该项研究成果深刻揭示了Caffarelli–Kohn–Nirenberg不等式的基本特征并极大地发展了泛函不等式稳定性的研究方法，对推动泛函不等式稳定性的研究发挥了重要作用。

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

集成电路是微电子技术的核心，与国防和国民经济现代化, 乃至人们的文化生活都息息相关。集成电路由芯片和框架经封装而成, 其中框架既是骨架又是半导体芯片与外界的联接电路, 是芯片的散热通道, 又是连结电路板的桥梁, 因此框架在集成电路器件和各组装程序中占有极其重要的地位，目前，由于集成电路向高密度, 高集成化方向发展, 芯片的散热问题已成为突出矛盾。集成电路大规模和超大规模的迅速推进，对集成电路框架及材料提出了高、精、尖、短、小、轻、薄的要求，过去广泛使用的铁镍42合金已不能满足要求。而铜合金框架材料, 利用铜合金优良的传热性能, 加入少量强化元素, 通过固溶强化和弥散强化提高其强度, 同时仅稍微损失导热性能。目前，铜合金框架已成为主体，形成了中强中导、高强中导、高强高导合金系列。以前，由于在合金的熔炼工艺、轧制和热处理工艺以及板型控制等关键技术与国外先进水平有较大差距，我国所使用的大规模集成电路引线框架材料长期以来都是依靠进口。目前，本课题组通过一系列研究，开发了具有自主知识产权的Cu-Ni-Si系合金，并实现了Cu-Fe-P 系合金铜带和异型带的国产化大规模生产。 一、Cu-Ni-Si系铜合金主要性能指标 1.抗拉强度σb：650～750MPa； 2.延伸率>8%； 3.导电率：45～60%IACS。 二、Cu-Fe-P系铜合金主要性能指标 1.抗拉强度σb：450～600MPa； 2.延伸率>7%； 3.导电率：60～80%IACS。

集成电路是微电子技术的核心，与国防和国民经济现代化，乃至人们的文化生活都息息相关。集成电路由芯片和框架经封装而成，其中框架既是骨架又是半导体芯片与外界的联接电路，是芯片的散热通道，又是连结电路板的桥梁，因此框架在集成电路器件和各组装程序中占有极其重要的地位，目前，由于集成电路向高密度，高集成化方向发展，芯片的散热问题已成为突出矛盾。集成电路大规模和超大规模的迅速推进，对集成电路框架及材料提出了高、精、尖、短、小、轻、薄的要求，过去广泛使用的铁镍42合金已不能满足要求。而铜合金框架材料，利用铜合金优良的传热性能，加入少量强化元素，通过固溶强化和弥散强化提高其强度，同时仅稍微损失导热性能。目前，铜合金框架已成为主体，形成了中强中导、高强中导、高强高导合金系列。以前，由于在合金的熔炼工艺、轧制和热处理工艺以及板型控制等关键技术与国外先进水平有较大差距，我国所使用的大规模集成电路引线框架材料长期以来都是依靠进口。目前，本课题组通过一系列研究，开发了具有自主知识产权的Cu-Ni-Si系合金，并实现了Cu-Fe-P 系合金铜带和异型带的国产化大规模生产。

本发明公开了一种数控成品电路板在环境综合作用下的可靠性 快速测评方法，包括：（i）选择温度和直流偏压做为加速应力，为待 执 行 测 评 的 电 路 板 构 建 加 速 模 型 （ⅱ）确定加速应 力水平和应力组合数，分组进行加速寿命试验同时纪录试验数据； （iii） 选取寿命分布模型并根据试验数据进行参数求解，计算出不同加速应 力组合下的特征寿命值；（iv）根据特征寿命值对电路板加速模型进 行拟合和模型系数确立，然后执行可靠性测评，从而获得数控成品电 路板在环境综合作用下的可靠性指标。通过本发明，能够快速、定量 地确定数控成品板在环境综合作用下的可靠性指标，满足系统可靠性 快速评估的要求，并且整体流程便于操作，效率高，满足数控系统高 可靠性的要求。 

神 经 肌 肉 电 刺 激 ( N M E S ) 包 括 功 能 性 电 刺 激 （ F E S ） 和 经 皮 神 经 电 刺 激 （TENS）两种。

本发明涉及一种基于神经网络的风电磁悬浮偏航系统悬浮控制方法，属电气工程技术领域。该方法采用含量化因子的神经网络控制策略，使磁悬浮偏航系统在受到随机干扰情况下，实现稳定悬浮控制：当需要偏航时，首先由悬浮控制器采用PID算法控制励磁电流，使悬浮物向上悬浮至并保持在悬浮平衡点处，得到稳态下外环PID控制器的比例、积分、微分系数参数；其次，悬浮控制器改用含量化因子的神经网络控制策略，获得外环PID控制器参数的调节量；然后由两者求得励磁电流参考值，减去实际值，经内环PID控制器，实时调整励磁电流，实现稳定悬浮。本发明自适应能力强、动态响应快、抗干扰能力强，可确保整个悬浮偏航过程系统性能实时最优。

背景：脑脊髓损伤后轴突再生、功能恢复仍然是一个世界性的难题。脊髓损伤后代偿性轴突侧芽生长能部分恢复肢体自发性运动，但肢体技巧性运动高度依赖皮质脊髓束的完整性。前期研究发现高度选择性皮质脊髓束完全剥夺动物模型（Celsr3|Emx1小鼠）各种运动功能完全正常，提示神经网络具有很强的自发可塑性，其在运功功能的恢复中可能发挥重要的作用。

本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明

本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法，首先对待检测视频进行预处理，分段并提取运动残差图像，将原始图像与运动残差图像组合作为卷积神经网络算法的输入，建立至少包含一个卷积层和最大池化层的特征提取块，处理并计算原始图像和运动残差图像中包含的人群状态特征，再将人群状态特征和运动特征结合，构建至少包含一个卷积层、最大池化层和全连接层的特征融合块，进行融合处理，同时构建分类器，使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练，使分类器对待测视频中的乘客拥挤程度进行正确检测，更加全面的表征监控视频中的客流状况，实现拥挤程度的检测，提高了算法检测的准确率。