硅晶圆激光标识工艺的研究

聚焦开发清晰、无飞溅、无碎屑且深度满足半导体晶圆后道加工工序要求的激光标识工艺，实现清晰可辨、高洁净度的硅晶圆激光标识。采用波长532 nm的激光器研究平均功率、脉冲重复频率和扫描速度等激光工艺参数对晶圆标识质量的影响，借助目视、显微镜和白光干涉三维轮廓仪来评估标识码的清晰程度、标识点的深浅程度和隆起高度以及热影响区。研究表明，在低脉冲频率小于50 kHz时，随着平均功率的上升，标识码的清晰度逐渐增加，但是硅渣的数量及其分布区域增大；在高脉冲频率大于60 kHz时，平均功率增加对标识码清晰度的影响及硅渣数量和分布区域的变化没有低频段表现明显。在平均功率为20%,脉冲重复频率为60～80 kHz,扫描速度为2 500～3 500 mm·s^-1的工艺窗口内可以优化参数组合，在硅晶圆上实现清晰可辨、无飞溅和碎屑污染，字体深度为0.5～5μm并且隆起小于1μm的激光标识。     

中频波前均方根计算的空域预处理方法研究

中频波前均方根(PSD1)是用来评价光学元件中频段波前质量的关键参数，在对其进行数值计算之前，需要对波前数据进行频率域滤波。滤波后的数据易导致待测区域内、外的数据截断，引入较大的边缘高频误差与吉布斯噪声，从而严重影响了计算准确度。为了减小数据截断带来的影响，通过对边缘截断的数据做趋优填充，减少截断区域内外的空间频率突变。通过对现有的空域预处理方法进行对比，提出了一种四向扩展平均算法。经试验验证，所提出的方法可以较好地还原光学元件的中频段面形，显著提高PSD1测量准确度，试验表明所提出的方法较标准值的误差平均值小于5%。     

人工碳循环——二氧化碳转化利用技术

纵观历史长河，从薪柴到煤炭，再到油气和新能源，每次能源的更替都极大地促进了社会生产力的发展。从化学角度看，能源革命的本质就是“减碳趋氢”的过程。本文在介绍了能源发展史后，简单阐述了能源利用的本质及不同能源的结构差异；随后从反应热力学和动力学角度，重点介绍了CO₂作为重要碳一(C₁)资源的转化利用技术及研究进展；最后展望了我国未来碳科学与技术的总旋律。     

基于1066 nm光纤激光对裸硅晶圆与镀膜晶圆的标识工艺研究

针对SEMI标准对12寸(约300 mm)薄晶圆标识的要求，采用1 066 nm光纤激光晶圆标识系统对裸硅晶圆与镀膜晶圆进行激光标识工艺的研究。通过控制变量法改变激光器的功率百分比，分别在两种晶圆上标记Dot样式的SEMI字体，并对标识的质量和识读率进行评估。研究发现，裸硅晶圆标识从无到有，甚至到严重溅射对应的激光功率范围是11.77～19.25 W,镀膜后的硅晶圆对应的功率范围是4.40～11.77 W。在裸硅晶圆上标识的Dot形貌更符合SEMI标准要求。镀膜后的晶圆熔融阈值变小，但是工艺窗口变窄，标识字符和条码Dot圆度较差，飞溅不易控制。两种晶圆OCR的识读率差异不大。     

基于受众需求的新主流电影叙事创作探析

新主流电影以其独特的叙事风格、内容架构，与时代主旋律相结合，兼顾受众的人文诉求和情感期许，融合了商业电影和艺术电影的创作特点，成为近年来我国电影市场最具影响力的电影类型之一。以受众需求为基本导向，当下新主流电影在叙事角度、叙事题材、叙事类型与审美等方面呈现出新的创作特点：个体化叙事满足了受众的认知、情感需求；转变叙事题材，平民英雄的塑造满足受众的自我评价需求；丰富的叙事类型与多元审美，顺应了受众参与社会与审美需求。     

用于离焦图像焦点预测中的深度学习不确定性建模

自动数字显微镜的关键技术之一就是自动对焦,为了提升对焦的速度,越来越多的深度学习方法被引入用于单帧图像的焦点预测。然而几乎所有的网络模型都过分信任其输出的结果,面对未知的样本即使输出错误的结果也不会给出任何警示。利用贝叶斯卷积神经网络的实现,可从单张图像中完成离焦距离的预测,并获得焦点预测结果的不确定性估计,此外提出通过设置不确定度阈值实现对焦点预测结果的筛选。在一个大型开源数据集上进行了测试,利用不确定性估计评估预测结果的有效性。结果表明,对比同类型样本,所提出的网络模型在未知样本上能够输出更高的不确定度,建立的筛选机制能有效减小模型在未知样本上的预测误差。在公共数据集上的两个样品的最终误差范围为0.37±0.46μm和0.83±1.17μm,优于筛选前的0.40±0.66μm和1.08±1.78μm。     

结合重识别特征和运动预测的多目标跟踪方法

多目标跟踪是智慧城市交通安防的重要技术之一。为了提高多目标跟踪的准确性并改善真实场景下的遮挡问题，提出了一种结合重识别特征和运动预测的多目标跟踪方法。在多目标检测网络中扩展一个基于卷积神经网络(Convolutional Neural Networks, CNN)的重识别特征分支，提取目标的重识别特征；采用基于置信度的卡尔曼滤波预测模型来预测轨迹的空间分布以改善目标的遮挡问题，结合检测目标和轨迹在重识别特征和位置两方面的相似度来完成目标关联。实验结果表明，所提出的方法在真实行人场景下的跟踪精度优于大多数算法，具备一定的应用潜力。