近期，信息工程学院教师刁煜及合作者采用第一性原理和一维薛定谔传输矩阵方法，建立了五种常见杂质气体（H2O、CO、CO2、H2、CH4）吸附在铯（Cs）激活AlGaN(100)表面上的结构模型，计算并分析了不同吸附模型的吸附能、电荷转移、能带结构、态密度、功函数、光学吸收系数和反射率等光电性质。进一步通过对稳定性、电学特性和表面电子逸出几率的分析，建立了电学特性变化与阴极表面光电子发射性能之间的直接联系，揭示了残余气体暴露下AlGaN光阴极性能衰退的物理机制。研究结果有助于提高AlGaN或其他基于III-V族半导体材料的真空器件性能。相关研究进展以《Gas adsorption on activated AlGaN photocathode: A first-principle study on charge redistribution, work function variation and emission performance attenuation》为题发表在《Surfaces and Interfaces》(中科院SCI期刊材料科学二区，IF：5.7)。
论文链接：https://doi.org/10.1016/j.surfin.2024.104665。
(a) 纯净表面势垒；(b) Cs吸附表面势垒；(c) 气体吸附表面势垒；(d-h) 杂质气体吸附表面的电子逸出几率
近日，信息工程学院宋菲老师及合作者提出了一种高效且适用的桥梁混凝土缺陷视觉识别方法，有效解决了无人机检测场景的桥梁混凝土结构裂缝病害识别的问题。相关工作以《Pixel-Level Crack Identification for Bridge Concrete Structures Using Unmanned Aerial Vehicle Photography and Deep Learning》和《Autonomous Identification of Bridge Concrete Cracks Using Unmanned Aircraft Images and Improved Lightweight Deep Convolutional Networks》为题发表在《Structural Control and Health Monitoring》（中科院SCI期刊工程技术2区；影响因子：5.4）上。
该研究针对传统语义分割模型容易出现小裂缝和复杂裂缝检测不完整的问题，设计了一个适用于无人机检测场景的桥梁混凝土裂缝像素级高性能分割模型。该研究主要包含四个部分：（1）考虑到无人机快速检测需要高性能计算性能支撑，使用轻量级卷积神经网络来代替金字塔场景解析网络的传统大规模骨干网络，开发出高性能的裂缝自动识别模型；（2）考虑到桥梁混凝土裂缝具有形状微小和复杂背景的特点，将空间位置自注意力模块插入选用的轻量级模型中以提高其检测精度；（3）使用混凝土桥梁实际工程作为案例研究，构建了由无人机收集的桥梁混凝土结构裂缝数据集，用于模型训练；（4）实验结果表明，该研究提出的方法在训练过程中的损失函数呈现平滑下降，设计的算法在桥梁混凝土裂缝数据集上取得优异表现，在精确度、召回率、准确度和交并比明显优于已有方法。
近年来，信息工程学院高度重视高水平科学研究，始终将科研工作立于发展全局中的核心地位，培育科研团队开展有组织的科研，确立以学科交叉融合作为学院科研特色化发展的必由之路，取得了一系列科研成果，进一步树立了学院的学术自信，增强了学院科研特色。
(图、文：刁煜 宋菲 审核：王小军 魏薇)
