本期编辑荐读精选了来自西安电子科技大学的研究人员发表于 Electronics 期刊的5篇优质文章，内容涵盖半导体器件制备及应用、微波/毫米波天线阵列设计、桥梁损伤检测模型构建、医学图像少样本学习分类等主题。希望能为相关领域的学者提供参考和新的思路。

进入期刊英文主页：https://www.mdpi.com/journal/electronics

1.Multi-Level Switching of Al-Doped HfO₂ RRAM with a Single Voltage Amplitude Set Pulse 

利用单电压幅度设置脉冲实现Al掺杂HfO₂可变电阻式存储器 (RRAM) 的多级切换

Jinfu Lin, Shulong Wang and Hongxia Liu

https://www.mdpi.com/1040738

文章亮点

(1) 本文通过原子层沉积 (ALD) 反应器以一定比例循环生长HfO₂和Al₂O₃获得一种新型RRAM——Ti/HfO₂: Al/Pt。通过直流 (DC) 扫描和电压脉冲研究其电阻开关特性，以实现逐步调节电导的固有功能。

(2) 通过匹配适当的脉冲和初始电导值，Ti/HfO₂: Al/Pt的电导率可以随着设置脉冲逐步改变。

(3) 在85 °C条件下，Ti/HfO₂: Al/Pt表现出约100的开/关次数、超过500次循环以及约105秒的寿命，为多级存储提供了新思路。

2.Impacts of LaOx Doping on the Performance of ITO/Al₂O₃/ITO Transparent RRAM Devices

LaOx掺杂对ITO/Al₂O₃/ITO透明RRAM器件性能的影响

Guodu Han et al.

https://www.mdpi.com/971634

文章亮点

(1) 本文成功在玻璃衬底上制备了高透明度的ITO/LaAlO₃/ITO RRAM器件，通过在ALD设备制备RS层时插入LaOx层，有效提高了器件的性能。

(2) 制备的TRRAM在可见光范围内的透光率约为75%，具有稳定的工作电压分布，开关倍数约为40倍，保持时间可达10000 s。

(3) 与ITO/Al₂O₃/ITO RRAM器件相比，ITO/LaAlO₃/ITO RRAM器件的电流稳定性、SET/RESET电压分布、特性保持等均有较大改善，展现了镧基稀土氧化物作为电阻开关层在透明RRAM领域的应用潜力。

3.Wideband and High-Gain Wearable Antenna Array with Specific Absorption Rate Suppression

具有特定吸收率抑制功能的宽带高增益可穿戴天线阵列

Haoran Zu et al.

https://www.mdpi.com/1244320

文章亮点

(1) 本文提出了一种具有特定吸收率抑制功能的宽带高增益天线阵列。

(2) 将四个天线单元与馈电网络结合，实现可穿戴宽带高增益天线阵列的设计。得益于UC-EBG设计，比吸收率得到有效抑制，保证了该天线阵列对人体的安全性。

(3) 该天线阵列在4.5～6.5 GHz范围内可实现增益11.8～13.6 dBi，主辐射方向的旁瓣电平小于-12 dB，交叉极化小于-35 dB，在体载通信中展现出良好的潜力。

4.Spiking VGG7: Deep Convolutional Spiking Neural Network with Direct Training for Object Recognition

Spiking VGG7：直接训练的深度卷积脉冲神经网络用于物体识别

Shuiying Xiang et al.

https://www.mdpi.com/1711360

文章亮点

(1) 本文提出了一种直接训练的深度卷积脉冲神经网络 (DCSNN)，采用了与 VGG网络 (视觉几何)类似的漏积分触发 (LIF) 神经元模型，并引入梯度替代法以实现DCSNN的监督训练。

(2) 本文采用端到端训练方法构建并训练了一个深度卷积自编码神经网络 (DCSN)，该网络能够在真实的工程环境中对混凝土桥梁损伤进行分类。

(3) Spiking VGG7模拟了生物神经网络中传输的脉冲信号，并试图揭示信息处理的机制；同时SNN中使用的二进制脉冲编码可以有效降低计算复杂度并提高功率效率。

5.Few-Shot Learning with Collateral Location Coding and Single-Key Global Spatial Attention for Medical Image Classification

利用并行位置编码和单键全局注意力机制的少样本学习进行医学图像分类

Wenjing Shuai and Jianzhao Li

https://www.mdpi.com/1622414

文章亮点

(1) 本文提出了一种并行位置编码，能够帮助网络明确利用每个像素的位置信息，使网络更容易识别仅与位置相关的线索。

(2) 作者设计了一种单键全局空间注意机制，使特征图中的每个像素都能获得有关所有特征的信息，并以此作为特征重要性度量的基础。

(3) 本文所提出的完整的医学图像少样本学习分类框架，能够以经济高效的方式感知全局空间信息，大幅提高了图像分类的有效性和泛化能力。

Electronics 期刊介绍

主编：Flavio Canavero, Politecnico di Torino, Italy

期刊涵盖的研究包括但不限于以下领域：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。期刊致力于快速发表与广泛电子领域相关的、最新的技术突破以及前沿发展。

2023 Impact Factor：2.6

2023 CiteScore：5.3

Time to First Decision：16.8 Days

Acceptance to Publication：2.6 Days