IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

[转载]2019年度全球工程前沿研究报告

已有 1081 次阅读 2019-12-11 16:30 |系统分类:博客资讯|文章来源:转载

2019 年度全球工程前沿研究继续依托中国工程院 9 个学部及“1+9+1”系列期刊,以数据分析为基础,以专家研判为依据,遵从定量分析与定性研究相结合、数据挖掘与专家论证相 佐证、工程研究前沿与工程开发前沿并重的原则,凝练获得 93 个全球工程研究前沿和 94 个全球工程开发前沿,并分别重点解读 28 项工程研究前沿和 28 项工程开发前沿。

小编为您遴选信息与电子工程领域Top 10 热点前沿发展态势~


1. 工程研究前沿


1.1 Top 10 工程研究前沿发展态势


信息与电子工程领域 Top 10 工程研究前沿涉及电子科学与技术、光学工程与技术、仪器科学与技术、信息与通信工程、计算机科学与技术、控制科学与技术等学科方向。其中,“面向光互联、光计算及光传感的硅基集成光子器件”、“面向5G 的大规模天线无线传输理论与技 术”、“人工微纳结构对光及电磁场的调控”基于科睿唯安高被引聚类得出;“类脑智能”来自美 国、欧盟、中国等 8 个国家或地区近两年自然科学基金资助项目主题聚类分析;“新一代神经网络及其应用”基于 SciVal 主题显著度分析得出;“天地一体化组网”、“脑成像技术”、“感知 – 通 信 – 计算 – 控制协同融合理论与方法”、“混合增 强智能”、“量子化精密计量 / 测量技术与相关理论” 由专家补充。 


(1)类脑智能 

(2)天地一体化组网 

(3)脑成像技术 

(4)感知 – 通信 – 计算 – 控制协同融合理论 与方法

(5)混合增强智能

(6)面向光互联、光计算及光传感的硅基集成光子器件

(7)面向 5G 的大规模天线无线传输理论与技术

(8)人工微纳结构对光及电磁场的调控

(9)量子化精密计量 / 测量技术与相关理论

(10)新一代神经网络及其应用


1.2 Top 3 工程研究前沿重点解读


1.2.1 类脑智能


2000 年以来,发达国家相继启动神经形态计算系统研制。2017 年 5 月综述论文“A Survey of Neuromorphic Computing and Neural Networks in Hardware” 统计, 从 1985 年开始,神经形态技术相关的论文数量快速增长,累计 2682 篇,表明类脑系统工程技术实现 是类脑智能方向发展的主力。


我国在类脑智能方面的相关研究超过 10 年。2015 年 9 月,北京市启动实施“脑科学研究”专项,“脑认知与类脑计算”作为两大任务之一,从理论基础研究、类脑计算机研制和类脑智能应用 3 个层次布局了 9 方面任务,包括:大脑结构解析平台、 认知功能模拟平台、神经形态器件、类脑处理器、 机器学习芯片、类脑计算机、视听感知、自主学习 和自然会话。专项调动了本地区脑科学研究力量协同攻关重大共性技术,取得了重要进展,例如:清华大学施路平团队提出了类脑混合计算范式架构, 开发了“天机”系列类脑芯片,成果 2019 年作为封面文章发表在《Nature》;北京大学黄铁军团队对灵长类视网膜进行高精度解析仿真,提出模拟视网膜机理的仿生视频脉冲编码模型,2018 年研制成功脉冲阵列式超速全时仿视网膜芯片,“超速” 人眼千倍。国家级研究层面,2016 年以来“脑科学与类脑智能”重大科技项目实施方案正式编制, 预计不久将会启动。2018 年科技部发布“科技创新 2030——新一代人工智能”重大项目指南,明确将神经形态技术和芯片列为重要研究方向。

1.2.2 天地一体化组网


针对天地一体化网络规模庞大、拓扑结构呈现立体多层次化和高度异构性、业务种类繁多的特点,设计出一套结构清晰、功能简洁、易于高效实现的网络体系结构,这是天地一体化网络技术研究需要解决的首要问题。目前世界上主要国家和地区的发展重点为:美国致力于商用天地一体化网络的大规模建设,如 Starlink 大规模制造并发射低成本低轨卫星、Google Loon 项目推进到商业化阶段;欧盟致力于卫星 – 地面网络与 5G 网络融合,重点研究与网络功能虚拟化 / 软件定义网络(SDN/NFV)的 结合,H2020计划中的多个项目已建成原型;我国已设立天地一体化信息网络重大工程,启动低轨卫星网络建设计划。天地一体化组网技术研究主要围绕以下几个方向开展。


(1)地 / 海 / 空 / 天一体化的组网架构设计

(2)适用于大规模、高异构性的空间网络协议族

(3)高动态轻量级移动性切换机制

(4)多维网络资源协同管理控制技术


1.2.3 脑成像技术


我们正在亲历一场关于脑 – 智自然观的革命性转变。脑科学研究具有科学前沿和综合交叉的双重特征,脑成像技术是深入解析脑功能联结组的有效手段。近年来,脑科学基础研究发展迅猛,人工智能、 脑机接口技术方兴未艾,脑科学研究已迈入黄金时期。随着脑科学研究的逐步深入,科学家在脑成像技术方面提出了更高目标,重点探索如何将脑组织结构的宏观、介观与微观有机融合,绘制脑功能连接图谱,以系统性把握脑组织的结构与功能,开发并优化光、声、电、磁遗传学等非入侵性工具应用 于神经与精神疾病。脑成像技术的主要发展方向为:


高分辨率的大脑结构解析方法和技术,包括高通量三维结构、功能成像与样品处理新技术,图像数据处理分析新方法,用于实现以细胞分辨率对不同物种全脑神经元类型、联结与活动的快速定量解析;


大范围、深穿透度的在体高分辨光学成像等新技术,用于实现清醒和自由活动动物神经活动的高时空分辨率解析;


光电关联等超微成像新技术,用于实现对神经突触等亚细胞结构的超微解析和定量表征。

2. 工程开发前沿


2.1 Top 10 工程开发前沿发展态势


信息与电子工程领域 Top 10 工程开发前沿涉及电子科学与技术、光学工程与技术、仪器科学与技术、 信息与通信工程、计算机科学与技术、控制科学与技术等学科方向。其中,“图像视频分析识别系统与技术”、“基于微纳电子技术的传感器开发”、“手术机器人技术”基于科睿唯安专利地图分析得出,其余 7 项为专家推荐。


(1)毫米波高速通信技术

(2)超精密仪器技术及智能化

(3)图像视频分析识别系统与技术

(4)基于微纳电子技术的传感器开发

(5)手术机器人技术

(6)高能效人工智能芯片技术

(7)基于石墨烯等纳米新材料的传感器单元 及测量技术

(8)柔性可穿戴光电子器件应用技术

(9)物联网安全检测技术

(10)基于合成孔径雷达的图像处理、目标识 别与特征学习

2.2  Top 3 工程开发前沿重点解读


2.2.1 毫米波高速通信技术


5G 毫米波通信系统网络设备主要包括基站 (BS)和核心网(N)。BS 主要包括有源阵列天线单元(AAU)和基带单元(BBU)。其中, AAU 通常为天线、射频与基带预处理一体化集成 形态,并采用大规模 MIMO 技术克服较高的路径 损耗,终端主要采用分组相控阵。目前,5G 毫米 波 AAU 一般采用较大规模天线阵列(如 256 根), 用于提高传输速率和系统容量,其中多通道、高性 能一体化射频集成技术被广泛采用。针对毫米波终 端,考虑体积、能耗、成本的约束,架构一般采用 较小规模的天线阵列(如 4 根),且天线和射频芯 片的一体化集成以毫米波前端模组形式出现。毫米 波多通道高集成度芯片成为技术攻关方向,拟在同 一块芯片上集成多个射频收发通道,进而减小体积、 成本和功耗,由此支持毫米波基站和终端的小型化。为提高毫米波系统性能,对封装技术提出严格要求, 发展以封装天线为代表的先进技术来实现天线和射 频多通道芯片的一体化集成。此外,高集成度给评 估系统性能带来挑战,传统的指标测试失效,基于 空口的测量技术应运而生。相应的测量标准、测 量设备和测量方法正在深入研究。


2.2.2 超精密仪器技术及智能化


一个国家仪器 技术的发展水平往往标志着这个国家的创新能力、 科学技术发展水平及核心竞争能力。世界科技强国 都是仪器强国。超精密仪器技术是构建国家测量体系、引领科学探索、实现技术创新的必备手段,也 是支撑精准医疗和高端装备制造业高质量发展不可 或缺的手段。超精密仪器一直引领着世界科学探索和尖端工 业的发展。截至 2018 年,诺贝尔奖总数为 374 项, 其中约 72% 的物理学奖、81% 的化学奖、95% 的 生理学或医学奖都是借助相关尖端仪器完成的。超 精密仪器呈现精密化、集成化、网络化和智能化等 发展趋势。


(1)新原理仪器的研发。

(2)计量基标准技术趋向量子化。

(3)测量仪器朝着网络化、智能化方向发展。

2.2.3 图像视频分析识别系统与技术


随着智能手机和高清摄像头的普及、各类短视频网站和直播平台的爆发,越来越多视频数据需要快速准确处理和分类。根据互联网公开数据,中国智能手机数量已达 13 亿人次,视频监控摄像头已超过 2 亿个,海量视频数据的高效分析需求成为驱动图像视频分析识别技术快速发展的首要推动力。图像视频分析识别的核心技术可分为 3 个层次:


①特征提取

②目标检测、分割、识别、检索

③目标跟踪、场景理解、视频摘要、行为检测与识别、多摄像头信息融合等


第 1 层次技术较为底层, 早期主要使用人工设计的特征提取算法,如方向梯 度直方图(HOG)、尺度不变特征变换(SIFT)、 局部二值模式(LBP)、哈尔特征(Harr)等方法;近年来,随着深度神经网络特别是卷积神经网络的 发展,显式的特征提取过程已被“端到端”的神经 网络取代。第 2 层次技术更多针对单幅图像分析,同样随着深度神经网络发展,上述任务大多可以在 分类识别网络基础上,对部分网络结构进行修改即 可实现。第 3 层次技术,需要对一路甚至多路视频 进行综合分析,在单帧图像分析基础上,结合诸如 空间、语音、摄像头相对位置等信息,完成更为抽 象和复杂的分析识别任务。

图像视频分析.png

数据来源:科睿唯安

想获取完整报告?识别下方二维码获取!



http://blog.sciencenet.cn/blog-3291369-1209659.html

上一篇:[转载]『最新发布』2019年数学、计算机科学与工程学领域热点和新兴前沿
下一篇:JAS国内外综合他引影响因子6.688,揽获三项第1

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-2-24 01:56

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部