技术和k空间插值鲁棒人工神经网络（Robust Artificial-neural-networks for k-space Interpolation，RAKI）的图像重建方法，用于磁共振多层同时激发成像（Simultaneous Multi-Slice imaging，SMS），该方法能够有效提升重建图像的质量，被命名为VIRGINIA（VIRtual conjuGate coIls Neural-networks InterpolAtion）.为了得到更高质量的SMS图像，本文提出的VIRGINIA方法利用磁共振线圈数据的复数共轭对称性质扩展了SMS所获取的多通道数据，并将扩展后的数据用于RAKI网络的训练，利用训练后的网络实现高质量的SMS图像重建.本文将VIRGINIA方法和其他SMS图像重建方法（RAKI和Slice-GRAPPA方法）进行了对比，并采用结构相似指数（Structural Similarity Index，SSIM）、峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和均方根误差（Root Mean Square Error，RMSE）对不同方法的重建图像进行了量化对比分析.结果显示，在相同的SMS加速倍数下，使用VIRGINIA方法进行重建的图像质量均好于RAKI方法，且远好于传统Slice-GRAPPA方法.