近日，我校电子信息工程学院和信息材料与智能感知安徽省实验室科研团队在各自研究领域取得多项科研成果。
一、杨利霞教授课题组在高超声速目标电磁散射领域获重大进展
高超声速复杂介质目标的色散误差问题一直是数值计算中不可避免的重要难题之一。近期，杨利霞教授课题组发表了科研型论文，针对高超声速目标局部区域中因等离子体电子浓度大梯度变化而造成色散误差的难题提供了新的分析方法。杨利霞教授课题组通过引入了一种面中心立方体（Face-centeredcube,FCC）网格进行Maxwell方程的进行空间离散，并结合电流密度卷积时域有限差分方法（JEC-FDTD），用以分析高超声速目标的电磁散射特性。该算法的运用有效地提高了传统FDTD方法在计算复杂色散介质目标时的误差问题，为研究等离子体“黑障”问题提供了新的技术手段。相关内容以“Studyontheelectromagneticscatteringcharacteristicsofhigh-speedtargetwithnon-uniformplasmaviatheFCC-FDTDmethod”为题发表在国际电磁场与微波技术领域顶尖期刊《IEEETransactionsonAntennasandPropagation》上。该成果对于研究高超声速目标的探测、定位和反隐问题有重要的意义，此外，也对近空间的“黑障”通信难题提供了新的技术手段和理论支撑。安徽大学电子信息工程学院年青教师陈伟博士为论文第一作者，杨利霞教授为论文的唯一通讯作者，安徽大学为第一通讯单位，杨利霞教授的硕士研究生汪刘丰为文章第二作者。
该研究受到中国航天二院电磁散射国防科技重点实验室的大力支持，同时该成果也是我校积极开展军民融合战略工作的综合体现。该研究得到杨利霞教授主持国家自然科学基金联合基金重点项目（U21A20457），国家自然科学基金(62071003,41874174)，安徽省高校协同创新项目（GXXT-2020-050,GXXT-2021-02）的资助，同时也得到了计算智能与信号处理教育部重点实验室、信息材料与智能感知安徽省实验室的支持。
二、陈杰团队于智能交通领域顶级期刊IEEETITS发表最新研究成果
陈杰团队联合中国科学院合肥物质科学研究院吴仲城研究员、张俊副研究员团队以“ANewUnsupervisedDeepLearningAlgorithmforFine-GrainedDetectionofDriverDistraction”为题在智能交通和自动驾驶领域国际顶级期刊《IEEETransactionsonIntelligentTransportationSystems》上发表最新研究工作。该研究成果在国家自然科学基金青年项目、安徽省自然科学基金青年项目、中国博士后科学基金面上项目资助下完成。安徽大学电子信息工程学院电子信息专业20级硕士生李兵为论文的第一作者，安徽大学电子信息工程学院陈杰为论文的通讯作者，安徽大学为第一通讯单位。
全球范围内，每年因为驾驶员分心驾驶而造成的交通事故次数占据了极大比例。如何通过实时监测驾驶员细粒度驾驶状态，避免因分心驾驶而造成交通事故是实现ADAS和高可信自动驾驶的关键技术。当前，分心驾驶检测领域主要采用有监督学习方法，存在泛化能力差、标注成本巨大等问题。为此，面向驾驶员分心检测，本工作创新地提出了一种无监督学习算法，简称为UDL。首先，构建一种通用无监督学习框架；此外，构建新的主干和投影头以增强特征表示能力；最后，设计基于对比学习和stop-gradient(stopgrad)策略的损失函数，以指导模型学习更鲁棒的特征。基于大规模驾驶员分心检测数据集的对比实验结果验证了我们方法的有效性；且仅需极少标签微调后，UDL可以实现接近于最先进有监督学习方法的卓越性能，极大地降低了人工注释的成本和限制。
本文设计的UDL框架
三、冯乃星副教授分别于微波理论与技术领域和遥感与地球科学领域顶级期刊IEEETrans.MTT和RemoteSensing发表最新研究成果。
冯乃星副教授联合安徽大学电子信息工程学院黄志祥教授，杨利霞教授与吴先良教授以及深圳大学电子与信息工程学院汪国平教授分别以“CompactSystem-Combined-BasedFDTDImplementationswithApproximateCrank-NicolsonSchemeandElectromagneticScattering”和“NumericalPredictionofDualityPrinciplewithBloch-FloquetPeriodicBoundaryConditioninFullyAnisotropicFDTD”为题在《IEEETransactionsonMicrowaveTheoryandTechniques》与《RemoteSensing》上发表最新研究工作。该研究成果在国家自然科学基金项目，安徽大学科研启动经费，广东省自然科学基金面上项目，中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室基金项目等资助下完成。安徽大学为第一通讯单位。
就目前国内外而言，致力于提升无条件稳定算法在提高计算效率基础上仍能保持高精度是一个无法避免的重点难题之一。为了克服这个问题，我们开发了一种有效的基于系统组合的近似Crank-Nicolson时域有限差分（SC-ACN-FDTD）方法，该方法可应用于电磁散射。麦克斯韦方程组中的电场和磁场经离散时间矩阵形式处理后，统一为同一时间步的唯一矢量。通过矢量变换，电场和磁场的时域迭代程序都可以用Crank-Nicolson格式获得。为了模拟开域问题，我们使用卷积完全匹配层（CPML）来截断有限的计算区域。为了保证SC-ACN-FDTD方法的数值精度，我们采用经验公式来预测基于空间采样密度的最大CFL因子。与传统的FDTD方法相比，本文提出的SC-ACN-FDTD方法可以通过近场和远场的电磁散射得到很好的验证。为了进一步验证我们的结果，还采用了商用软件COMSOL对单频远场模式进行了验证。
系统结合的近似Crank-NicolsonFDTD的计算流程框图
另外，电磁材料的完全各向异性问题的研究在国内外鲜见报道，因其复杂的矩阵关系求解难度。在本次工作中，我们不仅利用Bloch-Floquet周期边界条件（BPBC）的完全各向异性时域有限差分法（FDTD）成功地验证了对偶原理，并在理论上首次有效地应用于时域电磁计算的验证。从传统的各向同性对偶原理出发，这些条件可以在没有任何损失项的情况下给出。在不损失一般性的情况下，结合原始实参数的复延拓，可以得到介电张量和磁有耗张量的电磁对偶规则。在我们的进一步研究中，我们将对偶原理引入到BPBC情况中，然后在TE或TM模式下，通过FDTD方法执行并验证三种不同的完全各向异性模型。从高精度的数值角度出发，我们致力于更有效的验证，通过对偶原理可以预测反射系数和透射系数，并检测地下回波。
(a)平面电磁波的正交坐标关系：(a)TE模式下的场分量从初始场到对偶场的过渡；(b)TM模式下的场分量从初始场到对偶场的过渡。
四、陈杰团队与西北工业大学黄维院士团队联合发表综述工作
陈杰团队与西北工业大学柔性电子前沿科学中心的黄维院士、彭勃副教授、李林教授课题组合作，全面总结了将深度学习算法应用于器官芯片的最新研究进展，并对这一新型交叉领域的未来发展方向进行了展望，相关综述以“AnOverviewofOrgans-on-ChipsBasedonDeepLearning”为题发表在国际顶级期刊《Research》上，安徽大学电子信息工程学院陈杰为共同一作。
器官芯片是在微流控技术的发展过程中，与光刻技术、细胞生物学、材料和生物组织工程等技术相结合的产物。作为高通量生物研究平台，器官芯片在生命科学研究、疾病模拟、毒性预测、新药研发及精准医疗等方面具有广阔发展前景。将深度学习技术作为探索和分析器官芯片实验数据的有力工具，可有效挖掘海量数据所隐含的内在规律，提升器官芯片的智能化水平，并激发其在药物开发、疾病建模和个性化医疗方面巨大潜力。
本文从四个方面综述了这一领域的研究进展：微流控技术和以其为技术支撑的器官芯片装置；系统地讲述了深度学习算法的发展历程；对目前各种适用于器官芯片，或已经用于部分器官芯片分析的深度学习算法进行了分析和总结；从细胞器识别与监测、微流控细胞培养系统自动化与智能化、药物开发、罕见病的诊断以及多器官芯片耦合的人体芯片等不同角度，为这一新型交叉应用的未来发展方向进行展望。
基于深度学习的器官芯片