摘要 集成电路是信息时代重要的技术基础,也是国家战略竞争力的重要标志.在全球范围内,集成电路技术正处于快速变革与创新的新时期.面向集成电路未来发展,需要针对先进器件及集成工艺、模拟与混合电路、电路设计方法、新型计算架构等方面开展前沿研究,加强规划布局,完善创新系统,推动我国集成电路产业在未来发展中占得先机.基于第347期“双清论坛(青年)”,本文总结了我国集成电路科学研究及产业发展面临的国家重大需求,研判分析了集成电路领域国内外的发展态势和关键问题,展望了该领域重大的前沿发展趋势,探讨了前沿研究方向和科学基金资助战略,以期助推我国集成电路技术高质量发展.

关键词 集成电路; 先进集成封装工艺; 模拟与射频电路; 电子设计自动化; 新型体系架构; integrated circuit; advanced integration and packaging; analog and radio-frequency circuit; electronic design automation; novel computer architecture

摘要 冯·诺依曼计算架构本质上面临“存储墙”和“功耗墙”瓶颈,近年来摩尔定律的放缓进一步加剧了上述瓶颈.新型存算一体芯片技术通过器件–架构–电路–工艺的协同创新,将数据存储与计算融合一体化,大幅降低数据搬运及其开销,被视为后摩尔时代突破冯·诺依曼架构瓶颈的重要技术方向之一.同时,存算一体芯片通过大规模并行运算方式实现高算力,在一定程度上可以缓解工艺微缩压力,对我国在新一轮人工智能革命中突破算力困境,具有重要的战略意义与应用价值.基于国家自然科学基金委员会第347期“双清论坛(青年)”,本文介绍存算一体芯片领域当前的研究现状,分析了存算一体芯片技术对我国的重要战略意义,展望了未来亟待解决的关键科学问题与技术挑战,并进一步给出了该领域的发展趋势和建议.

关键词 存内计算; 近存计算; 异构集成; 异构架构; in-memory computing; near-memory computing; heterogeneous integration; heterogeneous architecture

摘要 人工智能时代对计算芯片的算力和能效都提出了极高要求.存算一体芯片技术被认为是有望解决处理器芯片“存储墙”瓶颈,大幅提升人工智能算力能效和算力密度的关键技术和重要解决方案.SRAM存算一体芯片技术由于其在兼容性、鲁棒性、灵活性等方面的优势,已经得到多个旗舰公司的认可和相关领域的产业布局.本文基于国家自然科学基金委员会第347期“双清论坛(青年)”的讨论内容,回顾SRAM存算一体芯片领域近年来的研究现状和发展趋势,分析并总结了该领域未来的研究需求,凝练关键科学问题并进一步探讨前沿研究方向和科学基金资助战略.

关键词 人工智能; 存算一体; SRAM存算; 科学问题; artificial intelligence; compute-in-memory; SRAM-based CIM; scientific topics

摘要 智能信息化社会对算力的需求日益增长,高能效和高安全性的计算芯片已经成为支撑科技创新和社会进步不可或缺的基础设施.新兴计算范式作为提升算力的创新技术,近年来在理论和技术方面取得了重要突破,引起了学术界和工业界广泛关注.本文从电路设计方法、新型芯片架构以及脑启发算法等多个角度介绍和分析了新兴计算芯片的相关前沿技术,同时讨论了各项技术的阶段性特征以及所面临的设计挑战和安全可信挑战,最后展望了新兴计算芯片技术的未来发展,并阐述了其发展的重点方向.

关键词 新兴计算范式; 安全可信; 近似计算; 随机计算; 存内计算; 脑启发式计算; emerging computing paradigm; secure and trust; approximate computing; stochastic computing; in-memory computing; brain-inspired computing

摘要 高性能模数转换器(analog-to-digital converter, ADC)是电子信息系统的核心器件,是集成电路设计领域的研究热点与难点,是最复杂、难度最大的模拟集成电路.本文阐述了集成电路工艺演进给高性能模拟电路设计带来的共性挑战,并分别从纳米工艺下高速高精度、超高速低精度和高精度低延时等模数转换器系统架构与设计技术方面分析了高性能模数转换器面临的技术挑战与重要发展趋势.

关键词 模拟集成电路; 模数转换器; 高速高精度; 低延时; analog integrated circuit; analog-to-digital converter; high-speed-high-precision; low latency

摘要 随着人工智能对算力(电力)需求的指数增长,高性能计算芯片对供电效率、密度提出了严苛的要求,高密度电源管理芯片成为制约算力发展的显著瓶颈,是高性能计算芯片的重要共性支撑.面对高算力芯片的供电功率、密度与效率的综合性巨大挑战,以及集成芯片系统的新供电场景,传统的分立供电架构、控制技术等亟待突破.基于国家自然科学基金委员会第347期“双清论坛(青年)”关于集成电路未来发展及关键问题的广泛讨论,本文总结了电源管理芯片方向发展上的关键问题与挑战.本文从目前主流处理器的前沿供电技术的发展现状出发,讨论了高性能处理器供电技术的长期发展趋势,并给出未来关键技术的发展预测,从电源管理系统架构、控制技术、无源器件集成、封装形态等方面提出研究建议,为我国集成芯片高密度供电技术的发展提供重要的理论支撑.

关键词 电源管理芯片; DC-DC; 混合架构; 稳压电源; 3D集成芯片供电; power management IC; hybrid topology; voltage regulator; 3D power delivery for integrated chips

摘要 毫米波相控阵系统因其大带宽、高速率和多波束的优点,在移动通信和雷达感知系统中得到了广泛的应用.硅基毫米波集成电路设计是其中的关键核心技术.本文基于国家自然科学基金委员会第347期“双清论坛(青年)”的研讨成果,根据毫米波集成电路与集成系统研究方面的重大需求,针对硅基毫米波集成电路设计的关键挑战和科学问题,按照相控阵架构、关键电路和器件模型3个层级,总结梳理了国内外硅基毫米波集成电路设计领域近年来所取得的主要进展和成就,凝炼了该领域未来5～10年的重大关键科学问题,探讨了前沿研究方向和科学基金资助战略.

关键词 毫米波; 相控阵; 集成电路; 移动通信; 雷达感知; mm-Wave; phased array; integrated circuit; communication; radar

摘要 过去60多年,集成电路技术的进步推动了电子信息领域的快速发展.随着工艺制程进入纳米阶段,通过微缩化技术进一步提升器件和电路的性能需要克服技术和成本方面的多重挑战.探寻新的器件、设计和架构技术是高性能计算领域解决当下瓶颈的必然路径.低温芯片技术,利用晶体管低温下电学性能的提升,可以进一步提高逻辑芯片的算力并降低动态和静态功耗,由于和现有集成电路技术兼容性较高,是低成本实现更高性能计算的理想技术路线之一.此外,随着量子计算技术的发展,可扩展的大规模量子芯片需要和极低温互补金属氧化物半导体CMOS电路以及存储芯片实现片上集成,进而实现更高效的数据处理.本文面向高性能计算应用,从器件表征、模型、仿真和设计、应用等多个层面,分析并总结了低温芯片技术领域的发展历程、理论基础和技术挑战,并给出针对性的解决方案和建议,有助于推动我国在低温芯片技术领域的持续发展.

关键词 低温芯片; 低温电子学; 低温PDK; 高性能计算; 量子计算; low-temperature CMOS circuit; low-temperature electronics; low-temperature PDK; high-performance computing; quantum computing

摘要 近年来,量子计算受到国内外越来越广泛的关注,美国、欧洲、日本和澳大利亚等国都投入了大量资金,量子计算应用研究成果开始涌现.在众多的量子计算物理系统中,半导体量子计算因具有与现有集成电路工艺兼容及可扩展、可集成的优点而备受重视.本文在介绍国内外半导体量子计算研究进展的基础上,探讨半导体量子计算发展中面临的关键科学技术难题,以及未来半导体量子计算规模化、集成化、产线化的发展趋势.

关键词 硅; 锗; 量子点; 量子比特; 量子计算; silicon; germanium; quantum dot; quantum bit; quantum computing

摘要 影响高性能芯片的物理设计涉及多个关键因素,文章分析了其中主要的5个因素:标准单元库、核心IP库、布局布线、制造工艺、物理设计与EDA工具/Foundry的协作优化.通过对基本情况介绍,当前行业情况分析等,剖析了影响高性能芯片设计及制造的核心因素,对高性能芯片未来需要重点发展的方向提出了一些探讨思路.

关键词 高性能芯片; 物理设计; 集成电路IP核; EDA; 布局布线; high-performance chips; physical design; intellectual property core; place and route

摘要 左移(shift-left)融合是电子设计自动化(electronic design automation, EDA)的一种新设计范式,旨在通过融合和并行解决传统瀑布式设计范式的问题.传统EDA流程分为多个串行设计阶段,导致设计周期长、设计冗余大.通过相邻设计阶段的融合与并行,可以有效缩短设计周期、提升设计优化效率.左移融合通常涉及在不同设计阶段之间共享数据模型,并采用新的抽象方法,可以应用到包括高层次综合、逻辑综合、布局布线、签核验证、工艺优化等EDA流程的各个阶段.此外,借助早期的数据分析与评估,可以有效应对后期可能出现的问题,从而降低开发成本.综上,鉴于左移融合对于提高EDA流程的效率和质量具有重要意义,本文将介绍左移融合的发展现状和关键科学问题,并展望未来发展路线.

关键词 电子设计自动化; 左移; 融合; 并行; 效率; EDA; shift-left; fusion; parallel; efficiency

摘要 光刻机是集成电路制造中最为核心的高端装备,在60余年的发展历程中不断挑战人类超精密制造装备的极限,推动着摩尔定律的持续向前和信息时代的飞速发展,对于科技进步、国民经济、国家安全具有极为重要的战略意义.本文阐述了光刻机在集成电路制造装备中的核心地位,介绍了光刻的基本原理,梳理了国际上光刻机从20世纪60年代至今的发展脉络,围绕光刻机三大核心部件分析了光刻机中的关键技术及面临的极限技术挑战.在此基础上,本文展望了未来光刻机的发展趋势和未来方向.

关键词 集成电路; 光刻机; 关键技术; 发展前沿; 未来挑战; integrated circuit; IC; lithography machine; key technology; development frontier; future challenge

摘要 当前面向标签噪声的鲁棒性学习通常依赖样本选择和标签修正两种策略,但是这两类方法均存在缺陷.基于样本选择的方法忽略了被过滤掉的样本中的有效信息,进而降低了模型的性能.基于标签修正的方法常使用自标签技术而引起模型的错误积累问题.对此,本文提出了一个集成样本选择、标签修正的联合训练框架.针对样本选择模块,本文设计了一种新的选择标准,通过在线选择的方法对所挑选的样本集合进行更新.相较于现有选择标准,本文提出的标准可保留更多边界样本,提升了模型对决策边界的学习性能,增强了模型的泛化性能.针对标签修正模块,本文提出了一种联合标签修正策略.相比于传统的自标签修正技术,该模块通过联合特征空间视角,对噪声样本进行多视角的标签修正,解决了传统自标签技术的错误累积问题.此外,本文引入对比学习正则化项,提升了标签修正效果和模型表征学习能力.本文方法在4个测试基准上取得了当前最好分类效果,验证了所提训练框架的有效性.

关键词 标签噪声学习; 样本选择; 标签修正; 对比学习; learning with noisy labels; sample selection; label correction; contrastive learning

摘要 决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决策树算法存在多值偏向问题,即倾向于选择取值种类多的属性作为节点分割属性.已有研究表明缓解随机一致性的评价准则能够降低分类偏差与类簇个数偏向.本文将基于标准化框架缓解基尼指数的随机一致性,以此缓解其多值偏向问题.通过人造数据集验证,标准基尼指数能够缓解基尼指数的多值偏向问题,并且选择出具有决策信息的属性.通过12个基准数据集与两个图像数据集的实验验证,基于标准基尼指数的决策树算法比现有缓解多值偏向的决策树算法具有较高的泛化性能.

关键词 基尼指数; 多值偏向; 决策树; 随机一致性; Gini index; bias to multi-value; decision tree; random consistency

摘要 非接触式传感器相比接触式触觉传感器可以避免与物体直接接触过程中产生的噪声,因而能够获取更有价值的原始数据表征物体内在属性;然而针对非接触式传感器感知的物体属性数据而言,现有算法难以实现单样本学习下的物体准确识别.为解决这一问题,本文提出一种新颖的单样本学习下时序约束稀疏表示方法 (one-shot learning with temporally constrained sparse representation, OSL-TCSR)用于识别5种不同材料下的50个物体类别.首先将两种原始数据(Lumini光谱和SCiO光谱)并行投影至共享子空间,并且使用聚类典型关联分析法(cluster canonical correlation analysis, C-CCA)计算两种原始数据的聚类相关性特征;其次通过稀疏表示分别计算得到聚类相关性特征数据以及原始数据的编码向量,并利用原始数据的编码向量对相关性特征数据的编码向量进行二次投影映射;然后将两次映射后的原始数据和相关性特征数据进行重构,以充分耦合化两种光谱数据,解决了单样本学习下的数据稀缺问题;进一步地,设计新颖的时序约束稀疏表示方法计算重构后的原始数据和相关性特征数据,以充分考虑每个光谱序列的时序特征;最后与最新的物体识别方法进行实验对比,结果表明提出的OSL-TCSR方法提高了单样本学习情况下的物体识别结果.此外, OSL-TCSR还可灵活迁移至多种应用场景,比如材料识别或纹理识别等.

关键词 物体识别; 聚类相关性特征; 单样本学习; 时序约束正则化; object recognition; clustering correlation characteristics; one-shot learning; temporally constrained regularization

摘要 本文基于前景理论在博弈的框架下研究了行为感知概率对网络化系统中攻防资源配置的影响.首先,在理性决策情形下,通过融合物理系统、执行器攻击和资源分配模型,构建了一个新的安全博弈框架.其次,针对决策者依靠感知概率而非真实概率进行主观决策的情形,基于前景理论构造了行为安全博弈模型.然后,建立了安全博弈和行为安全博弈下期望收益函数关于攻防资源凹凸性的充要条件,并深入分析和比较了安全博弈和行为安全博弈下攻防资源最优配置的存在性和唯一性以及行为概率对安全博弈的影响.最后以无人机群为例进行了仿真,验证了所提方法的有效性.

关键词 执行器攻击; 前景理论; 资源分配; 安全博弈; 行为安全博弈; actuator attacks; prospect theory; resource allocation; security game; behavioral security game

摘要 涉水光学(water-related optics)主要研究光与水的物质相互作用机理及光的跨介质传播机理,解决与涉水光学数据智能获取、信息传输及智能信号处理有关的各种问题,探索光学在涉水领域中应用的科学,是临地安防(vicinagearth security, VS)体系中水下安防的重要学科支撑.近年来,随着光学技术和智能科学的快速发展,光学在水体中的应用日渐突出,涌现出大量的涉水光学新理论、新技术,同时面临着新的机遇与挑战,对我国领水的防卫、防护、生产、安全、救援等具有重要的意义.本文系统介绍了光学技术在涉水领域中的数据获取、信息传输及智能信号处理,包括涉水光学中的传感、测量、成像、探测、通信、智能信号处理等研究方向.本文对现有涉水光学理论和技术进行了深入的思考,针对现有的科学技术现状,分析了涉水光学当前所面临的挑战,并展望了涉水光学的未来发展趋势.

关键词 光与水相互作用; 智能科学; 海洋光学; 水下光学; 认知计算; 水下安防; 临地安防; light-water interaction; artificial intelligence; ocean optics; underwater optics; cognitive computing; underwater security; vicinagearth security

摘要 随着无人机以及激光雷达在测绘领域的大规模应用,大量的城市场景稠密三维网格模型被生产出来,对其进行建筑物单体分割与结构化重建是计算机图形学领域极具挑战性的研究问题.本文对此提出了一种城区场景建筑物单体分割与结构化重建耦合处理的方法.首先,本文基于马尔可夫(Markov)随机场从场景中提取建筑物轮廓;然后,基于提取出的建筑物轮廓以及人造建筑竖直方向的规则性,引入了一种新的建筑物结构化模型——多层轮廓模型;最后,设计了一个自顶向下的城区场景建筑物单体分割与结构化重建耦合处理的并行系统,该系统能够高效地处理大规模城区场景.实验结果表明,本文方法生成的结构化模型最高实现了厘米级的精度.

关键词 建筑物单体分割; 结构重建; 耦合处理; 城市场景理解; 马尔可夫随机场; building instance segmentation; structural reconstruction; coupled processing; urban scene understanding; Markov random field

摘要 近年来,图像生成技术取得了令人瞩目的发展,目前的图像生成方法大多以像素填充的方式生成图像,缺乏艺术家逐笔绘制的过程,使其在局部笔触细节与纹理上与真实艺术作品有所不同.神经绘画致力于模仿人类艺术家以画笔为单位,逐笔绘制的作画过程.现有的神经绘画方法大多使用贝塞尔曲线或者笔触模板进行仿射变换来模拟真实笔触.然而,贝塞尔曲线纹理的缺乏以及仿射变换的线性性质,导致生成的笔触在纹理或者形状上存在较大的限制.为了更好地模拟真实笔触的纹理与形状,本文提出了新的基于薄板样条插值的弯曲笔触参数模型,通过对真实笔触模板先后进行弯曲与仿射变换,可以生成更加真实、多样的笔触图像.此外,本文提出了层次化的笔触优化方法,将整幅图像分解为由大到小的多个笔触,能够有效提升模型对图像整体架构与局部细节的绘画能力.最后,本文将提出的方法拓展至风格迁移中,实现了较好的风格迁移效果.定性与定量的实验表明,本文所提出的新的笔触模型与优化方法在神经绘画及风格化任务中都超越了已有的最佳模型.

关键词 神经绘画; 薄板样条插值; 弯曲笔触; 层次优化; 风格迁移; neural painting; thin plate spline; curved stroke; layer optimization; style transfer

摘要 联邦学习甫一问世便得到了广泛的关注,被认为是一种具有广阔前景的分布式机器学习范式.然而,传统联邦学习方案基于中央服务器的集中式设计,在效率和可扩展性上存在不足.此外,集中式设计需要有可信的中央节点协调参与者完成训练,可能导致信任和可靠性的问题,例如中央服务器被操控或是出现单点故障.为了解决上述问题,相关领域的研究人员提出了基于区块链的去中心化联邦学习方案.去中心化联邦学习修补了传统集中式联邦学习的缺陷,但与此同时也引入了全新的攻击面.具体而言,由于区块链将网络中节点发起的全部事务保存在一个公开共享的数字账本,所有区块链节点都可以获取联邦学习参与者每轮的本地训练模型副本.这一现象严重地侵害了参与者的数据隐私和自身利益.在上述困境的驱动下,本文提出了一种安全去中心化联邦学习的可行方案,能够同时解决联邦学习参与者的数据机密性问题和学习公平性问题.区别于此前的研究工作,还提出了一种基于区块链的联邦学习的生产–消费模型,用于在模型安全聚合过程中审查参与者的本地行为,防止出现参与者不劳而获或是虚假训练的情况,在此基础上本文提出APoS共识机制,提供一种激励与审查机制,确保参与者在联邦学习的过程中倾向于选择诚实的训练.

关键词 联邦学习安全; 去中心化网络; 区块链; 数据消费; 激励机制; secure federated learning; decentralized network; blockchain; data consumption; incentives

摘要 FBC是一种轻量级分组密码算法,由于结构简单、软硬件实现灵活等优点成为2018年中国密码学会(CACR)举办的全国密码算法设计竞赛中晋级到第2轮的10个算法之一.FBC密码包含3个版本支持128和256两种比特长度的明文分组以及128和256两种比特长度的密钥,本文主要对分组长度128位的两个版本进行分析.我们基于SAT (Boolean satisfiability problem)模型对FBC的差分特征进行自动化搜索,得到了新的14轮差分路线,概率为2~(-102.25).基于此路线我们给出了18轮FBC128-128和20轮FBC128-256差分分析,并且在分析过程中给出了复杂度估计.对于18轮FBC128-128差分分析,时间复杂度和存储复杂度分别为2~(101.5)和2~(52).对于20轮FBC128-256差分分析时间复杂度和存储复杂度分别为2~(184)和2~(96).

关键词 分组密码; 差分分析; FBC 算法; 布尔可满足性问题; block cipher; differential cryptanalysis; FBC; Boolean satisfiability problem

摘要 针对工业设备故障诊断知识图谱故障实体属性残缺、故障关系链接缺失的问题,本文提出了一种基于知识图谱异构图注意力网络(knowledge graph heterogeneous graph attention network, KGHAN)模型的工业设备故障诊断知识图谱补全方法,通过对故障实体概念补全和故障关系链接补全完善了工业设备故障诊断知识图谱.所提KGHAN模型在异构图注意力网络模型的基础上,融合了故障知识结构信息和故障图结构信息,有效地表征了故障实体和故障关系的嵌入表示,提高了故障实体概念补全任务的准确率和故障关系链接补全任务的命中率.将所提工业设备故障诊断知识图谱补全方法应用在国内某企业的工业设备故障运维数据上,结果表明,故障实体概念补全任务的准确率提高了约10%,故障关系链接补全任务的命中率提高了约37%,验证了方法的有效性.

关键词 知识图谱补全; 知识图谱; 图神经网络; 故障诊断; 工业设备; knowledge graph completion; knowledge graph; graph neural network; fault diagnosis; industrial equipment

摘要 仿真技术已被广泛地用于评估与优化随机复杂系统,例如生产制造、网络通信、医疗健康等信息物理融合系统.然而,将仿真优化方法用于方案排序问题的研究甚少.本文考虑只能通过系统仿真才能获取性能表现的k个备选方案排序问题,在贝叶斯(Bayes)框架下,构建以寻求最大化后验方案正确排序概率为目标的动态仿真预算优化分配模型.通过将仿真预算分配决策过程表述成一个随机动态规划问题,推导出一种动态计量预算分配策略,并证明了该分配策略的渐进最优性.数值实验以及案例分析的结果表明,本文提出的算法显著地提高了方案排序问题的仿真优化效率.

关键词 仿真优化; 排序选优; 信息物理融合系统; 马尔科夫决策过程; 贝叶斯估计; simulation optimization; ranking and selection; cyber-physical system; Markov decision process; Bayesian estimation

摘要 针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.

关键词 智慧交通; 自动驾驶车辆; 道路跟驰; 多智能体系统; 一致性控制; 外部干扰; intelligent transportation; autonomous vehicle system; path following; multiagent system; consistency control; external disturbance

摘要 随着大量计算密集型和时延敏感型任务的出现,利用移动边缘计算(mobile edge computing,MEC)来提高用户体验并降低系统能耗已成为研究热点.然而,在密集部署的MEC网络场景下,无线网络状态复杂的空间相关性和动态性给卸载方案的制定带来了严峻挑战.本文针对多基站多用户MEC网络场景,研究了一种智能协作的计算卸载和资源分配算法.首先,提出了卸载决策、信道分配、传输功率分配和计算资源分配的联合优化问题,旨在用户时延约束下最小化系统的能耗.其次,由于该问题是一个混合整数非线性规划问题,本文提出了一种基于图注意力网络的混合动作多智能体强化学习算法(graph attention network-based hybrid-action multi-agent reinforcement learning, Gat-HMARL),将基站作为智能体并配置该算法. Gat-HMARL算法通过图注意力网络捕捉无线网络状态之间潜在的空间相关性,使基站有选择性地关注邻域中其他基站的无线网络状态信息,从而学习更优的计算卸载和资源分配策略.最后,仿真结果表明Gat-HMARL与基准算法相比在性能上有明显提升.

关键词 移动边缘计算; 计算卸载; 资源分配; 多智能体强化学习; 图注意力网络; mobile edge computing; computing offloading; resource allocation; multi-agent reinforcement learning; graph attention network

摘要 类周期结构具有独特的电磁波调控特性,在天线、雷达探测、目标隐身等领域具有重要研究价值,而针对大尺度类周期阵列的高效精确电磁仿真一直是电磁计算领域的重难点问题.本文从类周期阵列几何相似性出发,提出了一种具有函数复用机制的并行综合函数法(parallel synthetic basis functions method, p-SBFM),首次实现并验证了p-SBFM在多构型类周期阵列分析中的有效性.相比传统电磁数值算法, p-SBFM在大尺度类周期阵列分析中,能够在一定程度上克服精度、效率、内存消耗三方面指标难以兼顾的难题,为类周期结构的工程应用提供理论分析和仿真手段.

关键词 类周期结构; 综合函数; 并行计算; 矩量法; 电磁仿真; quasi-periodic structures; synthetic functions; parallel computing; method of moment; electromagnetic simulation

摘要 巨型星座是未来天基系统的一个重要发展方向.本文基于巨型星座核心共性需求以及对桌面、物联网、车联网、卫星等典型应用场景操作系统发展历程的研判,分析了应用场景需求与操作系统间的演化规律,提出了我国发展完全自主可控星云操作系统的构想和技术途径,包括架构定义、硬件载体、内核设计、安全可信,以及生态建设等方面,以满足巨型星座复杂应用场景的需求.

关键词 巨型星座; 星云操作系统; 共性需求; 应用场景; 发展思路; mega-constellation; China satellite cloud operating system; common requirements; application scenario; development research

摘要 人机物融合泛在计算的新场景和新模式,需要新型的操作系统,即泛在操作系统.存储管理作为泛在操作系统的一项核心功能,设计轻量化、高性能和动态可适配的存储系统是推进泛在操作系统发展的必要举措.然而,对于“端(终端设备)–边(边缘端)–云(云端)”泛在场景中普遍存在的结构化数据,传统存储解决方案存在I/O放大严重、系统体量过大和软件栈冗余等问题,难以满足泛在应用的需求.为此,本文从系统全栈的角度进行原创性探索,提出原生表存储系统.本文首先回顾了计算机系统的发展历史;之后分析泛在计算时代的新需求,总结出泛在操作系统的基本形态,并介绍最新研究成果;然后剖析了现有结构化存储方案在“端–边–云”场景下面临的挑战;进一步提出面向泛在操作系统的原生表存储系统,并从端侧和边/云侧两个场景深入分析其架构优势.最后,总结全文并展望未来发展趋势.

关键词 泛在计算; 泛在操作系统; 原生表存储; 软件栈; 端-边-云; ubiquitous computing; ubiquitous operating system; native table storage; software stack; end-edge-cloud

摘要 人机物融合的新兴领域需要新型操作系统内核以支持泛在计算,对下管控海量异构硬件,对上服务动态多变应用场景.本文提出一种积木式内核架构BrickOS,可以根据使用场景灵活选择要加入内核的系统组件,同时可以选择将系统组件运行在用户态以提供较好的安全性,或者运行在共享地址空间的内核态中以提升性能.为了保障运行在相同地址空间中的系统组件的安全性, BrickOS为底层硬件的内存保护机制提供了统一的抽象,并将其用于单地址空间的内存隔离.测试结果表明BrickOS可以根据不同场景生成定制化内核,并拥有较低的进程间通信(inter-process call, IPC)开销,整体性能良好.

关键词 操作系统内核; 组件编排; 进程间通信; 内存隔离; operating system kernel; components arrangement; inter-process communication; memory isolation

摘要 随着数字经济时代的到来,数据已成为重要生产要素,将数据外包给第三方存储、管理、分析、计算等应用越来越广泛,随之而来的外包数据、外包计算等外包服务的可信性问题也日益突出,可验证技术被视为判定外包服务可信的一种有效且具有广泛应用前景的技术.该技术发展迅速、研究内容丰富、技术多样、种类繁多,且随着区块链、人工智能、隐私计算等新型外包服务需求的出现,为可验证技术带来了新的挑战和发展契机.本文对面向外包服务的可验证技术研究进展进行了梳理与总结.首先梳理总结给出了面向外包服务的可验证技术框架、分类方法、安全目标与评价体系.接着从外包数据和外包计算两个角度给出可验证技术的形式化定义,并分别论述其典型的可验证方案.然后从外包数据的角度,以验证数据类型为主线结合实现的功能和方法分别详细论述了不同数据类型、不同场景、不同实现方式的外包数据持有性验证和完整性验证技术;从外包计算的角度,根据外包计算类型的不同,总结归纳了5种典型外包计算的可验证技术特点及研究进展,并基于提出的评价体系对典型方案进行了详细的对比分析.最后结合新兴技术和应用热点,展望了可验证技术在前沿方向上的发展趋势、应用前景及其面临的挑战.

关键词 外包服务; 外包数据验证; 可验证计算; 可认证数据结构; 动态可验证结构; outsourcing services; outsourcing data verification; verifiable computation; authenticated data structures; dynamic verifiable structures

摘要 联邦学习(federated learning, FL)是一种以保护客户隐私数据为中心的分布式处理网络,为解决隐私泄露问题提供了前景良好的解决方案.然而, FL的一个主要困境是高度非独立同分布(nonindependent and identically distributed, non-IID)的数据会导致全局模型性能很差.尽管相关研究已经探讨了这个问题,但本文发现当面对non-IID数据、不稳定的客户端参与以及深度模型时,现有方案和标准基线FedAvg相比,只有微弱的优势或甚至更差,因此严重阻碍了FL的隐私保护应用价值.为解决这个问题,本文提出了一种对non-IID数据鲁棒的优化方案:FedUp.该方案在保留FL隐私保护特点的前提下,进一步提升了全局模型的泛化鲁棒性. FedUp的核心思路是最小化全局经验损失函数的上限来保证模型具有低的泛化误差.大量仿真实验表明, FedUp显著优于现有方案,并对高度non-IID数据以及不稳定和大规模客户端的参与具有鲁棒性.

关键词 分布式网络; 联邦学习; 异构优化; 泛化性; 鲁棒性; 隐私保护; distributed network; federated learning; heterogeneous optimization; generalization; robustness; privacy protection

摘要 服务器无感知计算作为云原生范式中快速发展的新兴技术,因其按需付费、自动资源伸缩和底层环境屏蔽等特点而受到越来越多的开发人员欢迎. FaaS (函数即服务)作为Serverless架构的主要实现方式,以函数粒度对应用进行解耦和执行.大多数云服务提供商也为应用开发人员提供了基于Serverless架构的应用搭建服务,这些服务允许开发人员以函数的形式部署代码,并根据实际的请求量进行自动扩缩容.然而,在部署有状态函数时,由于Serverless架构的无状态特性,管理其中的有状态数据变得复杂,往往无法满足Serverless中函数对有状态数据的访问性能要求.因此,本文提出了一种基于有状态和动态可寻址会话机制的服务器无感知计算系统XFaaS,实现了低开销的有状态数据访问和更高的应用吞吐.实验结果表明,通过采用XFaaS系统部署有状态函数的方式,可以降低有状态数据访问时延3个数量级,并提高2倍以上的函数最大吞吐量.

关键词 服务器无感知计算; 函数即服务; 有状态函数; 粘滞会话; 容器; Serverless computing; function-as-a-service; stateful function; sticky Session; container

摘要 近年来,人工智能蓬勃发展,伴随着计算硬件算力的提升,深度学习已成为了人工智能算法的新范式.然而深度学习依赖大量精确标注的数据,在现实的多类别分类场景中,受限于标注成本和隐私数据保护等因素,大量精准标注的数据往往难以获得.近些年,移动众包和网络爬虫这类经济廉价的数据收集方法被广泛采用,但他们不可避免地引入了错误标注,即标签噪声.鉴于深度神经网络强大的数据拟合能力,标签噪声的存在将造成算法的过拟合,严重制约了深度学习方法的泛化能力.针对标签噪声问题,现有研究大多显式或隐式地依赖锚点(明确属于某一类别的样本),然而在现实场景中锚点难以获取,这使得现有解决方案不再适用.为解决这一问题,本文创造性地将多类别标签噪声学习问题转化为混合比例估计(mixture proportion estimation, MPE)问题,构建了一种不依赖锚点的满足统计一致性的学习算法.本文的主要贡献包括:(1)对现有的仅适用于二组成物MPE场景的R-MPE(regrouping-MPE)方法进行推广,提出了多组成物场景下不依赖不可约假设的MPE方法 MR-MPE(multi-component oriented R-MPE);(2)理论上证明了多类别分类场景下标签噪声学习算法锚点假设和MPE问题不可约假设的等价性,并基于所提出的MR-MPE方法构建了不依赖锚点的满足统计一致性的算法.本文在合成噪声数据集和真实噪声数据集上分别与现有算法进行了对比实验,结果显示本文所提算法在多个数据集上均展现出了最优的性能;同时,在移除锚点的情况下,本文对算法的鲁棒性进行了测试,验证了所提算法不依赖锚点的特性.

关键词 混合比例估计; 多类别分类; 标签噪声学习; 锚点; 不可约假设; 统计一致性; mixture proportion estimation; multi-class classification; label-noise learning; anchor point; irreducible assumption; statistical consistency

摘要 半监督学习旨在数据标注缺乏的情形下利用无标注数据提升学习性能,是重要的机器学习范式.尽管不少研究报道表明半监督学习取得了优异的性能表现,然而其在面临诸多实践任务时仍存在伪标注质量判断困难、超参数选择敏感、理论指导缺乏等瓶颈.针对上述挑战,本文提出一种稳健选择伪标注的混合式半监督学习方法,通过综合利用模型预测结果之间的分歧自适应地判断伪标注质量,无需预设超参数,显著提升了半监督学习的稳健性.本文在理论上证明了新方法的错误率随训练轮数的增加而显著下降.实验验证了本文方法较主流技术取得了明显的性能提升,例如,相较于在CIFAR-10数据集中表现最优的半监督学习技术FixMatch,新方法的分类错误率下降了11%以上,在更具挑战的STL-10数据集中分类错误率下降了18.8%.

关键词 机器学习; 深度学习; 半监督学习; 伪标注; 稳健性; machine learning; deep learning; semi-supervised learning; pseudo-label; robust

摘要 随着数据量爆炸式增长、计算资源愈加丰富,浅层神经网络并不总能满足时代需求,从而导致深度神经网络的出现.深度神经网络的迅猛发展主要体现在应用领域,其理论研究相对匮乏.基于此,本文聚焦研究深度ReLU神经网络的万有一致性,具体内容包括:首先,是否存在一个具有统一结构的深度神经网络(即深度、宽度、激活函数等均已确定)使得该深度神经网络可以学习更多特征,并具有万有逼近性;其次,针对已确定的深度神经网络模型,证明其是强万有一致的;最后,从实验的角度验证理论结果的合理性.

关键词 深度神经网络; 万有一致性; 深度学习; ReLU 函数; 逼近性; deep neural networks; universal consistency; deep learning; ReLU function; approximation

摘要 本文致力于设计一个有效且高效的伪装物体分割(camouflaged object segmentation, COS)模型.为此,本文开发了一个生物启发的框架,称为金字塔定位和聚焦网络(pyramid positioning and focus network, PFNet+),其模仿了自然界中的捕食过程.具体地,本文的PFNet+包含3个关键模块,即上下文增强模块(context enrichment, CEn)、金字塔定位模块(pyramid positioning module, PPM)和聚焦模块(focus module, FM). CEn通过整合上下文信息来增强骨干特征的表征能力,从而提供更有辨别性的骨干特征. PPM模仿捕食中的检测过程,以金字塔的方式从全局的角度定位潜在的目标物体.然后FM执行捕食中的识别过程,通过在歧义区域的聚焦逐步细化初始的预测结果.值得注意的是,在FM中,本文开发了一个新颖的分心挖掘策略,用于分心区域的发现和去除,以提高预测的性能.大量的实验证明本文的PFNet+能够实时运行(56 fps),在4个标准度量指标下, PFNet+在3个具有挑战性的数据集上都显著优于现有的20个最新模型,在其他视觉任务(如息肉分割)上的实验进一步证明了PFNet+的泛化能力.

关键词 伪装物体; 分心; 上下文增强; 上下文探索; 金字塔; 分割; camouflaged object; distraction; context enrichment; context exploration; pyramid; segmentation

摘要 本文针对当前指代视频目标分割方法缺乏目标时空一致性建模和目标时空表征学习不足等问题,进行了深入的研究,提出了基于时空层级查询的指代视频目标分割方法 (STHQ).本文将指代视频目标分割看作基于查询的序列预测问题,并提出两级查询机制进行目标的时空一致性建模和时空特征学习.在第1阶段,本文提出了帧级空间信息提取模块,该模块使用语言特征作为查询独立地和视频序列中的每一帧在空间维度进行信息交互,生成包含目标空间信息的实例嵌入;在第2阶段,本文提出时空信息聚合模块,该模块使用视频级的可学习查询嵌入和第1阶段生成的实例嵌入在时空维度进行信息交互,生成具有时空表征信息的视频级实例嵌入;最后,视频级实例嵌入线性变换为条件卷积参数,并和视频序列中的每一帧进行卷积操作,生成目标的掩码预测序列.在该领域的3个基准数据集上的实验结果表明,本文提出的STHQ方法超越了现有的方法,实现了最佳的性能.

关键词 指代视频目标分割; 时空一致性建模; 时空特征学习; 跨模态特征交互; Transformer; referring video object segmentation; spatio-temporal consistency modeling; spatio-temporal feature learning; cross-modal feature interaction

摘要 针对通信噪声干扰下的资源分配问题,本文提出了基于对偶梯度追踪的分布式算法以实现资源的最优配置.通过设计新的噪声追踪策略与引入抑制系数,本文算法对噪声干扰具有更好的鲁棒性,并且支持各节点使用非协同步长进行迭代更新.理论分析证明了对于非Lipschitz光滑甚至不可微的强凸目标函数,算法在噪声干扰下仍能收敛到最优解邻域并且具有O(1/k)收敛速率.最后,在IEEE14母线和IEEE 118母线系统上验证了本文所提出分布式算法的有效性和可拓展性.

关键词 分布式优化; 对偶问题; 噪声抑制; 资源分配; 非协同步长; distributed optimization; dual problem; noise suppression; resource allocation; uncoordinated stepsizes

摘要 随着网络科学的发展,普通网络无法描述多个个体间的交互作用,这就有必要引入高阶网络.高阶网络能够刻画普通网络无法描述的网络特征,其中单纯形(2阶以上)扮演着关键角色.牵制控制具有“四两拨千斤”的作用,在高阶网络中只需牵制一部分单纯形就能达到同步.但如何选取合适的单纯形进行牵制控制,是一个充满挑战而又全新的课题.本文给出高阶网络达到同步的自适应牵制控制律,并提出如何选择合适的单纯形进行牵制,选择方式由高阶网络广义Laplacian矩阵次小特征值对应的单位特征向量分量决定.数值仿真结果表明该方法简单有效,牵制控制效果与单纯形选择方式一致.

关键词 复杂网络; 高阶网络; 牵制控制; 同步; 单纯形; complex networks; higher-order networks; pinning control; synchronization; simplexes

摘要 为进一步推动面向 “双碳” 战略的超低功耗的移动通信系统新技术的研究, 及时报道我国学者在超低功耗移动通信系统领域的最新成果,《中国科学: 信息科学》组织出版 “面向 ‘双碳’ 的移动通信系统与方法专题”, 经过高质量、高效率的同行评议, 共录用了 6 篇学术论文, 涵盖 6G 原生绿色网络新指标、体系架构与关键技术等.

摘要 由我国首次提出的“双碳”目标(即“碳达峰”与“碳中和”),是“十四五”规划中的重要布局,也是未来移动通信网络实现绿色、可持续发展的关键目标,更是奠定我国国际碳资产定价权与世界碳交易平台的基础.其中,实现绿色通信的难点在于保持业务量增长的同时,降低网络能耗及碳排放.本文从移动通信网络侧节能减排的角度和通信网与多能能源网融合架构的角度对绿色通信技术展开研究.研究结果表明,实现绿色通信技术的关键在于进行网络资源、能量资源与业务分布的相互匹配,而现有技术仅能实现网络资源与业务分布的单向匹配,或能量资源与业务分布的单向匹配.基于此,本文提出一种通信、感知和能量融合的原生绿色网络架构,该架构具备能量感知与业务感知能力,支持网络资源、能量资源与业务分布双向匹配方法,通过消除业务分布与能量分布的随机性与突发性,实现业务量持续增长的同时,显著降低移动通信网络侧耗能及碳排放.

关键词 双碳; 绿色通信; 双网融合; 绿色网络架构; 节能减排; carbon peaking; carbon neutrality; green communication; integration of communication network and energy network; green network architecture; energy saving and emission reducing

摘要 5G的大规模部署伴随着网络能耗呈指数级增长,与此同时,国家提出了“碳达峰”与“碳中和”的“双碳”目标,因此移动网络的节能减排已刻不容缓.然而,一方面随着人工智能等技术的发展,未来6G网络中计算类业务预期将迎来大幅增长;另一方面,实现绿色低碳需要提升可再生能源的利用率,但绿色新能源供能不稳难以保证服务质量.为应对以上挑战,本文提出一种能量与信息服务深度融合的低碳网络架构,通过构建一个协调异质资源的智能控制面,充分利用并调度移动网络中泛在的算力、通信和储能,在保证6G个性化业务服务质量要求的同时,以期大幅降低网络能耗与碳排放.本文同时还讨论了该架构下的调度机制设计以及可能的未来研究方向.

关键词 6G; 低碳; 节能; 通信计算融合; 绿色能源; low carbon; energy saving; communications and computing integration; green energy

摘要 语义通信关注传输信息的内在含义,通过语义提取可显著减少需要传输的数据量,提高通信效率,在未来智能设备通信场景中展现出巨大的潜力.然而,深度学习使能的语义编解码进一步加剧传统通信的能量消耗.针对该问题,本文提出一种联合跨层优化框架,并设计了一种语义能效指标来评估用户的体验质量和全局系统的能量损耗.将该优化过程建模为部分可观测的马尔可夫过程,联合优化物理层中的功率控制和语义层中的语义压缩配置:功率分配用于消除小区间干扰,语义压缩等级配置用于优化语义传输效率.仿真结果表明,所提框架和算法能够有效解决语义层和物理层的联合优化问题.

关键词 资源分配; 语义通信; 语义感知网络; 能量效率; 多智能体强化学习; resource allocation; semantic communications; semantic-aware network; energy efficiency; multiagent reinforcement learning

摘要 随着新一代信息通信技术(information and communication technologies, ICT)的高速发展以及新基建的部署,移动通信系统的能耗和碳排放出现较快增长的趋势. ICT行业在自身节能减排之外,使能其他行业节能减排,可有效降低其他行业的碳排放,是未来理论研究行业应用的重要领域.本文基于ICT使能碳减排评估框架,提出两个定量衡量使能效果的指标,使能减碳比(enable carbon reduction ratio, ECRR)和使能低碳系数(enable carbon reduction coefficient, ECRC)以及相应的定量分析方法,用于评估被使能企业的实际碳减排效果.本文研究可保护数据隐私的多方数据共享,基于安全多方计算(secure multi-party computation, SMPC)框架,提出保护各方数据隐私的使能碳减排评估方法.本文通过实际案例,完成数据采集、分析验证,对所提指标和方法论证其有效性和实用性.

关键词 ICT使能; 碳减排量化评估; 隐私保护; 全生命周期碳足迹; 使能低碳系数; ICT enablement; quantitative evaluation of carbon reduction; privacy protection; life cycle assessment of carbon reduction; enable carbon reduction coefficient

摘要 随着无线通信系统中用户数量和通信数据量的不断增加,通信系统所消耗的能源量也在急剧增长,为了实现可持续发展并达成绿色通信目标,将可再生能源与电网能源相结合,并采用多源供电方式为蜂窝通信系统供电,成为一种具有前景的解决方案.本论文旨在针对实际场景下的太阳能生产情况,基于随机几何理论,建立精确的基站能耗模型以及新能源捕获模型.进一步,提出了一种基于非平衡最优传输的启发式基站间新能源调度算法,以达到提高新能源利用率,降低网络碳排放率的效果.该算法有效降低了通信系统对电网能源的依赖,为新能源移动通信基站的节能减排探索提供了有益的参考.

关键词 蜂窝网络; 可再生能源; 随机过程; 非平衡最优运输; 能源共享; cellular networks; renewable energy sources; stochastic processes; unbalanced optimal transport; cooperative energy sharing

摘要 随着国家“双碳战略”的稳步推进,无线通信领域缺少合理评估碳效用的相关指标,而传统的碳效用评估指标无法满足变化愈加剧烈的网络流量和网络部署、运维的特点.针对上述问题以及无线通信网–能源互联网双网融合的新趋势,本文提出了面向双网融合系统的集成相对碳效用指标(integrated relative carbon efficiency, IRCE).该指标不仅可以反映无线通信网络的容量和流量在时空上的动态变化,而且能够准确反映能源互联网的各个单元对双网融合系统的碳效用的影响.实验证明,所提出的集成相对碳效用指标不仅可以评估双网融合系统的碳效用水平,还可以反映能源供给侧不同的电能调度方式对碳效用的影响.

关键词 碳效用评估; 无线网络; 能源互联网; 双网融合; 虚拟电厂; carbon efficiency evaluation; wireless network; energy Internet; joint dual network; virtual power plant

摘要 在计算机与网络基础设施不断发展的推动下,越来越多的人类活动从物理世界向数字世界迁移,产生了构建新型虚实融合网络空间的动因和思想,增强现实、数字孪生、元宇宙等相继成为国际关注热点.虚实融合网络以互联网、物联网为基础,进一步将具有独立身份的计算机、各种物理对象及其数字孪生,以及计算机生成的数字原生对象进行互联,将物理世界和人类世界与数字世界贯通,成为“泛联网”,形成人、机、物泛联互通的虚实融合网络空间,带来全新的大众体验、社交形态、生产模式和数字经济发展路径.这种新型网络空间极大地拓展了互联网、物联网的空间边界和应用领域,同时也带来了新的安全与隐私保护问题.本文首先介绍了泛联网与虚实融合网络空间的概念及架构,分析其存在的安全与隐私风险,然后从用户认证与权限控制、数据安全、隐私保护、感知与交互安全、关键基础设施与软硬件安全、应用安全与网络空间治理等方面的国际研究现状和发展趋势进行综述,最后给出需要解决的十个问题.

关键词 虚实融合网络空间; 泛联网; 数字孪生; 安全; 隐私; virtual-real mixing cyberspace; Pervasive Internet; digital twins; security; privacy

摘要 高阶关联广泛存在于现实世界中,如社交网络、生物网络、交通网络等,建模及优化高阶关联对于网络属性研究和演化趋势预测具有重要意义.超图是一种灵活的数据结构,能够自然地建模高阶关联.近年来,随着深度学习的发展,基于超图建模的超图神经网络被广泛应用于面向高阶关联的表示学习.然而,现有的超图神经网络均基于直推学习范式,虽然在小规模超图数据集上取得了不错的效果,但难以应用到大规模数据上,限制了其应用范围.本文首先分析了现有超图神经网络方法在大规模数据上应用的挑战,然后针对该问题提出了面向大规模数据的高效超图神经网络方法 (efficient hypergraph neural network, EHGNN).针对现有方法空间、时间复杂度过高的问题, EHGNN分别设计了超图采样模块和基于单阶段超图卷积的计算加速模块,同时降低了超图神经网络的空间开销和时间开销,使得超图神经网络适用于大规模超图数据,显著增强了可扩展性.在4个真实超图数据集上的实验结果验证了EHGNN的有效性和高效性.

关键词 超图计算; 超图神经网络; 高阶关联; 大规模数据; 节点分类; hypergraph computation; hypergraph neural network; high-order correlation; large-scale data; vertex classification

摘要 信任在人–机器人–数字人协作中扮演着关键角色,因为它不仅影响了人–机器人–数字人的效率,同时也存在风险和益处.然而,当前的人–机器人–数字人信任研究存在“失衡”现象,即大部分研究集中于“以人为中心”的信任关系而忽略了智能体(机器人和数字人)对人的信任.为了填补人–机器人–数字人信任研究领域的这一空白,在使用多模态信号来建立人–机器人–数字人交互中的适度单向信任基础上,构建跨虚实世界的“三位一体”经历交融共享生态.本文旨在探讨多模态线索和增强现实在建立人–机器人–数字人之间可信关系方面的现有研究、可行性和未来发展方向.最后,本文展望了该模式在社会组织形态及社会事件态势感知和管控中的应用前景,并指出了未来需要解决的问题.本文的研究有助于理解多模态线索和增强现实在人–机器人–数字人交互中的作用,并为“三位一体”趋势的实现提供思路和解决方案.

关键词 增强现实; 多模态交互; 人-机器人-数字人交互; 信任; augmented reality; multimodal interaction; human-robot-digital human interaction; trust

摘要 基于视觉的连续手语识别旨在从图像序列中识别出对应的手语词序列,可以为手语使用者提供一种便利的辅助工具.现有的连续手语识别方法大多需要从图像序列中,逐帧提取视觉和时序特征,而相邻帧中存在的相似视觉信息带来了大量的冗余计算.本文通过分析帧率对连续手语识别算法的影响,发现降低帧率可以显著地提升计算效率,但也会带来一定的性能损失.为了在降低帧率的同时保留更多手语关键信息,本文提出了自适应动态池化层(adaptive dynamic temporal pooling, ADTP),ADTP基于序列特征的自相似性对序列进行动态下采样.在此基础上,本文进一步提出了一种两阶段的训练方式,以更充分地利用原始帧率中的时空信息.具体而言,该训练方式在第一阶段只训练基于原始帧率的手语识别模型,并以此模型为教师网络,通过知识蒸馏的方式引导第二阶段含ADTP模块的模型训练.实验结果表明,本文所提的方法在损失少量性能的情况下,可以大幅度减少识别所需的计算量.此外,本文所提出的ADTP也可用于手语视频结构分析,生成简略直观的手语视频摘要.

关键词 连续手语识别; 时间序列分析; 视觉语言; 知识蒸馏; 计算效率; continuous sign language recognition; time series analysis; visual languages; knowledge distillation; computational efficiency

摘要 针对一般异构线性多智能体系统的分布式资源分配问题,结合智能体动力学特性设计一类分布式优化算法,旨在实现扰动抑制的同时完成资源的最优分配.面对扰动模型已知干扰信号,本文利用智能体状态信息设计一种自适应分布式优化算法,其中拉格朗日(Lagrange)乘子对偶变量控制参数自动增加,直至拉格朗日乘子对偶变量达到一致.当智能体状态信息不可测时,本文将上述算法修改为基于输出反馈的分布式优化算法.当全局成本函数强凸时,借助拉萨尔(LaSalle)不变性引理证明上述所提算法渐近收敛到全局最优解.面对未知扰动信号,本文利用扩张状态观测器技术设计一种分布式优化算法.当未知扰动信号为常数或其微分趋于零时,利用李雅普诺夫(Lyapunov)理论证明上述算法渐近收敛至全局最优解.最后利用数值仿真验证上述算法有效.

关键词 异构多智能体系统; 资源分配; 自适应通信权重; 状态反馈; 输出反馈; 未知扰动; heterogeneous multi-agent systems; resource allocation; adaptive communication weight; state feedback; output feedback; unknown disturbance

摘要 针对多智能体系统通信网络遭受欺骗攻击与隐私窃取问题,本文提出了一种新的具备隐私保护能力的多智能体系统弹性一致性算法.首先考虑到多智能体系统在信息传输环节直接将真实状态信息暴露给外界的问题,设计了一种基于状态分配思想的节点状态信息处理机制,来保证系统中节点状态信息隐私的安全性.其次考虑到外部攻击者对系统收敛的影响,在状态分配机制上进一步引入了检测环节,从而保证系统安全收敛.然后通过数学理论分析证明了算法能够有效保护节点初始状态信息隐私的同时能够保证系统实现弹性一致性收敛.最后通过数值仿真实验与对比实验,进一步验证了本文算法的有效性.

关键词 多智能体系统; 弹性一致性; 欺骗攻击; 隐私保护; 网络安全; multi-agent systems; resilient consensus; deception attack; privacy-preserving; cyber security

摘要 如何定量评估复杂网络中节点的影响力是一个重要的研究课题,因为它有助于深入理解网络的结构和功能.现有的多数方法主要基于网络固有拓扑的分析建立,缺少对多阶邻居节点的传播性质和拓扑信息的综合利用,然而它们对影响力节点识别有重要影响.为此,本文提出了一种综合多阶邻居传播度量和拓扑特征(multi-order neighbor propagation metrics and topological features, MNPMTF)的算法来有效识别复杂网络中的影响力节点.首先,该算法结合传播模型和最短路径来刻画邻居节点的传播概率,从而量化节点之间信息传播的可能性.其次,考虑多阶邻居中的邻居重叠比形成邻居重叠度,进而量化信息在邻居网络中的传播路径.再次,利用节点的k壳、h指数和聚类系数构成新指标KHC系数,以此来描述节点的拓扑特征.最后,算法综合3阶邻居范围内的传播概率、邻居重叠度和拓扑特征以评估节点的影响力.在9个真实网络上的大量实验表明,所提算法在排序准确性、有效性和区分能力等多方面均优于7种具有代表性的方法,为复杂网络中节点影响力评估提供了一种新的思路.

关键词 传播概率; 邻居重叠度; KHC系数; 影响力节点; 复杂网络; propagation probability; neighbor overlap; KHC coefficient; influential nodes; complex networks

摘要 冗余机器人在智能制造、救灾抢险与太空探索等领域扮演着重要角色.然而,对结构信息不准确或未知的冗余机器人进行运动规划是一个棘手的问题.此外,若不考虑冗余机器人末端执行器的姿态约束,可能会因姿态的不可控性导致任务失败.为解决该问题,在考虑末端姿态保持和多层关节物理限制的基础上,本文针对模型未知的冗余机器人提出了一种基于数据驱动技术的双层运动规划方案.该方案在关节角加速度层求解的同时能实现最小化关节角速度范数的要求.进而,构建一个离散神经动力学求解器以在线求解该方案.理论分析、仿真和物理实验验证了所提数据驱动的冗余机器人双层运动规划方案的可行性和有效性.

关键词 冗余机器人; 姿态保持; 数据驱动; 神经动力学; 非线性优化; redundant robots; orientation maintaining; data-driven; neural dynamics; nonlinear optimization

摘要 光纤作为开启信息时代的关键技术之一,自诞生以来引领了信息、物理等众多相关领域的飞速发展.伴随着光纤材料与器件研究的深入和多元化,其应用领域不断扩展,在多个行业中发挥了不可替代的重要作用.本文从国家自然科学基金的视角,结合2018～2022年国家自然科学基金中人才项目、重点项目、重大项目、国家重大科研仪器研制项目、面上项目和地区科学基金项目的资助情况,对各立项项目的题目和关键词进行了热词分析,梳理了我国光纤材料与器件领域的研究现状与挑战,在此基础上分析展望了需进一步深入研究和探讨的方向与内容.

关键词 光纤材料与器件; 国家自然科学基金; 热词分析; 前沿热点; 研究展望; optical fiber materials and devices; National Natural Science Foundation of China; hot word analysis; frontier hot spots; research prospect

摘要 随机控制理论在处理控制系统噪声、优化系统性能和增强鲁棒性等方面发挥关键作用, 是现代控制理论中的重要研究领域之一. 近年来, 随机控制理论和应用虽有显著进步, 但依然面临众多新的、具有挑战性的问题. 这些问题包括高阶和低阶非线性特性、输出约束的随机系统的稳定化问题、平均场随机系统最优策略的部分无模型或完全无模型的智能算法设计问题, 以及针对道路交通拥堵的随机网络控制策略问题等. 为了展示这些问题的最新研究进展, SCIENCE CHINA Information Sciences 在 2024 年 67 卷第 4 期组织并出版了 “随机系统分析与控制专题” (Special Topic: Analysis and Control of Stochastic Systems), 深入地探讨了随机系统基础理论与应用领域的研究现状及其创新成果.

摘要 国家重点研发计划 6G 专项研究自 2019 年启动以来已取得重要阶段性研究成果与突破. 面向2030 移动通信网络, 该专项围绕 6G 愿景、关键技术遴选与分析、关键技术验证等方面展开研究, 形成的核心技术观点获广泛共识, 并在国际电信联盟 (ITU) 发布的《2030 及未来发展的框架和总体目标建议书》中得以充分体现. 本专刊汇聚 6G 专项研究的上述最新成果, 以飨读者, 以期助力推动中国乃至世界上的 6G 技术研发.

摘要 移动通信业务网络负责基础网络与业务应用之间的适配. 5G以前的业务网络是在建好基础网络以后,通过叠加逻辑网络方式构建. 6G时代,“场景驱动”将成为移动通信发展的主要演进范式,业务网络的重要性更加突出. 6G业务网络应与基础网络同步规划和建设,由6G全场景驱动设计,实现全场景全域按需服务.传统业务网络仅从独立视角设计安全认证、网络控制和能力开放等机制,难以实现细粒度、动态资源管控,无法高效适配6G全场景业务应用.为此,本文基于国家首批6G重点研发计划专项“全场景按需服务关键技术”项目成果与当前学术研究进展,梳理和总结了6G网络按需服务的挑战、6G智能业务网络的愿景和总体架构设计,设计了涵盖资源接入、能力开放与场景解析3个层次以及安全内生、智能内生和协作共享3个关键管控平面的6G智能业务网络,实现对全域资源的细粒度智能管控.最后结合大模型、元宇宙、绿色节能等技术与通信网络深度融合的趋势,展望了6G智能业务网络更加广阔的应用发展空间.

关键词 业务网络; 按需服务; 全场景; 智能内生; 协作共享; 大模型; 6G; service network; on-demand services; full-scenario; native intelligence; collaboration and sharing; large foundation model

摘要 6G移动通信系统面临着复杂动态的网络,其多样化的场景和个性化的需求为网络服务的提供和价值的实现带来了极大挑战.因此, 6G网络应转向“以服务为中心”的新范式,综合运用先进网络技术和多维网络资源在全域全场景实现按需服务.本文对6G全场景按需服务研究展开综述,首先对按需服务的必要性进行说明,梳理了全场景按需服务的研究价值;然后对其内涵、挑战和机遇进行了阐述;接着对于6G全场景按需服务的架构和关键技术进行了分析;最后展望了6G全场景按需服务的前景和潜在研究方向.

关键词 6G; 全场景按需服务; 知识; 意图驱动网络; 人工智能; omni-scenario on-demand service provision; knowledge; intent-driven networks; AI

摘要 超可靠低时延通信是5G及未来6G无线通信系统的重要组成部分.针对该类通信场景,如何从MIMO传输的角度实现时延和可靠性的最佳折中,是近年来备受关注的一项研究课题.由于现有基于长包假设的经典MIMO传输体系难以满足系统对于时延和可靠性的严苛要求,亟需研究更具挑战性的有限块长MIMO传输理论和技术.本文围绕有限块长MIMO信息论、发射机以及接收机设计的已有研究工作进行全面总结,并重点介绍二维空时信道编码以及MIMO一体化接收机等新型技术,为显著提升超可靠低时延通信的性能提供指导.另外,本文简要介绍了作者所在课题组搭建的MIMO超可靠低时延试验验证平台,为后续相关理论与算法的验证奠定试验基础.

关键词 超可靠低时延通信; 有限块长; MIMO传输; 二维空时信道编码; MIMO一体化接收机; ultra-reliable and low-latency communication; URLLC; finite blocklength; MIMO transmission; 2D space-time channel coding; integrated MIMO receiver; MIMO

摘要 自20世纪80年代以来,移动通信已彻底改变世界,对人们的生活产生了深远影响.在5G成功商用的今天,人们又开始思考6G会是什么样子.作为下一代移动通信系统, 6G不仅在频谱效率、时延、可靠性等通信KPI指标上提出了更高的要求,其内涵也将涉及人工智能、感知等新元素,远超传统意义上移动通信的范畴.为了实现6G愿景,迫切需要业界研究与之相适应的先进无线技术方案.本文重点介绍了6G无线空口多个研究方向的技术趋势和进展,包括信道编码技术、多址和波形技术、智能超表面技术、智能MIMO (multiple input multiple output)技术等,提出并初步验证了一系列创新技术点,如便车码、格码多址等.这些创新技术的提出,对6G愿景和KPI指标的实现起到有力的支撑作用.

关键词 第六代移动通信技术; 6G; 信道编码; 多址; 波形; 智能超表面; 智能MIMO; channel coding; multiple access; waveform; intelligent metasurface; intelligent MIMO

摘要 随着第六代移动通信(the six generation, 6G)的前沿研究在全球范围内陆续开展,工业界和学术界提出了多种新技术、新频段和新应用,如通信感知一体化(integrated sensing and communication,ISAC)、超大规模多输入多输出天线阵列(extra-large-scale massive multiple-input multiple-output, XLMIMO)、多频段通信、可重构智能超表面(reconfigurable intelligent surface, RIS)和空–天–地–海通信等,旨在提供更高速率、更低时延、更广覆盖的高可靠移动通信服务.信道是移动通信系统收发端之间信号承载的媒介,其深入的传播特性发现与精确的建模对6G系统的研发、评估和优化至关重要.因此本文首先回顾了第一代到第五代移动通信的信道研究发展趋势,指出了多频段、多场景和多种新技术趋势下6G信道研究面临的挑战.随后,详细总结了6G信道新特性研究的最新进展,包括ISAC信道的共享性、XL-MIMO信道的近场和空间非平稳性、RIS信道的级联特性,以及多频段信道频率依赖性等.然后,本文提出了一种面向6G标准的扩展几何统计性信道模型,将所发现的信道新特性纳入统一建模框架,所提模型后向兼容主流的高精度5G标准模型,便于代际更迭的信道仿真器实现.最后,指出了面向6G演进的信道特性与建模方法研究有待深入的问题,并聚焦6G网络自治化的未来愿景,展望了一种基于环境感知重构和人工智能预测技术的信道数字孪生新范式.

关键词 6G; 信道测量; 信道特性; 信道建模; 人工智能; 数字孪生; 通信感知一体化; 超大规模MIMO; 可重构智能超表面; 空-天-地-海通信; channel measurement; channel characteristics; channel modeling; artificial intelligence; AI; digital twin; integrated sensing and communication; extra-large-scale massive MIMO; reconfigurable intelligent surface; space-air-ground-sea communication

摘要 根据国际电信联盟关于IMT-2030愿景,第6代移动通信系统(the 6th generation mobile networks, 6G)的覆盖服务需求将从单场景覆盖向多场景覆盖扩展, 6G基础设施的部署也将逐步从2D覆盖向3D覆盖扩展、从局部覆盖向全球覆盖扩展、从中低频段融合使用向更高频段按需开启.上述需求使得6G在提升容量的同时,需要进一步考虑无线覆盖扩展需求.本文针对如何在6G网络结构时空尺度跨度大、全场景业务需求差异大、超密集覆盖能耗大等关键挑战下实现容量和能效约束下的覆盖能力扩展这一重大科学问题,首先提出了面向6G无线覆盖扩展的智能柔性组网架构;其次研究了面向6G无线覆盖扩展的关键技术,包括面向6G广域覆盖的多维立体空天地覆盖扩展技术、面向深度覆盖的超密集异构覆盖扩展技术和面向6G平滑度覆盖的超高速移动覆盖扩展技术;接着分析了基于语义通信的覆盖扩展技术;最后给出了6G全场景无线覆盖扩展仿真验证,通过定义6G无线覆盖扩展技术指标体系,进行了典型场景的覆盖性能仿真验证.

关键词 6G; 无线覆盖扩展; 组网架构; 关键技术; 指标体系; wireless coverage extension; networking architecture; key technologies; metrics

摘要 星地融合移动通信朝着“5G体制兼容、6G系统融合”的技术路径发展, 6G星地融合可以充分发挥卫星通信和地面移动通信各自的优势,极大地提高网络的覆盖能力和系统性价比,实现全球立体覆盖的目标.本文概述了星地融合移动通信发展背景与趋势,分析了6G星地融合移动通信需求与技术挑战,针对无线传输效率低、网络架构设计复杂、移动性管理难、网络质量保障难等系列问题,从无线传输、网络架构、资源管控和移动性管理、天基计算、频谱共享等多个方面开展6G星地融合移动通信关键技术研究.针对各关键技术,首先分析发展现状,然后提出创新技术,并开展相应的性能评估验证其有效性.

关键词 6G; 星地融合移动通信; 多波束协同; 弹性可重构网络架构; 频谱共享; 移动性管理; 天基计算; integrated satellite-terrestrial mobile communication; multi-beam coordination; flexible and configurable network architecture; frequency sharing; mobility management; space-based computing

摘要 太赫兹通信具有频谱资源丰富、传输速率高、保密性强、易实现通信感知一体化等优势,在6G通信和空间通信等方面都具有重要的应用前景.然而,太赫兹频段的器件机理和传播特性迥异于微波频段:一是太赫兹波与现有器件材料的互作用效率较低,二是通信和感知的波形体制相互矛盾,三是太赫兹波传播的粒子效应突出.这些差异使得太赫兹通信感知一体化面临信号高效调控难、信号处理复杂度高、移动接入和覆盖受限3个难题.针对如何突破这些难题,本文将从系统架构、射频前端、波形产生、信号处理、组网的角度出发,介绍太赫兹通信感知一体化的背景、概念、特征、面临的挑战、需要解决的关键问题、一些研究进展,以及未来研究方向.

关键词 太赫兹通信; 通信感知一体化; 一体化架构; 一体化波形; 一体化组网; Terahertz communications; joint sensing and communications; integrated system architecture; integrated waveform; integrated networking

摘要 5G与大数据、云计算和AI等技术的融合正在赋能千行百业的数字化转型,加速整个社会走向数字化和智慧化.面向2030年,社会发展的愿景将是“数字孪生、智慧泛在”,更加差异化和碎片化的业务场景将对移动通信网络提出全新的挑战,未来网络将从提供信息传输服务,拓展到信息感知、传输、存储、处理、利用等全过程服务,实现从传统通信网络向移动信息网络的重大转变.为了高效实现这一转变, 6G网络将通过通信、感知、大数据、计算、AI和安全等多领域技术的跨界融合,实现柔性、按需服务、至简、智慧内生、数字孪生和安全内生的网络设计,带来“按需服务”和“一切皆服务”的范式转变.本文从面向2030年的新应用需求、新技术趋势,以及5G网络面临的问题与挑战出发,分析6G网络发展的三大驱动力,提出6G网络架构的整体设计思路,并设计了“三层六面” 6G网络逻辑功能架构和实际部署架构,打造一站式提供通信、感知、计算、AI、大数据和安全等服务的全新能力,全面提升6G网络的业务和场景适应能力,实现面向全行业、全场景、全生态的按需服务,在有效解决5G网络面临的高成本、高功耗、操作和维护难等主要问题的同时,全面赋能“数字孪生、智慧泛在”社会发展愿景的实现.

关键词 6G; 网络架构; 柔性至简; 按需服务; 智慧内生; 数字孪生; 安全内生; network architecture; soft and lite network; on-demand service; native AI; digital twin; native security

摘要 未来6G网络的业务主体将转变为赋能千行百业的智能物联网应用,因此在提供高可靠低延时通信(ultra-reliable and low-latency communications, u RLLComm)的同时,还要实现高可靠低延时的智能计算(uRLLComp)与智能控制(uRLLCtrl)(以下简称uRLLC3).这对于传输环境、业务需求与网络资源配置均高度动态变化的移动网络来讲是一个巨大挑战.本文面向6G时代的智慧网联与网联智能,从排队论中几个超越直觉的定理出发,尝试为u RLLC3的实现提供一些有益启示,并系统地给出实现高可靠低延时通信、计算与控制的理论与方法.同时,以未来智慧网联汽车的智能控制为例,在描述信息新鲜度的信息年龄(age-of-information, AoI)性能指标的基础上,提出一种新的信息时效性表征指标——信息紧迫度(urgency-of-information, UoI),并在此基础上给出几种UoI意义上最优的移动终端调度与控制算法,验证所提UoI指标的有效性.

关键词 移动通信; 6G; 高可靠低延时; 车联网; 信息年龄; 信息时效性; mobile communication; ultra-reliable and low-latency; vehicular network; age of information; information timeliness

摘要 随着自动驾驶技术的不断成熟与应用,系统性梳理开源自动驾驶数据集有利于产业生态良性循环.现有自动驾驶数据集可大致分为两代,第一代数据集的传感模态复杂度相对较低、数据集规模相对较小,且大多局限于感知级任务,以发布于2012年的KITTI为代表.相比于第一代数据集,第二代数据集的特征为传感模态复杂度较高、数据集规模与多样性较丰富、所设置任务从感知扩展到预测、规控上,以2019年前后提出的nu Scenes, Waymo为代表.本文联合学术界、产业界同仁,首次系统性梳理了国内外70余种开源自动驾驶数据集,对如何构建高质量数据集、数据在算法闭环体系中发挥的核心作用、如何利用生成式大模型规模化生产数据等进行了总结.此外,就未来第三代自动驾驶数据集应该具备的特质和数据规模,以及需要解决的科学与技术问题,进行了详细分析与讨论.希望本文的归纳与展望能促进新一代自动驾驶数据集与生态体系的建设、推动关键领域自主原创与科技自强的发展.

关键词 自动驾驶; 数据算法闭环; 基础模型; 数据集与挑战赛; autonomous driving; data pipeline; foundation model; dataset and challenge

摘要 空间信息网络是由部署在不同轨道、执行不同任务的航天器、航空器,以及地面通信设施构成的空天地一体化网络,具有超大规模、多层拓扑结构、开放的通信环境、支持多种业务等特点,通过卫星节点、空中节点和地面节点之间的组网与互联,实现无缝隙的高效全球通信.另一方面,空间信息网处于高度开放的状态,缺少了物理隔离,这在方便信息传播的同时,也容易导致信息的泄露.因此,空间信息网络面临着巨大的安全挑战.隐蔽通信是一种重要的安全传输技术,当发送端向接收端发送信息时,能够保证非法窃听者检测到该传输的概率足够小,从而隐藏发送端的传输行为.利用隐蔽通信技术可以保障空间信息网络传输的可靠性与安全性.本文对空间信息网络的隐蔽通信进行综述,从背景介绍、关键技术、应用场景和未来挑战等几个方面介绍空间信息网络中隐蔽通信的研究工作与最新进展.

关键词 空间信息网络; 隐蔽通信; 天基网; 空基网; 地基网; space information network; covert communication; space-based network; air-based network; groundbased network

摘要 微电子在智能时代正迎来新一轮技术与产业的重大变革期.本文从智能时代的科学方法论、系统集成的工程技术路线和微电子摩尔定律(Moore’s law)的维度扩展3个层面导入,提出了网络极大化节点极小化的复杂巨系统构造、异构异质芯粒的晶上拼装集成、硬件资源的领域专用软硬件协同定义,形成了软件定义晶上系统的新发展范式,对微电子的设计方法、系统集成、应用开发、经济性指标等进行了内涵升级,可全面刷新信息基础设施的技术物理形态,贡献一条“晶圆级硅基直连”的系统集成工程技术路线,并有望打造出智能涌现的物理底座.

关键词 片上系统; 软件定义互连; 软件定义晶上系统; 异质异构; 热压键合; 软硬件协同; system on chip; SoC; software de ned interconnection; SDI; SDSoW; heterogeneous architecture; thermal compress bonding; TCB; hardware and software coordination

摘要 图作为一种灵活表达对象之间关系的数据结构,广泛地应用于各类重要的现实场景.近年来,随着性能提升速度放缓,通用处理器逐渐无法满足图计算应用的需求,并成为限制图计算发展的主要瓶颈.因此,面向图计算的领域专用加速器成为近年来的研究热点.通过定制化的硬件设计,图计算加速器可以在图计算应用中取得通用处理器数十倍的性能.然而,现有的图计算加速器在运行宽度优先算法时会频繁地重复访问幂律顶点的相关数据,进而导致了严重的冗余访存问题.在特定场景下,现有的图计算加速器的性能甚至低于通用CPU.为了解决该问题,本文提出一种冗余感知的高能效图计算加速器JiFeng.当幂律顶点完成迭代计算时, JiFeng通过跳过剩余的相邻边大幅减少其被重复访问的次数. JiFeng实现了一系列软硬件协同设计,在保证负载均衡的同时提升硬件的执行效率.为了验证JiFeng的有效性,本文采用FPGA原型系统对相关设计进行性能评估. JiFeng在典型的生成图和现实图上实现最高每秒遍历4612亿条边的性能和每秒每瓦特遍历125亿条边的能效比,并在2023年11月的图计算超算排行榜GreenGraph500的小数据集榜单上取得第2名的成绩.

关键词 图计算; 加速器; 宽度优先搜索; 冗余访存; FPGA; graph processing; accelerator; breadth-first search; redundant memory access

摘要 机器学习结合逻辑推理的方法可以大幅提升模型的鲁棒性与可解释性.近年来,已有工作从给定的具体知识库出发,通过反绎学习的范式或是其衍生范式来促进机器学习中模型的更新过程.然而,在表示学习任务中,即便存在这样的知识库,其往往也是不完备或含有噪声的.且在真实环境下,即便领域专家也无法精准定量地描述不同对象的属性表示信息.因此,本文针对半监督表示学习任务,提出了一种可根据少量有标记样本构建弱领域属性知识库并结合无标记数据与基于启发式规则扩张领域知识库推理的反绎学习方法.该方法可有效解决表示学习任务下缺少强领域知识与真实环境下高质量标注数据较少这两个问题.在人工合成的数据集与真实环境下的数据集中的实验对比结果均验证了我们提出的方法的有效性.

关键词 人工智能; 机器学习; 反绎学习; 半监督学习; 特征表示; 细粒度属性; artificial intelligence; machine learning; abductive learning; semi-supervised learning; feature representation; fine-grained attributes

摘要 内积函数加密支持当使用一个与向量y相关的私钥解密一份与向量x相关的密文时,解密者仅能获得内积值?x, y?而无法获取任何其他信息.分层广播内积函数加密,则进一步具有密文向指定用户广播与密钥授权的性质. SM9标识加密是我国自主设计的一个商用密码标准,已被应用于物联网、医疗协同服务与电子政务等领域,但SM9标识加密算法及现有扩展算法均无法同时实现内积函数的功能与密文广播、密钥授权的性质,限制了SM9标识加密算法的适用场景.本文基于SM9标识加密算法设计了一个分层标识广播内积函数加密方案HIBB-IPFE-SM9.方案构造借鉴了Abdalla等的内积函数加密(PKC’15)与Liu等的分层广播加密(ACISP’14)的设计思想,解密算法仅包含两个双线性配对运算.本文还在随机谕言机模型中证明了方案满足选择明文安全性.最后,对提出方案与现有相关方案进行了对比分析,结果显示HIBB-IPFE-SM9方案在计算和通信开销上与相关方案是可比的.

关键词 内积函数加密; 分层广播加密; 标识密码; SM9; 选择明文安全; inner product functional encryption; hierarchical broadcast encryption; identity-based cryptography; CPA

摘要 智能驾驶汽车已成为人们关注的热点话题之一.然而,现有的智能驾驶技术仍面临一系列挑战,如交通障碍物的遮挡所引起的模型漏检,以及当汽车驶入隧道等光线骤变的场景时所引起的传感器感知精度下降导致的误检问题等.为保证复杂场景下车辆的感知安全,智能驾驶多模态感知技术应运而生.然而,现有的多模态融合方法仍局限于对检测精度的提升,缺乏感知过程的可解释性,并缺少对模型感知过程的评价指标.本文从信息论角度出发,按照通信模型的构建方法对感知模型进行设计,提出了一种基于信源信道联合编码理论的多模态融合感知模型,从理论上对模型的感知过程进行解释.同时,提出了一种新的评价指标——平均信息熵变(average entropy variation, AEV),用AEV来实时反映模型与外界感知交互过程中的稳定性.进而,对多模态模型的感知过程进行量化分析,增加模型的可解释性.最后,与其他的感知模型在KITTI数据集的评估结果进行比较,我们的模型在经过相似的网络结构时平均信息熵变下降到0.5904,更好地保证了检测任务的感知安全.

关键词 可解释性; 信息论; 信源信道联合编码; 多模态融合; 智能驾驶; interpretability; theory of information; joint source-channel coding; multimodal fusion; intelligent driving

摘要 飞机装配是飞机制造中的关键环节,如何对飞机装配脉动生产线进行合理调度,实现降本增效,是智能制造领域的重要科学问题.然而,飞机装配脉动生产线场景复杂,装配单架飞机就包含上万道工序,这为飞机装配调度问题的形式化建模和高效求解带来新的挑战,因而当前生产实践中主要依靠人类专家经验进行手工调度.本文聚焦降低人力负载的优化目标,提出两种领域特定的技术以解决飞机装配调度问题.首先,将飞机装配脉动生产线调度问题建模为两个马尔可夫(Markov)决策过程,通过双重强化学习智能体决策生成飞机装配的近似调度方案.其次,针对强化学习决策鲁棒性不足的缺陷,提出领域知识迁移方法,将强化学习的求解知识迁移到整数规划约束剪枝中,最后利用整数规划求解器优化得到综合性能优异的调度方案.在飞机装配生产线的真实数据上完成了实验验证,结果表明本文提出的基于深度强化学习和知识迁移的调度方法能够成功扩展到年产量近百架次的飞机装配脉动生产线调度问题,将组合优化方法难以求解的问题优化到分钟级求解,相较于基线方法取得显著性能优势.

关键词 飞机装配; 智能调度; 组合优化; 强化学习; 知识迁移; aircraft assembly; intelligent scheduling; combinatorial optimization; reinforcement learning; knowledge transfer

摘要 火力与制导资源联合分配问题是军事运筹学研究中典型的NP完全问题,其求解具有较高的实时性要求.精确求解算法难以适用,而近来提出的构造算法的时间开销也相对较大,严重影响算法的实际应用.为了解决该问题,本文将其建模为多阶段传感器–武器–目标分配(sensor-weapon-target assignment, S-WTA)问题,并分解成两类作战资源分配子问题.在武器分配阶段采用了一种基于威胁值确定分配优先级的快速构造算法,在传感器分配阶段提出了一种新的基于阶段顺序确定分配优先级的快速构造算法,该算法能充分利用约束条件,大幅度减小时间开销.本文在两种基本构造算法与基于边际损失的构造算法的基础上进一步提出了构造算法序列化组合,对多阶段S-WTA问题进行求解.计算实验验证了新提出的基本构造算法的快速性以及构造算法序列化组合相比于各种基本构造算法的性能优势.

关键词 异构资源联合分配; 传感器 – 武器 – 目标分配; 启发式算法; 构造算法; 协同作战; heterogeneous resources co-allocation; sensor-weapon-target assignment; heuristic algorithms; constructive algorithms; cooperative engagement

摘要 移动边缘计算通过将计算任务卸载到无线网络边缘,可有效减少任务延迟与终端能耗.对于偏远地区分布的大量物联设备(如风电、光伏等电力物联终端),现有地面网络无法为其提供有效的网络服务.因此,本文重点研究空地一体化异构网络模型,通过联合设计无人机轨迹、任务卸载与计算资源分配,以最大限度地减少物联设备任务执行延迟与能耗.针对目标函数的非凸性和网络动态造成的信息不确定性,本文将问题建模为马尔可夫(Markov)决策过程,并提出一种基于MATD3的UAV轨迹与网络资源协同优化算法.实验结果表明,与基准算法相比,本文提出的方案在系统计算能耗和时延方面性能更优.

关键词 空地一体化异构网络; 卸载决策; 资源分配; UAV轨迹优化; 多智能体深度强化学习; air-ground integrated heterogeneous network; offloading decision-making; resource allocation; UAV trajectory optimization; multi-agent deep reinforcement learning; MADRL

摘要 本文针对智能反射面(intelligent reflecting surface, IRS)辅助的非正交多址接入系统的物理层安全问题,考虑窃听信道为非完美信道状态信息,基站在IRS的辅助下给合法用户传输数据.在基站最大发射功率、IRS相移和连续干扰消除解码顺序约束下,建立了一个联合优化基站波束形成向量、IRS相移的系统安全速率最大化问题.首先,基于合法用户的组合信道增益来确定连续干扰消除解码顺序,然后将优化问题解耦为两个子问题交替优化,利用基于惩罚的连续凸逼近、松弛变量、一阶泰勒展开等方法将目标函数和约束进行转化,再利用S-procedure方法处理窃听信道的不确定性,将子问题转化为凸优化问题并求解.仿真结果表明,本文所提方案与集中部署IRS、随机相移、无IRS方案对比,能够有效提高系统的安全速率.

关键词 智能反射面; 非正交多址接入; 物理层安全; 非完美信道状态信息; 波束成形; intelligent reflective surface; non-orthogonal multiple access; physical layer security; imperfect channel state information; beamforming

摘要 隐蔽通信是保证无线通信安全的关键技术之一.为增强通信的安全性,提出了智能反射面辅助的非正交多址接入系统的隐蔽通信传输方案.考虑到信道估计误差和非完美串行干扰消除两种非理想因素,首先推导出监测者的检错误概率和最佳阈值精确表达式,然后给出了平均最小检测错误概率和用户的中断概率.最后,平衡网络的可靠性和隐蔽性,以最大化系统的有效隐蔽速率.仿真结果表明,所提方案可以实现隐蔽通信,并且系统有效隐蔽速率存在上限.此外,非理想信道状态信息和非完美串行干扰消除会恶化系统性能.

关键词 隐蔽通信; 非正交多址接入; 智能反射面; 有效隐蔽速率; 检测错误概率; covert communication; NOMA; IRS; effective covert rate; detection error probability

摘要 极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)能够获取目标丰富的极化信息,在人造目标的散射机理解译和检测、分类、识别等领域发挥着重要的作用. PolSAR车辆目标检测对环境侦察监视、道路交通监管等应用来说尤为关键.不同于海上的舰船目标,车辆目标所处的地面背景包括草地、树木、建筑、道路等,背景杂波较为复杂,人造杂波干扰较强,这给PolSAR车辆目标的检测带来了一定的挑战.车辆目标散射机理的准确解译是后续极化特征提取和目标检测方法设计的基础.为了准确描述车辆目标的散射行为,本文构建了旋转二面角散射模型,并由此提出了一种精细五分量极化分解方法.在此基础上,通过分析车辆目标与其地面背景的散射特性差异,本文提出了一种散射功率复合特征检测器,用于车辆目标的检测.在两景实测无人机载SAR数据上的实验结果证明,本文方法能够显著提高车辆目标处的目标杂波比(target-to-clutter ratio, TCR),获得了优异的检测性能.此外,本文方法能够保留车辆目标完整的轮廓和细节信息,有助于后续的分类、识别等应用.

关键词 极化合成孔径雷达; 车辆目标检测; 旋转二面角散射; 精细极化分解; 散射功率复合特征; polarimetric synthetic aperture radar; PolSAR; vehicle detection; rotated dihedral scattering; refined polarimetric decomposition; scattering power composite feature

摘要 本文提出并实现了一种利用超宽带光探测器进行光子混频的太赫兹噪声发生器.通过改进外延结构和电极结构,首次在国内实现3 d B带宽超过200 GHz的单行载流子光电探测器(uni-travelingcarrier photodiode, UTC-PD).封装后的UTC-PD模块可在140～220 GHz频段内实现平坦的太赫兹波输出.利用该探测器模块作为光混频器制作了光子噪声发生器,产生了频率范围为140～220 GHz,超噪比(excess noise ratio, ENR)大于35 dB,平坦度小于±4.6 dB的太赫兹噪声,并且可以通过调节输入光功率实现超噪比的调谐.

关键词 噪声发生器; 太赫兹噪声; 光子混频; 单行载流子光电探测器; 光电转换; noise generator; terahertz noise; photo-mixing; uni-traveling-carrier photodiode; opto-electrical conversion

摘要 量子生成对抗网络(quantum generative adversarial networks, QGAN)在图像处理、金融分析等领域应用中展现出了优越的性能.本文首次提出了一种基于量子生成对抗网络的量子拓扑码解码器,并应用于优化容错量子隐形传态系统.在本文中,首先构建并测试了QGAN算法的量子线路,搭建了拓扑码解码器训练模型.其次,针对拓扑码本征值数据集,设计了算法的输入输出,并训练得到高效率的解码模型.最后,构建了带有QGAN解码器的拓扑码优化量子隐形传态系统,相较于原始系统展现出更好的容错性能.在码距d=3及d=5的解码实验表明,本模型纠错成功率可以达到99.887%.在实验中,本QGAN解码器的保真度阈值约为P=0.1706,相较经典解码模型阈值约为P=0.1099,有了明显提升.另外,量子隐形传态系统在d=3拓扑码优化抗噪下,在非极化噪声阈值P<0.0607范围内具有明显的保真度提升;在d=5拓扑码优化抗噪下,在非极化噪声阈值P<0.0778范围内具有明显的保真度提升.本文提出的QGAN解码模型,结合了量子隐形传态方法,为量子深度学习的应用提供了新思路,并可应用于其他非均匀噪声处理领域.

关键词 量子生成对抗网络; 拓扑码; 解码器; 非极化噪声; 量子隐形传态; 保真度; QGAN; topological code; decoder; depolarizing noise; quantum teleportation; fidelity

摘要 图像不仅承载着丰富的视觉内容,同时还蕴含潜在的高级语义,是重要的信息传递媒介.度量图像信息量则是对图像信息进行定性描述和定量计算的抽象过程,属于对图像处理领域中的科学问题进行理论构建的关键环节.然而,在现有的研究工作中,虽然对“图像信息量”的度量有所提及,但实际上关注的往往是在图像质量或图像特征的层级,而忽略了图像所具有的高级语义以及人对图像的认知.因此,为了衡量图像的信息提供价值,本文基于“图像信息量因人、因任务而异”这一常识,通过建模“先验知识”相关的图像记忆并提取“给定任务”相关的图像特征,尝试对图像信息量进行度量.首先,提出图像信息量度量的理论框架,具体表现为:在“能够获得全世界所有的图像”和“能找到一种能够准确表达图像语义的特征”两个假设条件下,以信息论为基础,通过构建超球来描述样本点的邻域稠密度,由此建模语义信息的概率,进而得到理论假设条件下的图像信息量.其次,探讨了理论假设无法满足的实际情况,将“全世界所有的图像”这一假设条件退化为“给定具体的数据集”,并将“一种能够准确表达图像语义的特征”这一假设退化为“给定任务相关的特征”,进一步通过实验展示了在实际情况下如何有效获得图像信息量的数值结果.最后,指出了本文度量方法的限定对象和度量结果的边界,并展望了未来对相关体系进行丰富和完善的可行方向.

关键词 图像信息量; 信息量度量; 信容; 信息论; 图像处理; image information; information measurement; information capacity; information theory; image processing

摘要 集成电路适应于新型应用及超越 Si-CMOS微缩的需求使半导体技术发展面临巨大挑战. 学术界和工业界认识到二维 (2D) 层状材料独特的二维结构及其新颖的光、电、磁以及量子等效应有望解决半导体集成电路信息技术发展面临的一些问题. 二维材料是融合当前硅基 CMOS 技术路线的关键材料之一, 也被美国白宫列为 2024年《国家微电子研究战略》中的新兴材料首项. SCIENCE CHINA Information Sciences 在 2019, 2021, 2023 年连续组织出版了 3 期 “新型二维材料与器件应用专题”, 得到了广大读者的高度肯定和广泛引用. 为了促进我国半导体材料与器件研究水平的提升, 支撑我国在后摩尔时代的科技创新, 面向信息技术自主发展的国家重大战略需求, 国家自然科学基金委员会于 2021 年开始立项资助了 “硅基二维半导体材料与器件” 重大项目计划, 执行期 5 年. 该重大项目以兼容于硅基技术的二维半导体材料基础问题为核心, 旨在发展能够融合于成熟硅基 CMOS 技术的二维半导体材料的可控制备、新型存储器件、逻辑器件、感存算一体器件和光电集成器件, 突破硅基信息器件性能瓶颈, 扩展硅基信息器件的功能. SCIENCE CHINA Information Sciences 在 2024 年 67 卷第 6 期组织出版了 “二维材料融合硅基技术专题” (Special Topic: Silicon-compatible 2D Materials Technologies), 介绍该重大项目的部分成果.

摘要 LinUCB算法是求解上下文多臂老虎机问题的一种典型算法,被广泛应用于新闻投放、产品推荐、医疗资源分配等场景中.目前对该算法的安全性研究略显薄弱,这就要求研究者进一步加深对该算法的攻击方式的研究,以作出具有针对性乃至泛用性的防御措施.本文提出了两种通过添加虚假数据的方式对LinUCB算法进行离线数据投毒攻击的攻击方案,即TCA方案(target context attack)与OCA方案(optimized context attack).前者是基于训练数据与目标上下文的相似性来生成投毒数据的;后者是建模一个优化问题,通过求解该问题来构造投毒数据,是前者的优化版本.实验测试表明,仅需添加少量投毒数据作为攻击成本即可实现对攻击目标的100%攻击成功率.

关键词 上下文多臂老虎机; LinUCB 算法; 数据投毒攻击; 白盒攻击; 优化问题; contextual multi-armed bandit; LinUCB; data poisoning attack; white-box attack; optimization problem

摘要 给定度量空间中的一个设施集合与一个带有最低服务级别要求的用户集合,优先k-设施选址问题的目标是开设最多k个设施,在每个开设设施上安置不同级别的服务,并将每个用户连接到一个能满足其服务级别要求的开设设施上,使得设施开设费用、服务安置费用与用户连接费用之和最小.本文利用拉格朗日(Lagrange)松弛技术求解优先k-设施选址问题,针对用户的服务级别要求提出了新的确定化舍入方法,并基于此给出了多项式时间的(7.9533+ε)-近似算法.这是关于该问题的第一个常数近似算法.

关键词 设施选址; 近似算法; 拉格朗日松弛; facility location; approximation algorithms; Lagrangian relaxation

摘要 图边删除问题中一类重要问题是研究是否可以删除图中不超过k条边之后使得剩余的图不存在某个子图结构H,而子图H为顶点个数不超过4的连通图的情况被研究得最为广泛.本文主要考虑H为Paw图(三角形其中一个顶点再邻接一条边)的情况,称为Paw图–边删除问题,并为该问题设计了一个32k个顶点的问题核.这是该问题的第1个线性顶点大小的问题核.文中主要的技术是结合两个新的皇冠分解的变体来分析图的结构从而对图进行简化.

关键词 图算法; 核心化算法; H-边删除问题; Paw图-边删除问题; 皇冠分解技术; graph algorithms; kernelization; H-edge covering; Paw-edge covering; crown decomposition

摘要 传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性,表征物体的多种信息,因此偏振信息能有效区分目标与背景,并在恶劣环境中维持信息有效性.利用偏振信息的这种特性,人们将光的偏振信息引入视觉系统,得到了一种解决复杂场景成像问题的方案,即偏振视觉.偏振视觉最早在部分生物上发现,对偏振视觉的进一步研究使人们发现偏振视觉相较于传统视觉在复杂场景下的成像优势.本文以偏振视觉的发展为主线整理了偏振视觉技术的诞生、成像设备的发展与该技术在各领域的应用,并展望了偏振视觉及其相关技术的未来发展方向.

关键词 偏振视觉; 偏振信息; 偏振成像设备; 散射介质成像; 目标检测; 反射光去除; 三维重构; polarization vision; polarization information; polarization imager; scattering medium imaging; object detection; specularity removal; 3D reconstruction

摘要 人工智能技术作为试图研究、模仿、扩展人类智能的科学研究领域,自诞生以来就伴随着深刻的技术伦理争辩.随着近年来机器学习等相关工作的突破性进展和快速落地应用,伦理问题日趋显著并迫使学界和社会开始直面该技术的伦理治理挑战.尽管在伦理治理的规范研究上已取得初步进展,其治理实践落地方面依然困难重重,伦理实践表现出逐渐落后于技术发展需求的趋势.因此,建立与不断发展的人工智能技术相互匹配的伦理治理实践方案,实现治理理论和治理实践的良性互动将是人工智能领域未来发展的关键问题.伦理治理理论的抽象性导致了当下人工智能伦理原则难以落地实现,人工智能伦理计算(AI ethical computation)将是应对这一挑战的重要方案.本研究通过探讨现实必要性和发展可能性明确了伦理计算的重要意义,在相关研究基础上给出伦理计算的研究范畴,依据计算过程对伦理机理的认知程度和系统伦理决策的自主化程度进行划分,建立了伦理计算的高阶认知与低阶认知两类研究范式,并按其计算阶段抽象出伦理度量、伦理决策和伦理推理3个计算层次.该伦理计算框架能够对当前的伦理计算应用进行梳理,本文以伦理嵌入和公平机器学习为例说明了两类研究范式的研究特点和技术方法.在此基础上,进一步讨论构建了以伦理计算为核心的伦理治理体系,分析通过伦理计算化解伦理治理困境的可能方案,并对人工智能伦理计算的发展做出展望.

关键词 人工智能; 伦理问题; 伦理治理; 伦理计算; 伦理嵌入; 公平机器学习; artificial intelligence; ethics issues; ethical governance; ethical computation; ethical embedding; fair machine learning

摘要 高速网络流大小的测量面临着高速存储资源极度稀缺的挑战,难以满足海量流式数据的实时存储需求.目前的研究大多采用存储资源共享技术,以便将设计的估计器置于稀缺的高速片上缓存中.然而,这种方法引入了大量难以消除的噪声,导致中小规模流的估算精度不高.为了解决这一问题,本文提出一种能根据流大小自适应调整所占用存储空间的自适应Sketch技术,并在此基础上设计出一个高精度、低存储开销的每流大小估计器.自适应Sketch技术利用可逆计数器高效滤除海量噪声小流,并进一步采用采样概率逐层递减的采样计数器实现对不同规模流的自适应采样计数,从而控制大流对资源的过多占用,实现了低开销、高精度的每流大小测量.基于真实网络数据集CAIDA 2019的仿真实验表明,所提出的自适应Sketch流大小估计器的平均相对误差较现有机制降低了接近1个数量级.

关键词 高速网络; 流大小测量; Sketch; 噪声小流过滤; 可逆计数器; high-speed network; flow size measurement; Sketch; small flows filtering; reversible counters

摘要 动态图作为图的一个重要分支,对节点间关系的动态变化过程具有良好的表达能力.利用动态图对实际关系网络进行建模,并动态预测未来时刻节点间的链路关系成为当前研究热点.然而,由于弱关系现象的存在,加权网络中的动态链路预测面临着重大挑战.针对这一问题,本文提出了一种基于正则化流的方法 DynWFlow (dynamic weight flow).该方法能够从生成角度出发,自适应地评价节点间链路信息的重要性,从而精准地进行链路特征的抽取,有效地解决了动态链路预测问题.特别地,对于弱关系情况,提出利用邻居节点集权重的相似程度来评估不同链接关系的重要程度,实现对节点间隐含关系的进一步捕获.在多个领域大量真实数据的实验结果表明,所提出的基于正则化流的动态链路预测方法 DynWFlow的性能明显优于其他预测算法.

关键词 动态链路预测; 正则化流; 动态图; 时空表示; 图嵌入; dynamic link prediction; normalizing flow; dynamic graphs; spatial-temporal representation; graph embedding

摘要 随着无人机技术的发展,无人机集群对抗已成为国内外研究热点.现有决策算法的研究主要集中于同构无人机集群对抗场景,且当应用于更复杂对抗场景时,存在奖励函数设计难度大、决策实时性难以满足等问题.为此,本文针对异构无人机集群对抗的实时机动决策问题展开研究.首先,构建了一个长机–僚机异构无人机集群的对抗仿真环境,其中,长机和僚机具有不同的机动和攻击能力,且对胜负具有不同影响力.其次,本文提出了一种基于多智能体强化学习的分布式无人机集群协同机动控制算法,并设计了一套结合课程学习和自博弈的策略训练与优化方法.通过设计简单的稀疏奖励结合课程学习方法即可学到异构无人机集群协同机动策略;引入自博弈对抗方式,使得对手无人机的策略更具针对性,以提升对抗的强度,从而进一步优化机动策略,使其更贴近实际需求.最后,仿真验证了本文所提方法的有效性和可扩展性.

关键词 集群对抗; 协同决策; 自博弈; 多智能体强化学习; 无人机; swarm confrontation; cooperative decision-making; self-play; multi-agent reinforcement learning; UAV

摘要 本文考虑四旋翼飞行过程中湍流风扰动的影响,以及因变工况飞行而导致的不确定动态突变问题,提出了基于输入–扰动双补偿器设计的自适应湍流风扰动抑制方案,保证了四旋翼飞行器系统的稳定和输出渐近跟踪性能.首先对风场环境下的四旋翼进行建模,研究各不同工况下的动态特性,并分析研究了四旋翼飞行器变工况飞行时的动态特性突变的表现形式以及所带来的控制难题.进而设计了一种基于输入–扰动双补偿器的系统重构方案,实现了动态系统重构,解决了关联矩阵突变为非对角型时难以解耦控制,以及相对阶结构突变时控制器结构发生突变的问题.基于重构后的系统,设计自适应的湍流风扰动抑制方案,保证四旋翼飞行器的稳定、扰动抑制和渐近输出跟踪性能.最后,对所设计的控制器进行稳定性证明,并通过仿真验证所提出控制算法的有效性.

关键词 四旋翼; 风扰动抑制; 动态特性突变; 系统重构; 自适应控制; quadrotor; wind disturbance suppression; dynamic mutation; system reconstruction; adaptive control

摘要 迭代学习模型预测控制(iterative learning model predictive control, ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于批次运行工况的强一致性,以此保证当前批次与历史批次间的有效信息传递.然而,生产需求和生产环境的变化通常会导致各批次的操作轨迹和操作周期存在差异,从而使得历史批次提供的先验知识对于后续批次呈现出不精确性和不完整性.为了提高ILMPC在变运行工况条件下的适应性和灵活性,本文提出了一种具有知识迁移机制的数据驱动ILMPC策略.建立自适应深度神经网络(deep neural network, DNN)沿批次学习ILMPC控制行为,实现历史控制经验在当前批次工况下的全面转换.为抑制DNN前期估计误差的影响,在知识迁移机制下进一步构建Tube控制结构下的ILMPC算法,保证ILMPC系统的时域稳定性和迭代域收敛性.针对非线性注塑过程的仿真实验验证了在操作轨迹和操作周期同时变化时,所提方法在跟踪精度和收敛速度方面具有明显优势.

关键词 迭代学习模型预测控制; 知识迁移; 数据驱动; 变运行工况; iterative learning model predictive control; knowledge transfer; data-driven; trial-varying operating conditions

摘要 无人机在协同对抗博弈上的应用越来越广泛和深入,尤其是无人机集群在协同探测、全域对抗、策略骗扰等对抗任务中,发挥着越来越重要作用,可靠高效的无人机集群博弈方法是当前的研究热点.本文将反事实基线思想引入到无人机集群对抗博弈环境,提出一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)的无人机集群对抗博弈方法;在具有无限连续状态、动作的无人机对抗环境中,基于无人机动力学模型,设置符合实际环境的击敌条件和奖励函数,构建基于多智能体深度强化学习的无人机集群对抗博弈模型.红蓝双方无人机集群采取不同的对抗博弈方法,利用多智能体粒子群环境(multi-agent particle environment, MPE)对红蓝双方无人机集群进行非对称性对抗实验,实验结果表明平均累积奖励能够收敛到纳什均衡,在解决4 vs. 8的对抗决策问题方面, COMA方法的平均命中率较DQN和MADDPG分别提升39%和17%,在平均胜率方面比DQN和MADDPG分别提升34%和17%.最后,通过对COMA方法的收敛性和稳定性的深入分析,保证了COMA方法在无人机集群对抗博弈任务上的实用性和鲁棒性.

关键词 无人机集群; 对抗博弈; 多智能体; 深度强化学习; 纳什均衡; UAV swarm; confrontation game; multi-agent; deep reinforcement learning; Nash equilibrium

摘要 为解决涡扇发动机大包线内多变量鲁棒控制问题,提出了一种基于干扰观测器的非线性涡扇发动机系统固定时间预设性能模糊自适应控制方法.首先,利用平衡流形建模方法构建了涡扇发动机的仿射非线性数学模型.借助反馈线性化技术,推导了受扰涡扇发动机系统的输出跟踪误差系统.然后利用模糊逻辑系统逼近系统不确定项,并设计非线性干扰观测器估计未知干扰和逼近误差组成的复合干扰.为保证控制系统的瞬态性能和稳态精度,引入固定时间预设性能函数,并通过误差转换函数将系统转化成无约束误差系统,进而设计涡扇发动机复合非线性鲁棒抗扰控制器.仿真结果表明,该控制方法能够使得涡扇发动机系统的转速和压比有效地跟踪参考指令并且跟踪误差始终限制在预设性能边界内.

关键词 涡扇发动机; 非线性干扰观测器; 模糊逻辑系统; 固定时间; 预设性能函数; turbofan engine; nonlinear disturbance observer; fuzzy logic system; fixed time; prescribed performance function

摘要 实际工业过程受多种因素(如原材料变化、负载波动、设备老化等)的影响,往往表现出非平稳特性,即过程监测数据统计特性随时间发生变化,因此非平稳过程异常监测备受关注并已成为监测领域的焦点之一.本文从监测方法的角度对非平稳过程异常监测相关研究成果进行了系统性的回顾:首先对非平稳过程的概念和技术难点进行了概述;其次,将非平稳过程监测方法根据原理的差异划分为五大类,并总结了各类方法的优点与不足;最后,结合当前技术发展的现状,对非平稳过程研究中的挑战进行了深入分析与展望.

关键词 非平稳过程; 过程监测; 自适应建模; 协整分析; 平稳子空间分析; 慢特征分析; 深度学习; non-stationary processes; process monitoring; adaptive modeling; cointegration analysis; stationary subspace analysis; slow feature analysis; deep learning

摘要 近年来,以忆阻器为代表的存内计算架构被广泛研究,用于加速各种应用,并有望突破冯·诺伊曼(von Neumann)架构面临的内存墙瓶颈.本文观察到忆阻器计算操作的能源消耗存在不对称性,即在低电阻状态下对忆阻器单元的操作能耗可能比在高电阻状态下高出数个数量级.这为通过减少低电阻状态单元的数量来节省计算能源提供了机会.为此,本文提出了一套通用且高效的忆阻器编解码机制,可以无缝集成到现有加速器中,并且不会影响其计算结果.在编码部分,设计了一个基于减法的编码器,实现了低电阻状态到高电阻状态的编码转换,并将编码问题表述为图遍历问题以实现最优的编码结果.在解码部分,配备了一个轻量级的硬件解码器,用于还原编码的计算结果,并且避免引入额外的计算时间开销.实验结果显示,本方案在机器学习和图计算等多个领域取得不俗效果,分别实现了高达31.3%和56.0%的能源节约.

关键词 存内计算; 忆阻器; 加速器; 高能效; 机器学习; 图计算; processing in memory; memristor; accelerator; energy efficiency; machine learning; graph processing

摘要 近年来,物理信息神经网络(physics-informed neural networks, PINNs)在求解非线性偏微分方程(partial differential equations, PDEs)中得到了大量应用. PINN将物理信息作为正则化约束加入神经网络损失函数,可以减少传统神经网络方法对训练数据的大量依赖.然而, PINN无法根据数据变化动态调整损失函数中各个损失项的权重,导致其在求解非线性PDEs时存在求解误差较大的问题.为此,本文提出了一种动态平衡物理信息神经网络(dynamic balanced PINN, DBPINN).首先,DBPINN为PINN损失函数的各个损失项设计了一种动态权重系数,并使用随机函数对该系数进行动态更新,能够显著提升PINN的精度.其次, DBPINN为PNNN损失函数的各个损失项之间建立了一种平衡求和方法,该方法考虑了所有损失项之间的竞争关系,使得PINN各损失项朝着有利于收敛的方向进行优化. DBPINN通过动态权重系数和平衡求和方法使得PINN可以更好地进行优化,进而解决了PINN在实际应用中求解误差较大的问题.本文选择了科学机器学习领域中4个经典的非线性PDEs对DBPINN进行了数值验证和分析.实验结果表明,相比于PINN, DBPINN在Schrodinger和Allen-Cahn方程上误差分别降低了46%和64%. DBPINN在求解Navier-Stokes方程时将系数λ1和λ2的误差分别降低了1～2个数量级和约50%. DBPINN在KdV方程中能够在多项系数中将误差降低1个数量级.最后,本文在多种形式的Burgers方程和Allen-Cahn方程上进行性能和参数消融验证,结果表明DBPINN不仅能够提升模型性能、处理小数据量以及拟合不同时间状态下的方程的能力,而且DBPINN相比于PINN具有更好的稳定性、准确率以及收敛性. DBPINN可以取代PINN被应用于各种非线性PDEs的高精度求解.

关键词 物理信息神经网络; 非线性偏微分方程; 动态权重系数; 平衡求和方法; 科学机器学习; physics-informed neural networks; nonlinear partial differential equations; dynamic weight coefficients; balanced summation method; scientific machine learning

摘要 椭圆曲线密码体制(elliptic curve cryptosystem, ECC)依然是当前应用最广泛的公钥密码体制,其安全核心是椭圆曲线离散对数问题.本文提出了椭圆曲线离散对数的强不动点问题.利用强不动点假设,在随机预言模型下证明了ECDSA (elliptic curve digital signature algorithm)的一个全域哈希变形方案是可以抵抗自适应选择消息下的存在伪造的.签名的聚合性质使得签名方案在诸如区块链、云存储等众多场景中发挥着重要作用,所以本文也讨论了这个全域哈希椭圆曲线签名方案的聚合性质.

关键词 椭圆曲线; 数字签名; 不动点; 加和多项式; 聚合签名; elliptic curve; digital signature; xed point; summation polynomial; aggregate signature

摘要 针对动态不确定环境下异构多无人机协同路径规划问题,提出了一种新的多智能体深度强化学习算法.首先,开发了一个空域场景下多无人机到达目标地点的强化学习环境,环境引入了无人机动力学方程,并考虑了无人机异构的因素以及安全避障的需求.其次,设计了任务完成率、编队保持率、飞行时间等性能指标,用以衡量算法的优劣.然后,将多无人机协同路径规划问题建模为部分可观Markov决策过程,提出了一种多智能体柔性执行评价(multi-agent soft actor critic, MASAC)算法寻求该问题的近似最优策略.最后,通过仿真实验验证了所提算法的有效性和优越性.

关键词 多无人机; 路径规划; 多智能体深度强化学习; 部分可观Markov决策过程; MASAC算法; multi-UAV; path planning; multi-agent deep reinforcement learning; partially observable Markov decision process; multi-agent soft actor critic algorithm

摘要 在煤矿巷道支护中,液压锚杆钻机转速系统具有显著的死区、时变参数、内部外部扰动等非线性特性,使其转速跟踪控制存在精度低、速度慢和超调等问题,从而无法实现高质量和高效率的支护作业.为了解决上述问题,提高煤矿巷道支护的自动化程度、增强安全性和可靠性,设计一种高效的控制方法十分必要.鉴于此,本文提出一种基于自适应扩张状态观测器的全局终端滑模有限时间控制方法.首先,基于跟踪误差,设计一种自适应扩张状态观测器,该观测器能够通过自适应调整估计增益实时响应系统动态,实现扰动估计和系统跟踪性能的改善,从而有效克服转速系统的非线性特性,改善动态性能.其次,构建一种快速、平滑、连续的收敛函数,并有机融合跟踪误差和估计误差,设计一种新颖的全局终端滑模面;并根据李雅普诺夫(Lyapunov)方法,提出全局终端滑模控制律,有效改善转速系统的稳态性能.基于此,将观测器估计的扰动在滑模控制律中加以补偿,构成所提控制器.最后,基于李雅普诺夫稳定理论,论证转速系统的有限时间稳定性,并通过对比实验验证所提方法的有效性.

关键词 液压锚杆钻机; 滑模控制; 扩张状态观测器; 有限时间稳定; 收敛函数; hydraulic roofbolter; sliding-mode control; extended state observer; finite-time stability; convergence function

摘要 针对分布式网络中的参数估计问题,本文提出了一类基于分数阶梯度信息的扩散LMS算法,主要利用分数阶梯度的变阶次机制来提升算法的各项性能.首先,针对已有的集中式分数阶梯度LMS算法,将其推广到分布式网络中的参数估计问题上来.进而,讨论了所提算法的收敛速度和收敛精度.其次,考虑到分数阶阶次对于算法性能的影响,设计了一个变分数阶阶次的策略来充分发挥分数阶的优点以提升算法的收敛特性.进一步,证明了切换拓扑结构下所提算法的收敛性.最后,通过数值仿真结果,从收敛速度、收敛精度、鲁棒性等角度验证了所提算法的有效性和优越性.

关键词 分布式估计; 扩散式 LMS 算法; 适应性滤波; 切换拓扑; 分数阶微积分; distributed estimation; diffusion LMS algorithm; adaptive filter; switching topologies; fractional calculus

摘要 复杂网络是刻画现实世界的有效工具,而同步现象是复杂网络中最为普遍的现象之一,广义同步更因其普适性吸引着研究者的目光.本文研究单向耦合双层驱动–响应网络的广义同步问题.判定广义同步存在的辅助系统方法因其简单有效自提出起便被广泛使用,并于21世纪初被推广应用于复杂网络.而对于不能自发同步的网络,间歇控制是一种常见且有效的控制机制.间歇控制策略不仅符合现实场景,还能够减少通信,节约控制资源.基于此,本文研究单向耦合双层网络的层间广义同步,并利用辅助系统方法,提出间歇控制策略下的双层网络广义同步准则.首先,本文提出线性反馈牵制间歇控制机制下的网络广义同步准则.进一步,为节约控制资源,考虑自适应牵制控制器在间歇控制策略下的网络广义同步问题.本文从理论和仿真两方面证实了间歇控制策略下的双层网络层间广义同步可行性.

关键词 双层复杂网络; 广义同步; 间歇控制; 牵制控制; 自适应控制; two-layer complex network; generalized synchronization; intermittent control; pinning control; adaptive control

摘要 无线通信技术是现今蓬勃发展的数据时代不可或缺的重要信息传输手段之一,而无线数据的安全性更是构建数据时代的磐石.在某些特殊应用场景中,发送方不但要保障信息内容的安全,甚至要做到无线信号传输的行为不被侦收发现.面对严峻的无线电侦收威胁,传统的隐蔽通信手段是基于某一个或两个维域进行能量弥散以降低被侦测概率,如基于扩频的码分多址接入技术将能量弥散到频域,短时猝发技术将能量弥散在时域的多个离散时段,短时猝发与跳频结合的技术将能量弥散在时、频两域.本文首先回归无线传输过程中信号能量弥散的物理本质,将隐蔽通信模型从能量在单维域弥散扩展至时–频–空的多维域能量弥散.即利用此模型并借助无线电传播理论以及数字信号处理方法等工具对无线信号能量在时–频–空3个维域的能量弥散进行建模,设计了侦听方面向时–频–空维域的能量检测器.接下来,在此多维域能量检测模型下,推导了侦听方收集能量的表达式,侦听方使用平均噪声能量作为门限的检测概率上下边界表达式,以及在纽曼–皮尔逊(Neyman-Pearson)能量检测器下的检测概率上下边界表达式.然后,结合理论推导分析、归纳并证明了扩维域能量弥散以实现隐蔽通信思路的正确性.然后,结合仿真结果,从博弈的角度讨论了在多维域能量检测模型下发送方隐蔽性存在的条件以及侦听方接收机的改进策略.最后,针对实际工程,揭示了无线隐蔽通信系统隐蔽性与可靠性这一内生矛盾及相互作用机理,进而给出了实现无线隐蔽传输的原理及技术途径.

关键词 隐蔽通信; 多维域能量弥散; 无线电传播理论; 无线电侦收; 纽曼-皮尔逊检验; covert communications; energy dispersion in multi-domains; radio propagation theory; interception of radio signal; Neyman-Pearson detection

摘要 为了提高频谱利用率与解决反向散射通信存在障碍物阻挡导致通信质量急剧下降的问题,基于实际非线性能量收集模型,本文研究了智能超表面(reconfigurable intelligent surface, RIS)辅助的认知反向散射通信网络吞吐量最大化问题.考虑最大干扰功率、最小能量收集与RIS相移约束,建立了一个联合优化传输时间、发射功率、反射系数与RIS相移的多变量耦合资源分配模型.利用变量替换、二次变换和半正定松弛方法,将原问题转换为凸优化问题求解,并提出一种基于迭代的吞吐量最大化资源分配算法.仿真结果表明,与传统线性能量收集算法相比,所提算法平均吞吐量提升了15.0%;与传统无RIS辅助算法相比,所提算法平均吞吐量提升了22.7%.

关键词 智能超表面; 认知无线电; 反向散射通信; 吞吐量最大化; 非线性能量收集; reconfigurable intelligent surface; cognitive radio; backscatter communication; throughput maximization; non-linear energy harvesting

摘要 当已知未来的移动轨迹等信息时,面向视频点播业务的预测资源分配可以在满足用户体验的前提下降低基站能耗或提高网络吞吐量.传统的预测资源分配方法采用先预测用户轨迹等信息再优化功率等资源分配的方法,在预测窗较长时预测误差大,导致预测所带来的增益降低.为了解决这个问题,近期已有文献把预测资源分配建模为马尔可夫决策过程,采用深度强化学习进行在线决策.然而,对于这类适于采用强化学习的马尔可夫决策过程,现有文献往往以试错的方式对状态进行设计.此外,对于有约束的优化问题,现有利用强化学习解决无线问题的方法大多通过在奖励函数上加入包含需要手动调节超参数的惩罚项满足约束.本文以移动用户视频播放不卡顿约束下使基站发射能耗最小的问题为例,提出在线求解预测资源分配的无监督深度学习方法对信息预测和资源分配进行联合优化,并建立这种方法与深度强化学习的联系.所提出的方法可以通过在线端到端无监督深度学习提高预测资源分配的性能,能以系统化而非试错式的方式设计状态,可以自动而非通过引入超参来满足复杂的约束.仿真结果表明,所提出的在线无监督深度学习与深度强化学习所达到的发射能耗相近,但能够简化状态的设计,验证了理论分析结果.

关键词 预测资源分配; 马尔可夫决策过程; 无监督深度学习; 深度强化学习; 状态设计; 复杂约束; predictive resource allocation; Markov decision process; unsupervised deep learning; deep reinforcement learning; state design; complex constraint

摘要 光的本质是横波电磁波矢量,以双向反射分布函数BRDF (bidirectional reflectance distribution function)为基础模型的标量遥感体系只利用植被反射光的整体强度信息,无法进一步区分反射辐射蕴含的叶表、叶内和冠层结构信息;在标量遥感基础上考虑垂直于电磁波传播方向的二维偏振矢量特性(强度+方向)就能深化为矢量遥感体系,从而有望精确刻画反射光中蕴含的多种信息,提升植被参数反演精度.刻画偏振反射空间分布的双向偏振分布函数BPDF目前存在精度低、泛化性差等问题,因此进一步探索矢量遥感基础理论,构建通用性强的植被矢量遥感基础模型具有迫切的现实需求.本文旨在利用光子与植被元素的相互作用构建通用性较强的植被BPDF物理模型.首先基于光子–植被元素相互作用的光谱不变原理,提出基于方向逃逸概率的植被BPDF物理模型基础形式,并基于植被单次反射的辐射传输理论推导模型解析表达;随后通过考虑叶片散射随干物质含量的变化,提出光谱不变原理优化表达并推导模型通用表达式;最后分别利用三维矢量辐射传输模型和多尺度实测数据实现模型的正演直接验证和间接验证.结果表明,本文构建的BPDF物理模型的解析表达和通用表达在不同植被场景下,对偏振反射率的正演均方根误差可达0.001以内,与矢量辐射传输模型正演结果在半球空间内具有很强一致性,在多尺度实测数据也简洁验证了模型关系的稳定性,模型R2普遍高于0.9.相比于现存植被偏振反射模型,本文构建的模型兼具物理机理、简洁形式、可接受的参数化方案、较高精度和较强泛化能力,对浓密植被具备通用性,为在BRDF一维标量遥感的基础上进一步考虑BPDF二维偏振特性从而形成矢量遥感体系这一转变过程提供了理论基础和探索性方案.

关键词 植被; BPDF; 矢量遥感; 物理模型; 偏振; vegetation; BPDF; vector remote sensing; physical model; polarization

摘要 本文统计了58款不同结构和不同材料的RRAM器件结构和电学特性参数,根据参数之间的联系建立了器件特性参数的计算模型,用统计学的百分位法计算了器件数据的差异性,获得了RRAM器件参数的定量指标.根据计算结果,我们发现RRAM器件的写时间、擦时间、写能量和数据维持时间均未达到预期指标, ECM器件低阻态时有量子力学效应,而VCM器件则没有量子力学效应. RRAM器件还需要进一步发展才能取代Flash技术.就发展趋势而言, ECM和VCM器件与NOR flash的差距最小,最可能取代NOR flash.

关键词 阻变存储器件; 参数计算模型; 百分位方法; 统计指标; resistive memory devices; parameter calculation model; percentile method; statistical indicators

摘要 大模型驱动的具身智能是涵盖人工智能、机器人学和认知科学的交叉领域,重点研究如何将大模型的感知、推理和逻辑思维能力与具身智能相结合,提升现有模仿学习、强化学习、模型预测控制等具身智能框架的数据效率和泛化能力.近年来,随着大模型能力的不断提升,以及具身智能中示教数据、仿真平台、任务集合的不断完善,大模型和具身智能的结合将成为人工智能的下一个浪潮,有望成为人工智能迈向实体机器人的重要突破口.本文围绕大模型驱动的具身智能这一研究领域,从3个方面进行了系统的调研、分析和展望.首先,回顾了大模型和具身智能的相关技术背景,以及具身智能现有的学习框架.其次,按照大模型赋能具身智能的方式,将现有研究分为大模型驱动的环境感知、大模型驱动的任务规划、大模型驱动的基础策略、大模型驱动的奖励函数、大模型驱动的数据生成等5类范式.最后,总结了大模型驱动的具身智能中存在的挑战,对可行的技术路线进行展望,为相关研究人员提供参考,进一步推动国家人工智能发展战略.

关键词 具身智能; 大模型; 环境感知; 任务规划; 基础策略; embodied AI; large-scale models; environment perception; task planning; foundation policy

摘要 以GPT-4为代表的AI大模型时代正加速而至,深刻改变着社会生活的方方面面.大模型巨参数深度学习是破解复杂大数据智能学习瓶颈的一种有效途径.大模型在展现出强大学习能力的同时也面临着高能耗、大算力挑战.研究表明,平均一个AI大模型训练产生的能耗约等于五辆汽车一生排放的碳总量,驱动AI大模型所需算力每3.5个月翻一番.作为一种有益的补充,内嵌规律的跨尺度系统学习是破解复杂大数据智能学习瓶颈的另一种有效途径.跨尺度系统学习已经在某些专业领域展现出了巨大的成功,如2021年诺贝尔物理学奖授予复杂物理系统跨尺度建模及其在全球气候变暖中的应用.事实上,我国科学家甚至更早开拓了复杂系统跨尺度学习研究,如北京航空航天大学暗物质大数据分析团队利用跨尺度系统学习方法实现了在PB级数据中实时学习KB级关键数据,精度达到万分之一.本文从微观尺度、介观尺度和宏观尺度上分析了跨尺度系统学习的基本原理,构建了内嵌规律跨尺度系统学习的普适方法,并以社会大数据为例开展了典型应用示范.社会大数据跨尺度系统学习应用于疫情防控、舆情分析等领域,并取得显著成效,为我国社会治理数字化、网络化、智能化发展提供了新的成功样本.

关键词 人工智能; 大模型; 跨尺度系统学习; 社会大数据; 可解释性; artificial intelligence; large models; cross-scale systematic learning; social big data; interpretability

摘要 基于图的多视图聚类算法通过探索样本点之间的邻近关系,受到了广泛的关注.尽管在实际应用中已经取得了较好的聚类性能,但是观察到大多数算法只是利用一阶邻近关系去构建相似图,这导致信息探索不足和多视图数据表征能力下降.为了解决这个挑战,本文提出了一种新颖的基于高阶图融合的多视图聚类算法(high-order graph fusion for multi-view clustering, HCDMC).具体地,所提出的算法通过一种新颖的隐式权重学习策略,从每个视图对应的一阶和二阶邻近图中学习相应的高阶图.引入希尔伯特–施密特(Hilbert-Schmidt)独立性准则作为一种差异性正则化项,旨在加强一致性高阶图的互补信息.最后,对学习到的一致性高阶图施加连通性约束,直接得到聚类标签矩阵,无需任何后处理步骤.使用交替方向乘子法去解决模型的优化问题.在6个真实的数据集上进行了一系列的实验,相较于最新的算法,本文提出的算法具有更好的聚类性能.

关键词 多视图聚类; 高阶图; 图结构学习; 图融合; 差异性正则化; multi-view clustering; high-order graph; graph structure learning; graph fusion; diversity regularization

摘要 会话推荐的目标是仅根据用户在匿名会话中有限的交互行为,来预测用户的下一次点击行为.最近几年,许多基于图神经网络的会话推荐方法取得了可喜的结果.然而,这些方法仍然存在不足之处.一方面,基于图神经网络的方法只考虑物品之间的转换模式,忽略了会话中的序列模式.另一方面,现有的大多数方法都只关注当前会话内部的信息,忽略了来自邻居会话的外部协作信息,即上下文模式.为了解决上述问题,本文提出了一种新颖的基于上下文增强的多级注意力会话推荐模型(CEMA),通过多级注意力机制分别在物品级和会话级这两个粒度上学习物品特征和建模用户偏好,以增强模型的个性化推荐能力. CEMA模型利用多层GraphSAGE来学习物品之间复杂的转换模式,以捕获用户的局部偏好.特别地,在CEMA模型中设计了一种物品级注意力机制,通过门控注意力单元计算会话中不同物品的重要性,以识别用户真正感兴趣的物品,避免噪声物品的干扰.这有助于准确地捕获会话的序列模式,以建模用户的全局偏好.此外,所提出的方法还设计了一种会话级注意力机制,通过简单的软注意力高效地计算不同会话之间的相似度,以聚焦于那些与当前会话最相似的邻居会话,并从中提取上下文模式,以帮助预测用户的下一次点击.本文在3个公开的基准数据集上进行了一系列实验,实验结果表明CEMA的推荐性能超过了现有最好的方法,充分验证了CEMA的有效性和优越性.

关键词 会话推荐; 多级注意力机制; 图神经网络; 序列模式; 上下文模式; session-based recommendation; multi-level attention mechanism; graph neural network; sequential patterns; contextual patterns

摘要 近年来,随着物联网和人工智能技术的融合,智能物联网(AI+IoT, AIoT)逐渐成为备受关注的新兴前沿领域.在这一背景下,深度学习驱动的智能应用逐渐渗透到智慧城市、公共安全等多个领域.为了实现智能计算从云端向物联网终端和边缘端延伸,智能物联网的多移动终端设备协同工作需要面对的挑战包括可用资源受限和环境动态变化等方面.在智能物联网中,多移动终端具备泛在感知、智能计算与自主决策能力,并参与到感知、计算、学习和决策的过程中.本文提出了多移动终端轻量化感–算–策协同增强方法,旨在克服单终端的视野、资源和性能局限,提升系统的感知覆盖和计算效率,提高在多种应用场景下的任务性能.

关键词 智能物联网; 数据融合感知; 深度模型伸缩卸载; 大小模型互馈决策; 异构系统跨层优化; intelligent Internet of Things; data fusion perception; deep model scalability offloading; mutual feedback decision of large and small models; cross-layer optimization of heterogeneous systems

摘要 在攻击调查领域,为应对依赖爆炸和语义鸿沟的挑战,日志融合通过引入多层级日志的丰富语义得到系统实体之间细粒度的因果关系,以逼近实际的执行历史.然而,由于审计日志的系统调用和应用日志的程序消息被用来推断复杂的系统状态,基于日志融合的攻击调查系统存在被对抗攻击的弱点,本文率先提出并称之为日志重融合攻击(log refusion attacks),其演示了攻击者如何增强实际漏洞来破坏日志完整性,绕过现有防御,破坏溯源中的联结并陷害良性用户.而后,本文提出一种攻击调查的新设计PRovGuARD (provenance guardian),它利用同时包含程序调用控制流和应用消息数据流的建模来交叉验证审计日志和应用日志的历史记录,以确保执行的合法性和一致性.如果攻击者毁损溯源数据,将检测到矛盾并告警,修正执行路径,得到正确的攻击根因和后果.本文在Linux上实现了原型,并在覆盖各类执行模型的14个实际应用场景及程序上进行了广泛评估.实验结果显示,其成功验证还原了正确的攻击故事,且平均性能开销比传统审计框架仅高3.62%,同时在最坏情况下只重新引入0.78%的错误依赖,证明了原型的有效性及其防御攻击的新颖性.

关键词 攻击调查; 对抗攻击; 日志融合; 控制流图; 数据流图; attack investigation; adversarial attack; log fusion; control flow graph; data flow graph

摘要 可微神经结构搜索(differentiable neural architecture search, DNAS)作为近年来神经结构搜索的主流方法之一,通过结合基于梯度优化的搜索策略能够有效地搜索网络结构.然而,存在结构搜索稳定性差和模型复杂度高的问题.为了解决这两个问题,本文提出了一种结构范数正则化的可微神经结构搜索算法,提高了结构搜索的稳定性;设计了一种冗余边剪枝算法修剪网络结构中的冗余边,降低了最终模型的复杂度.本文在CIFAR10, CIFAR100, miniImageNet和胎儿心脏标准平面分类(fetal heart standard plane, FHSP)等4个数据集上进行了算法性能对比实验,与一系列当前最新的可微神经结构搜索算法相比,取得了最优的综合性能.

关键词 深度学习; 可微神经结构搜索; 剪枝; 正则化; 高效搜索网络结构; deep learning; differentiable neural architecture search; pruning; regularization; efficiently search network structures

摘要 随着风电场规模的不断扩大,尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重.为了降低风电场运营成本,提高动态经济性能,本文提出了一种风电场分层控制结构.在上层通过优化全场风机的诱导因子实现当前风向下的全场最大风能捕获,为下层本地控制提供各机组的最佳降载跟踪功率基准.在下层采用基于终端区域约束的稳定分布式经济模型预测控制策略对各风机实施本地控制,在保证满足电网负荷需求的同时有效降低机组的疲劳载荷,提高风电场的动态经济性.最后,通过SimWindFarm软件对由9台风机组成的风电场进行仿真实验,验证了风向变化、阶跃风速扰动和湍流风速扰动3种情况下所设计控制策略的有效性.

关键词 风电场控制; 尾流效应; 疲劳载荷; 分布式经济模型预测控制; 凸序列规划; wind farm control; wake effect; fatigue load; distributed economic model predictive control; sequential convex programming

摘要 本文研究了离散时间网络化系统的分布式状态估计问题,提出了一种基于状态分解的新型分布式状态估计方法.通过解耦系统的能观状态分量,网络中各传感器节点可独立估计对应分量,实现了估计方法的完全分布式设计.针对网络信息传输冗余问题,建立了状态预测值扩散策略,各传感器仅需向外传输其能观状态分量的预测值,大幅降低了传感器网络各节点的计算与通信资源消耗.为证明本文所设计估计方法的误差协方差有界性,构造了紧凑形式误差协方差迭代式,得到了协方差存在上下界的充分条件.最后,通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析,验证了所设计估计方法的有效性.

关键词 分布式状态估计; 网络化系统; 传感器网络; 状态分解; 有界性分析; distributed state estimation; networked systems; sensor networks; state decomposition; boundedness analysis

摘要 针对一类存在干扰和未知不确定性的复杂非线性被控过程的跟踪控制问题,将广义预测控制和信号补偿法相结合,提出了补偿信号驱动的非线性广义预测控制方法.采用低阶线性模型和未知非线性项来表示被控对象,未知非线性项表示系统建模误差及干扰等不确定性.采用低阶线性模型设计广义预测控制器,根据广义预测控制闭环系统可获得未知非线性项对系统影响的跟踪误差,引入最小化跟踪误差和控制量波动的一步最优控制设计补偿信号,抵消未知非线性项对被控对象的影响,改善系统动态性能.所提方法将以往要求未知非线性项全局有界的条件放宽为Lipschitz条件,证明了闭环系统的稳定性和收敛性.为了进一步提升系统动态性能,提出了基于梯度下降法的控制器加权参数的优化方法.仿真对比实验验证了所提算法的有效性.

关键词 预测控制; 补偿信号; 一步最优控制; Lipschitz条件; 梯度下降; predictive control; compensation signal; one-step ahead optimal control; Lipschitz condition; gradient descent

摘要 考虑存在通信拓扑切换的非线性车辆队列多目标编队控制问题,提出一种分布式多目标模型预测控制(multi-objective model predictive control, Mo-MPC)策略.首先,利用邻居车辆状态信息以及与时间相关的图函数构造队列协同控制目标函数,再使用字典序优化描述分布式Mo-MPC问题.然后,采用平均终端等式约束保证各车预测终端状态的收敛性.进一步结合权值矩阵充分条件和兼容性约束,利用切换系统公共Lyapunov稳定性技术保证车辆队列闭环系统的稳定性.同时,为了抑制前车状态误差波动沿着队列传播,使用一类状态误差最大值约束保证车辆队列的L∞弦稳定性.最后,利用两组典型工况的对比仿真结果验证本文策略较传统编队控制策略在经济性能方面的提升.

关键词 非线性车辆队列; 分布式模型预测控制; 多目标控制; 切换通信拓扑; 稳定性; nonlinear vehicle platoon; distributed model predictive control; multi-objective control; switching topology; stability

摘要 无人机集群在军民诸多应用领域引起了极大的关注, 尤其在空中搜索、目标跟踪、边境巡逻、应急救援、交通管制、农业监测等特定任务领域已大显身手. 无人机群体自主控制是无人机集群方向的核心关键技术和“卡脖子”挑战痛点难题, 近年来国内外学者在无人机集群智能感知、协同控制、集群规划、态势评估、集成验证等方面取得了新的进展. SCIENCE CHINA Information Sciences 在2024 年67 卷第8 期组织出版了“无人机群体自主控制专题” (Special Topic: UAV Swarm Autonomous Control), 重点介绍了国内外学者在无人机群体自主控制方面的部分新理论和新方法.

摘要 针对高超声速飞行器过载跟踪问题, 分析并给出了由过载和俯仰角速度组成的非线性系统动力学, 设计了有限时间预设性能控制策略以保证过载跟踪性能和精度. 考虑过载系统动力学中模型的不确定性, 利用神经网络估计系统未知非线性函数. 为改善神经网络学习性能, 采用平行估计模型构造表征学习性能的预测误差, 基于预测误差与跟踪误差设计了复合学习权重更新律, 通过李雅普诺夫 (Lyapunov) 函数分析证明了闭环系统学习与跟踪误差的有限时间稳定性. 仿真结果表明, 所设计的控制策略能够实现对动力学未知函数的在线估计与过载指令的准确跟踪.

关键词 高超声速飞行器; 过载跟踪控制; 有限时间控制; 复合学习; 预设性能控制; hypersonic flight vehicle; overload tracking control; finite-time control; composite learning; prescribed performance control

摘要 针对高超声速飞行环境力热载荷严酷,执行机构易发生脆化、热损伤、缺损等故障,进而导致姿态控制精度下降甚至失稳等问题,本文提出了主被动复合故障容错控制方法.该方法在舵面缺失故障发生初期,采用滑模控制策略满足鲁棒增稳控制需求,同时,采用在线气动辨识方法,估计故障引起的气动参数变化,在满足瞬时增稳需求后,结合气动参数辨识结果与飞发一体化自适应控制进行控制重构,提升故障后高超声速飞行器飞发一体化控制品质.通过数学仿真对比验证表明该方法的有效性,验证了该方法相对于单一容错控制策略具有更强的鲁棒性和更好的控制性能.

关键词 高超声速飞行器; 舵面缺失故障; 容错控制; 气动参数辨识; 飞发一体化; hypersonic vehicle; missing elevator failure; fault-tolerant control; aerodynamic parameter identification; integrated flight/propulsion

摘要 考虑高超声速飞行器再入飞行的稳定姿态控制需求,本文围绕气动舵控制能力约束和不确定干扰的问题,利用通道耦合特性开展协调鲁棒自适应控制技术研究.基于副翼舵偏角和升降舵偏角协调的策略提出分层控制设计,实现通道耦合利用以弥补方向舵低舵效引起的操纵不足.针对动力学不确定估计和外界干扰观测的需求,采用模糊逻辑系统以及误差鲁棒积分技术建立平行估计模型,提出利用预测误差的复合估计自适应律.通过Lyapunov方法分析闭环系统稳定性,并保证闭环系统的误差信号一致终值有界.通过仿真测试验证了所提出算法的跟踪性能、学习准确性和鲁棒性.

关键词 高超声速飞行器; 通道耦合; 分层协调控制; 模糊逻辑系统; 误差鲁棒积分; hypersonic flight vehicle; channel coupling; hierarchical coordinated control; fuzzy logic system; robust integral of the sign of the error

摘要 针对高超声速滑翔飞行器的编队控制问题,提出了基于预定时间稳定性理论的控制策略.首先,建立高超声速滑翔飞行器六自由度制导控制一体化模型,基于反演结构对模型进行简化处理,在此基础上,设计预定时间控制律,实现期望队形形成及编队保持;其次,利用人工势场理论,设计避碰/规避势场函数项,避免高超声速滑翔飞行器与其邻机之间的碰撞,并实现对威胁区的规避;再次,基于Lyapunov稳定理论对高声速滑翔飞行器在预定时间内的编队稳定性进行严格证明;最后,通过Matlab/Simulink进行仿真,仿真结果验证了本文所提的控制策略能够实现预定时间内高超声速滑翔飞行器的编队队形生成保持及碰撞规避.

关键词 高超声速滑翔飞行器; 预定时间控制; 人工势场算法; 编队控制; 制导控制一体化; hypersonic glide vehicle; predefined time control; artificial potential field method; formation control; integrated guidance and control

摘要 工业物联网数据管理与数字中国基础设施建设紧密相关,是支撑提取工业大数据价值的基础.由于工业物联网数据源于设备,工业物联网数据管理系统面临着数据量、数据到达速度、负载多样性等更严峻的大数据挑战.为了应对这些挑战,工业物联网数据管理系统必须进行负载均衡,以充分利用可扩展的计算资源、提升系统性能.现有的负载均衡方法未能充分利用工业物联网数据典型的时序特性,无法应对工业物联网数据管理的上述挑战.本文针对工业物联网数据的时序特性,以读写差异化均衡为约束,建模了负载均衡最优化问题,以匹配工业物联网数据的读写分离特性;提出了负载均衡方案TsLBOpt,集成了简化系统架构的非侵入式负载统计与估算方法,利用分片细分与自适应复制以扩充解空间的整数规划最优化求解方法,以及基于贪心策略最小化数据迁移代价的数据重分布方法.TsLBOpt在清华大学获日内瓦国际发明展金奖的开源时序数据管理系统IginX中进行了实现,并基于多容器构建的集群系统开展了大量实验,结果表明,本文提出的TsLBOpt相比常用的哈希方法、经典的启发式热数据迁移法、前沿工作DynaHash分别可提升系统整体性能至2倍、10倍、4倍以上,且可有效应用于资源异构、组件异构的异构集群系统中.

关键词 工业物联网; 物联网数据管理; 负载均衡; 性能最优化; 时序数据; industrial Internet-of-Things; IoT data management; load balancing; performance optimization; time series data

摘要 组合优化问题的求解是计算机科学、应用数学等学科共同研究的基础性问题.其固有的计算复杂性为精确求解带来了挑战.而采用深度神经网络进行求解已经成为一个前沿的研究方向.本文设计了一种能够求解正线性约束组合优化问题的非自回归式神经网络.本文方法的优势在于,正线性约束代表了一大类组合优化问题,突破了现有非自回归网络的通用性瓶颈;与目前常用的自回归网络相比,非自回归网络具有高效性、排列不变性等优势;在神经网络框架中,本文采用的离线无监督学习对标注的需求低,无需求解最优解进行监督训练;本文提出的在线可微分搜索方法显著提升了神经网络求解器的泛化能力.本文在设施布局、最大集合覆盖、旅行商问题等代表性的组合优化问题中验证了非自回归求解器的有效性.特别是在综合考虑求解效率和求解效果时,非自回归网络求解器持平甚至超越了SCIP, Gurobi等开源或者商用的主流传统求解软件.

关键词 组合优化; 深度学习; 非自回归网络; 图神经网络; 梯度优化; combinatorial optimization; deep learning; non-autoregressive neural network; graph neural network; gradient-based optimization

摘要 多模态多目标问题需要求解多个全局或局部最优帕累托解集,找到这些最优解集具有极大的理论意义和实际经济效益.近年来,学者们提出许多进化算法用于解决该问题.然而,多数算法在进化过程中首先选择收敛性好的个体构建交配池,然后再考虑决策空间和目标空间的多样性.因此,决策空间中多样性好的个体可能被目标空间收敛性好的个体所替代.另外,由于帕累托最优子集在决策空间中有不同的形状和位置,因此个体很难均匀地收敛到每个帕累托子区域.本文提出了基于全局密度更新策略的两阶段多模态多目标进化算法.首先,为减轻交配池和亲本与子代一对一比较的负面影响,我们并不构建交配池,而是提出了新的算法框架,分两阶段寻优.该框架利用不同阶段进化算法的特征进行子代更新,有利于平衡种群的搜索和开发.然后,为了解决帕累托子集分布不均的问题,我们设计了目标空间密度自适应策略和全局密度估计更新种群策略,用于保持目标空间和决策空间种群多样性.我们将提出的算法与7种有代表性的多模态多目标算法进行比较.实验结果表明,我们的算法在决策空间中能找到更多等价的解,并且能更好地保持决策空间和目标空间多样性和收敛性的平衡,整体性能要好于所比较算法.

关键词 多目标进化算法; 多模态多目标优化问题; 进化算法; 全局密度; 参考向量; 边界点聚集; multi-objective evolutionary algorithm; multimodal multi-objective optimization problem; evolutionary algorithm; global density; reference vector; boundary point clustering

摘要 近年来,图神经网络在各个领域的图数据挖掘任务上取得了显著的成功,已成为领域的研究热点.图神经网络通过结构传播节点信息,并以此计算节点的表征,在大量应用场景上取得了显著的效果提升.大多数图神经网络模型遵循消息传递机制,直接将原始图数据作为输入,假设观测到的图结构准确地描述了节点之间完整的关系.然而,真实场景中图数据的产生往往受多种因素影响,包含大量随机噪声和人为扰动.这些噪声信息和干扰信息在图神经网络信息聚合的过程中随着图结构传播,对图表征质量产生严重的影响.如何度量、识别图数据中的噪声信息,是领域关注的热点问题之一.本文从信息论的角度出发,提出了一种非线性信息瓶颈指导的层次图结构学习方法 NIB-HGSL,针对图层级分类任务,为去除结构噪声、学习鲁棒的图表征提供了一个统一通用的框架. NIB-HGSL通过有效信息保留与噪声信息压缩的均衡优化,可以获得对下游任务来说最关键的层次化最小充分图.实验结果表明,本文所提出的NIB-HGSL方法与其他基线方法相比,可提高图分类和图回归任务的准确性和鲁棒性.

关键词 图表示学习; 信息瓶颈; 图结构学习; 图神经网络; 图分类; graph representation learning; information bottleneck; graph structure learning; graph neural networks; graph classification

摘要 联邦学习能够在隐私保护的前提下联合多个参与者进行协同学习,然而经典的联邦学习不具备持续学习的能力,无法适应动态变化的应用场景.联邦持续学习近期引起了广泛的关注,其允许多个参与者在协同学习的同时进行持续学习.联邦持续学习是一种更加复杂的学习场景,其面临的挑战包括灾难性遗忘,异构性以及通信资源受限.为了应对这些挑战,本文提出一种基于原型学习的联邦持续学习方法.该方法利用原型进行知识的共享,提升通信效率的同时增强了对模型异构性的适应能力.此外,该方法设计了基于知识蒸馏和回放的灾难性遗忘的预防机制.本文提供了所提出方法的收敛性分析,并且通过对比实验和消融实验验证了该方法的有效性.

关键词 联邦持续学习; 原型学习; 知识蒸馏; 灾难性遗忘; 数据异构; federated continual learning; prototype learning; knowledge distillation; catastrophic forgetting; data heterogeneity

摘要 随着全球卫星数量的快速增长和天基网络的蓬勃发展,优化卫星任务调度以确保任务观测时效性变得至关重要.任务调度方法不仅影响观测数据采集的效率,还直接关系到天基信息系统能否及时响应多种实时应用需求.然而,针对非周期动态任务,传统批处理调度方法存在局限性,需收集完所有任务信息后才能作出决策,而现有基于深度强化学习的实时调度方法也无法保证紧急任务的观测时效性.鉴于此,本文首次提出了“时效性优化的敏捷卫星动态任务实时调度”问题,该问题定义任务观测时效性指标,综合考虑任务观测延迟和接收任务的总收益,以最大化所有任务观测时效性.为了求解该问题,设计了两阶段时效性优化算法PPODL-HR.在任务选择阶段,提出了基于深度神经网络和长短期记忆网络的近端策略优化以加快模型的收敛速度;在资源分配阶段,设计了启发式规则,通过任务合并进一步降低任务切换所需的卫星转换时间.通过数值仿真和STK仿真验证, PPODL-HR算法在任务观测时效性方面优于传统的静态批处理调度和现有的动态任务实时调度算法,且适用于不同任务密度和不同紧急性任务占比的情况.特别地,与经典的动态任务实时调度算法相比,任务观测时效性提高了21.14%,任务观测延迟降低了4.55%,接收任务的总收益增加了20.70%.

关键词 时效性优化; 卫星任务调度; 动态任务实时调度; 深度强化学习; 任务观测时效性; 启发式; timeliness optimization; satellite task scheduling; real-time scheduling for dynamic tasks; deep reinforcement learning; timeliness of task observation; heuristic rule

摘要 针对飞行器姿态控制问题,综合反步法和自适应控制理论设计了飞行器姿态控制律,采用高通滤波器估计控制律中所需的控制信号时间导数,解决了常规反步法存在的需要解析或数值求导的问题.基于投影算子方法设计了输出边界保护控制律,使飞行器输出响应不超过由超椭圆曲线定义的控制边界,在多变量控制下使控制边界匹配实际边界.根据Lyapunov稳定性理论证明了完整控制律的闭环稳定性,解决了高通滤波器与闭环系统稳定性的耦合问题.通过数值仿真检验了姿态控制律的控制性能,仿真结果表明飞行器闭环系统具有良好的俯仰角指令跟踪和协调转弯指令跟踪性能,并实现了迎角和侧滑角的输出边界保护.

关键词 姿态控制; 输出边界保护; 反步法控制; 自适应控制; 投影算子; attitude control; output boundary protection; backstepping control; adaptive control; projection operator

摘要 在无线联邦学习中, 不同位置的设备信道质量差异性使得基于空中计算的联邦学习的模型聚合误差由信道质量最差的设备所主导. 为此提出了一种终端直通 (device-to-device, D2D) 辅助的空中计算联邦学习方案, 其中选择信道质量好的辅助设备辅助边缘设备将本地模型更新至服务器. 构建了最小化均方误差的优化问题, 提出了一种交替优化的算法, 以低复杂度优化所有设备和基站的运行参数. 为了评估该方案的性能, 本文通过理论分析验证了所提方案相比于传统的基于空中计算的模型聚合方案具有优势. 同时, 设计了两种不同的设备分布场景, 并基于神经网络和真实数据集构建了联邦学习实验. 结果表明, 所提算法能够很快收敛, 与传统的空中计算方案以及现有的基于调度和基于中继的空中计算方案相比, 该方案能够显著减小模型聚合误差, 并提高联邦学习的预测精度.

关键词 D2D; 联邦学习; 空中计算; 交替优化算法; federated learning; over-the-air computation; alternating optimization algorithm

摘要 作为新一代智能化综合数字信息基础设施,第六代移动通信(6G)深度融合人工智能、大数据以及先进计算等技术,构建泛在互联,智能体高效互通的新型网络模式,具有更大系统容量、更快信息传输速率以及更加智能化与数字化的性能特征.智能超表面(reconfigurable intelligent surface, RIS)是推动未来6G通信网络实现超级无线带宽、超大规模连接以及极其可靠通信能力等方面性能的极具潜力的新兴技术.该技术是基于在数字超材料平面上集成的大量低成本无源反射元件,通过自适应配置无线传播环境,显著提高无线通信网络在复杂场景下的性能,而实现自适应动态调控通信链路的关键在于对RIS辅助的网络系统优化.为此,本文通过对RIS近年来在网络性能优化方面相关研究文献进行综述,从RIS辅助通信的网络架构及其性能优化方案和应用场景两个方面总结了当前RIS辅助的无线通信网络性能优化研究成果与进展,并进一步讨论了通信网络部署RIS的潜在未来研究方向.

关键词 智能超表面; 无线通信网络; 性能优化; 6G; reconfigurable intelligent surface; wireless communication networks; performance optimization

摘要 随着城市化建设进程的加速,超级智慧城市群的新格局正在形成,物联网、人工智能和大数据等技术正快速渗透至城市信息基础设施的建设,使智慧城市形成极具前景的新兴交叉研究领域.然而现有智慧城市解决方案通常是面向不同城市的定制化方案,在实际应用中缺乏对城市运行状态全面智能感知和多区域协同能力.本文提出了视觉端边云融合的架构,用于智慧城市群的协同发展.首先,将推动智慧城市信息基础设施的新质生产力凝练出算力、运力、数力、智力、视力的新五维特征.之后,通过构建层次化的城市内和城市间视觉端边云架构,解决数据互通瓶颈并助力打破城市间的信息孤岛,提升整体系统的灵活性和可靠性.同时,本文还提出了特征重构的资源共享技术、面向大规模群体的跨域协同优化技术、以及面向复杂城市网络的持续演化的关键技术,从而实现城市智慧连接,形成共通、共享、共赢的新型城市网络架构,以支持智慧城市群通过视觉数据进行跨场景、精准、动态实时的计算.本文旨在为智慧城市群的发展提供一个全面的技术架构和解决方案,以支撑超级智慧城市群的协同演进,推动智慧城市群的智能化进程.

关键词 视觉端边云; 端边云系统; 智慧城市群; 智能系统; 视觉计算; visual end-edge-cloud; end-edge-cloud system; smart city clusters; intelligent system; visual computing

摘要 数据定价有助于释放数据的价值,并为数据交易提供依据,推动数据市场的发展和创新.目前,数据价值具有不确定性、多样性和制约性等问题,如何对数据进行准确的价值评估是数据定价的首要问题.在此背景下,本文提出的方法可以有效地解决数据定价的不确定性和多样性问题.本文构建了基于数据质量和容量的二元非线性集成效用函数来评估数据价值,融合斯塔克伯格(Stackelberg)博弈模型分析参与者行为,利用KKT算法实现了数据产品的最优定价.研究发现原始数据的最优容量、最优质量、最优价格和数据产品提供商利润与单位购买成本存在负相关关系,与消费者数量和消费者敏感程度存在正相关关系,且与消费者敏感程度的正相关关系更大.通过与基于一元效用函数的定价模型对比,进一步验证了本文所提出的考虑集成效用的数据产品定价模型具有显著的优越性.

关键词 数据定价; 数据产品; 数据交易; 集成效用; 斯塔克伯格博弈模型; data pricing; data products; data trading; integrated utility; Stackelberg game model

摘要 无监督学习不需要对训练数据进行人工标注,在硬件系统的图像分类应用中具有重要价值.现有忆阻脉冲神经网络(memristive spiking neural network, MSNN)的无监督学习主要集中于前后神经元之间的突触调节过程,这导致学习仅限于局部神经活动而忽略了神经反应之间的内部联系.联想记忆是大脑实现记忆的重要方式,其通过无监督方式将不同刺激关联起来以建立互联的网络记忆.同时,人类视觉系统利用注意机制从海量信息中选择重要信息,以有效减少输入神经元的数量和神经网络的规模.本文提出了一种基于注意力的联想忆阻脉冲神经网络(attention-based associative memristive spiking neural network, AAMSNN)的全电路设计,并将其应用于无监督图像分类应用.其中,注意力编码模块和注意力选择模块启发于人脑的注意力机制,用于搜索并选择重要特征信息,减少AAMSNN的输入神经元数量.联想忆阻脉冲神经网络由巴甫洛夫联想忆阻交叉阵列构成,通过调节联想记忆权重实现无监督图像分类.与其他MSNN相比, AAMSNN具有更小的MSNN规模和更少的忆阻器数量,并实现了更优的无监督图像分类准确率.

关键词 忆阻脉冲神经网络; 注意力; 联想记忆; 无监督学习; 图像分类; memristive spiking neural network; attention; associative memory; unsupervised learning; image classification

摘要 随着深度伪造技术的快速发展,深度伪造视频在每一帧上表现得极为真实,现有检测方法难以有效识别出深度伪造视频.针对这一问题,本文首次提出了一种基于视频流谱特征空间的深度伪造检测方法.该方法基于流谱理论构建了一个视频流谱特征空间,通过视频流谱基底模型将视频流从视频特征隐空间映射到视频流谱特征空间,精准刻画视频流中不一致性信息,获取可分离度更高的视频流谱不一致性特征,从而实现深度伪造视频的检测.具体而言,首先提出了一种视频流谱特征空间的构建方法,通过对视频特征隐空间进行基底映射,得到一个近似同构的视频流谱特征描述空间,在视频流谱特征空间中融合视频流不同视角的高维表征,实现对视频流的精准刻画与分析;然后设计了一个视频不一致性流谱映射模型,通过视频流谱变换算子,从时序角度将视频流的空域信息聚合映射到视频流谱特征空间,建模深度伪造视频的不一致性信息,构建数据可分离度更高的视频表征.实验结果表明,所提方法在Celeb-DF数据集上达到99.23%的准确率,在DFDC数据集上达到95.24%的准确率.

关键词 深度伪造检测; 流谱理论; 视频流谱特征空间; 视频流谱基底模型; 时序不一致性; deepfake detection; flow spectrum theory; video flow spectrum feature space; video flow spectrum basis model; temporal inconsistency

摘要 随着各种流行传染病在全球频繁暴发,传染病监测在阻止传染病传播方面发挥着至关重要的作用.隐私保护数据聚合技术常用于避免传染病监测数据传输造成的用户隐私泄露问题.然而,现有的数据聚合方案仍然具有一些安全问题,如聚合节点不可信等.为了解决这些问题,本文提出了一个支持容错的轻量级可验证隐私保护传染病监测数据聚合方案.首先,使用基于CRT (Chinese remainder theorem)改进的Paillier同态加密系统和支持批量验证的签名算法分别对传染病数据进行高效加密和签名,以保护数据传输过程中的数据隐私和数据完整性.其次,使用承诺机制解决聚合节点不可信的问题.此外,本方案支持容错,即使某些用户和聚合节点没有按时地上传数据,聚合工作依然能够继续.特别地,本方案能够抵抗合谋攻击,满足更高的安全需求.由于本方案没有使用高耗时的计算操作,如双线性映射等,仿真实验证明本方案具有优秀的计算和通信开销,可以安全有效地应用于传染病检测系统.

关键词 传染病监测; 数据聚合; 隐私保护; 同态加密; 轻量级; infectious disease surveillance; data aggregation; privacy-preserving; homomorphic; lightweight

摘要 随着新一代人工智能的发展,大模型(如GPT-4o等)凭借大规模训练数据、网络参数和算力涌现出强大的生成能力、泛化能力和自然交互能力,展现出改变工业世界的巨大潜力.尽管大模型已在自然语言等多个领域取得突破性进展,但其在工业应用中的探索仍处于初级阶段,当前工业大模型的系统性研究仍属空白.工业应用中特有的异质数据模态、复杂多样的专业化场景、长流程的关联性决策、以及对于可信性实时性的高要求,使得通用大模型无法直接用于解决复杂的工业问题,亟需开展全新的工业大模型基础理论和关键技术研究.本文系统地探讨了工业大模型的挑战问题、概念内涵、体系架构、构建方法、关键技术与典型应用.从5个挑战问题的分析出发,提出了工业大模型的全新定义和体系架构;同时,提出了工业大模型的四阶段构建方法,阐述了工业大模型核心关键技术;然后,基于所提出的工业大模型6种核心应用能力,探讨了面向产品全生命周期的工业大模型典型应用场景,并给出了“基石”工业大模型原型系统在生成式人工智能方面的应用实例;最后,探讨和展望了工业大模型未来的研究方向和开放性问题.本文将为工业大模型这一全新研究方向的开辟与发展,提供基础理论、关键技术和行业应用的全面指导.

关键词 工业大模型; 工业基础模型; 生成式人工智能; 具身智能; 工业智能体; 智能制造; industrial foundation model; industrial AI foundation model; AIGC; embodied intelligence; industrial agent; intelligent manufacturing

摘要 基于形式化方法的多智能体任务规划因其丰富的任务形式和多样的系统功能而备受关注.然而,随着智能体数量增加,规划复杂度呈指数级增长,因此形式化方法在计算效率和集群规模上都受到了限制.已有的改良方法中,基于图搜索的方法对计算效率改进有限,只能处理中等规模的集群;而基于组合优化的算法忽略了智能体动作模型,无法处理大规模协同任务.本文针对以上局限,提出了基于智能体动作链的偏序任务分配算法,在保证正确性的基础上大幅提升规划性能.进一步针对环境不确定性和在线新任务,设计了自适应重规划算法和协作同步机制,确保任务执行过程中的鲁棒性.最后,通过数值仿真和对比验证了算法的有效性和可靠性.

关键词 多智能体任务规划; 形式化方法; 线性时序逻辑; 在线自适应; 偏序集; multiagent task planning; formal method; linear temporal logic; online self-adaptation; partially ordered set

摘要 本文研究了具有输出约束的二阶切换非线性系统的固定时间输出反馈镇定问题.构造降阶切换状态观测器以估计未测量状态,并与设计的切换状态反馈控制器相结合,实现了闭环切换系统的固定时间输出反馈镇定.利用正切型障碍Lyapunov函数保证闭环切换系统在固定时间稳定的同时满足输出约束.由于构造的障碍Lyapunov函数当约束趋向于无穷时可退化为无约束的公共Lyapunov函数形式,因此,本文提出的方法适用于具有或没有输出约束两种情况,而无需改变所设计的切换控制器和观测器结构,具有一定的普适性.利用双极限齐次方法证明了文中结论.数值例子和连续搅拌釜式反应器的固定时间控制验证了文中所提方法的有效性.

关键词 切换非线性系统; 固定时间; 输出反馈; 输出约束; 双极限齐次方法; switched nonlinear systems; fixed-time; output feedback; output constrains; bi-limit homogeneous method

摘要 针对无人机集群携带异构资源以及任务的异构需求下的复杂任务分配优化求解问题,提出一种基于联盟形成博弈的分布式任务分配算法.首先针对任务分配问题规模较大的特点以及资源的异构性,提出一种基于异构资源的改进K-medoids聚类算法,通过对无人机集群和任务进行聚类的预处理,降低了任务分配的规模和难度.考虑任务需求、机载资源以及路径成本等条件建立任务分配模型,将原有任务分配问题转化为联盟划分问题,设计了一种基于联盟形成博弈的分布式任务分配算法进行求解.最后,将30个具有异构需求的任务分配给100架携带3种异构资源的无人机的仿真结果表明,所提算法能够实现较好的任务分配效果,同时极大提高任务分配的实时性,充分发挥集群效能.

关键词 任务分配; 异构无人机集群; 异构资源; 聚类算法; 联盟形成博弈; task allocation; heterogeneous UAV swarms; heterogeneous resources; clustering algorithm; coalition formation game

摘要 本文探讨了不确定目标下异质非线性切换多智能体系统的一致性跟踪问题,其中待跟踪的目标具有未知的控制输入且不受界的限定;所采用的随机切换机制不仅考虑了转移概率,还考虑了驻留时间.由于目标的不确定性、非线性、异质性以及随机切换特性,一致性跟踪问题很难直接用现有方法解决.因此,本文为一致性跟踪问题开发了一种新的依模态双层设计框架.基于该框架并通过引入自由矩阵和参数提出了一个新的多重李雅普诺夫函数,给出了异质非线性切换多智能体系统能几乎必然指数型一致性跟踪上不确定目标的条件.最后,通过数值仿真验证了所提控制方案的有效性.

关键词 多智能体系统; 一致性跟踪; 非线性; 随机切换; 不确定性; multi-agent systems; consensus tracking; nonlinear; random switching; uncertain

摘要 围绕国家自然科学基金委信息科学部人工智能学科(F06) 2018～2023年青年科学基金项目、地区科学基金项目、优秀青年科学基金项目以及国家杰出青年科学基金项目等人才项目的申请及资助情况,从学科领域分布、申请年龄性别、依托单位分布以及依托单位变更情况等角度进行了分析,为人工智能领域的人才队伍建设、学科发展布局提供参考.

关键词 国家自然科学基金; 人工智能学科; F06代码; 人才项目; 申请与资助; national natural science foundation; artificial intelligence discipline; F06; talent funding; application and funding