宽光谱硅单光子探测器及其制备方法

    公开(公告)号:CN116613237A

    公开(公告)日:2023-08-18

    申请号:CN202310648207.9

    申请日:2023-06-02

    Abstract: 本申请提供一种宽光谱硅单光子探测器及其制备方法,宽光谱硅单光子探测器包括硅衬底和位于硅衬底上的至少一个硅单光子探测单元,硅单光子探测单元包括第一欧姆接触电极、光吸收层、雪崩放大层和第二欧姆接触电极;雪崩放大层具有相对的第一表面和第二表面,第一欧姆接触电极和光吸收层位于第一表面一侧,第二欧姆接触电极位于第二表面一侧;光吸收层用于吸收不同波长的光子并且产生光生载流子;第一欧姆接触电极和第二欧姆接触电极用于与外电路电连接,以在雪崩放大层上施加强电场;雪崩放大层用于在强电场的作用下将光生载流子进行雪崩放大。本申请提供的宽光谱硅单光子探测器的工作波长较宽,且可以超过硅材料本身的工作波长。

    一种移动边缘计算中能耗最小化的处理方法及装置

    公开(公告)号:CN111949110B

    公开(公告)日:2022-10-25

    申请号:CN202010686852.6

    申请日:2020-07-16

    Abstract: 本发明实施例提供了一种移动边缘计算中能耗最小化的处理方法及装置,可以获取总能耗与压缩比的第一函数关系,总能耗表示对原始数据进行压缩得到目标数据的能耗,与向边缘服务器发送目标数据的能耗的和值;确定第一函数关系中最小的总能耗对应的压缩比,作为第一压缩比;基于第一压缩比和第一压缩比区间,确定目标压缩比,第一压缩比区间包含对原始数据进行压缩支持的所有压缩比;按照目标压缩比对原始数据进行压缩,得到目标数据。基于上述处理,由于第一压缩比为最小的总能耗对应的压缩比,基于第一压缩比和第一压缩比区间,能够确定出总能耗较小的目标压缩比,进而,基于目标压缩比对原始数据进行压缩,可以降低客户端的总能耗。

    基于QAM的量子噪声加密方法和系统

    公开(公告)号:CN112291052B

    公开(公告)日:2022-03-15

    申请号:CN202011119736.2

    申请日:2020-10-19

    Abstract: 本发明公开了一种基于QAM的量子噪声加密方法和系统,所述方法包括:将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路运行、模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。应用本发明可以提高系统的加密传输安全性,且不需要添加额外的密钥扩展器,节省成本。

    一种叉指型导模光电探测器

    公开(公告)号:CN113284963A

    公开(公告)日:2021-08-20

    申请号:CN202110438832.1

    申请日:2021-04-22

    Abstract: 本申请实施例提供一种叉指型导模光电探测器。其中,探测器包括光波导结构,包括芯层和包裹芯层的包层,芯层延第一方向延伸预设距离,芯层的第一端用于接收目标入射光;多个P型欧姆接触区和多个N型欧姆接触区,为芯层顶部的掺杂部分,均沿垂直于第一方向的第二方向延伸,且沿第一方向交替排列;以及,P型和N型电极,沿第一方向延伸;P型电极设有并列的多个第一枝节,每一个第一枝节与一个P型欧姆接触区贴合;N型电极设有并列的多个第二枝节,每一个第二枝节与一个N型欧姆接触区贴合。通过本方案可以解决现有光电探测器对波长接近光电探测器半导体材料禁带宽度的目标入射光的探测效率低的问题。

    一种基于零样本学习的视频动作识别方法

    公开(公告)号:CN114842398B

    公开(公告)日:2024-12-17

    申请号:CN202210563048.8

    申请日:2022-05-23

    Inventor: 肖波 王博 赵凯莉

    Abstract: 本发明公开了一种基于零样本学习的视频动作识别方法,提出了一个新的实例级别的视频属性作为语义特征,该语义特征利用了视频的空间信息与时序信息,能够为视频提供更加精确的语义描述,从而更好地连接可见类别与不可见类别,在不可见类别上能够取得更高的识别准确率。同时,为了更好地优化视觉‑语义联合空间,本发明设计了一个新的对比损失函数——视觉‑实例级别的视频属性对比损失函数。该对比损失函数既考虑了不同视频个体视觉表征与语义表征之间的关系,又考虑了不同类别视频视觉表征之间的关系,使得视觉‑语义联合空间具有更好的对齐性与均匀性,这两个特性使得训练好的模型在不可见类别上的性能更优。

    一种基于零样本学习的视频动作识别方法

    公开(公告)号:CN114842398A

    公开(公告)日:2022-08-02

    申请号:CN202210563048.8

    申请日:2022-05-23

    Inventor: 肖波 王博 赵凯莉

    Abstract: 本发明公开了一种基于零样本学习的视频动作识别方法,提出了一个新的实例级别的视频属性作为语义特征,该语义特征利用了视频的空间信息与时序信息,能够为视频提供更加精确的语义描述,从而更好地连接可见类别与不可见类别,在不可见类别上能够取得更高的识别准确率。同时,为了更好地优化视觉‑语义联合空间,本发明设计了一个新的对比损失函数——视觉‑实例级别的视频属性对比损失函数。该对比损失函数既考虑了不同视频个体视觉表征与语义表征之间的关系,又考虑了不同类别视频视觉表征之间的关系,使得视觉‑语义联合空间具有更好的对齐性与均匀性,这两个特性使得训练好的模型在不可见类别上的性能更优。

Patent Agency Ranking