光子能带的拓扑特性直接受到晶格质量项大小和分布的影响，通过在拓扑超构表面上设计具有空间非均匀性的质量项晶格，可人为调控光场的束缚能力，从而实现可配置光学狄拉克腔。基于超构表面晶格的位移量来调控质量项，实现对光场束缚特性与品质因子的人为配置。研究结果表明：在超构表面中引入随空间函数分布的质量项，可显著提升拓扑保护下光场的局域化程度；分立式与平滑式分布的质量项分别对应不同的调控机制。通过对质量项进行合理设计，可进一步调控拓扑狄拉克腔的局域强度与空间范围，并获得更高品质因子的激光器。
等离激元纳米材料因其优异的近场增强效应、光热效应和光力效应，近年来在能源、催化、光学及生物医学等领域取得了显著进展，尤其是在生物医学应用中，为超灵敏生物检测策略和有效疗法构建提供了强有力的支持。本文将从近场增强、光热效应和光力效应三大方面对等离激元纳米材料进行探讨，总结其在传感、成像及治疗等生物医学领域的最新应用进展，并对该领域未来的发展方向进行展望。
光波导技术自问世以来，在光通信、生物医疗、柔性电子以及AR显示等多个前沿领域得到广泛应用。微纳光学的进步与新型材料的探索，促进了高性能光波导的多样性发展，这类光波导具有小型化、低损耗、柔性及生物相容等特点。本文紧跟学术研究的最新进展，突出表现纤维光波导的创新成果，围绕生物基纤维以及聚集诱导发光（AIE）等新兴光波导功能纤维材料，介绍这些纤维材料的基本特性，分别讨论它们的光学特性以及由这几种功能材料制成的光波导在光纤光学传感、生物医学监测和临床治疗、光子器件等领域的表现和潜力。最后，对这些纤维光波导目前存在的问题和未来发展进行简要总结。
非阿贝尔能带拓扑理论是最新提出的一种拓扑理论，用于描述空间时间反演对称的多能带系统的能带拓扑特性。通过与液晶分子的缺陷进行类比，多能带系统中的非阿贝尔拓扑荷可以用四元数及广义四元数来描述。由于其拓扑描述涉及多个带隙，对应的边界态分布也变得更为复杂。目前，非阿贝尔能带拓扑理论主要用来解释和描述Nielsen?Ninomiya定理的失效、允许存在的节点线构型、节点线的编织和路径依赖的节点碰撞等。另外，用于表征三重简并点拓扑特性的欧拉数与非阿贝尔拓扑荷也有一定的关联，在节点线的研究中得到广泛应用。本文从非阿贝尔能带拓扑的基本理论出发，系统梳理了该理论在光子学以及其他系统中预测的独特物理现象，介绍了相关实验观测的最新进展，并进一步展望了其发展前景。
光学超构表面作为一种人工构筑的基于微纳结构的二维光子材料，可以对光场的相位、振幅、偏振等物理参量进行精细化调控。将光学超构表面应用于发光器件，利用其光场调控作用，可以实现器件发光特性的精确调控，因而受到广泛关注。本文围绕光学超构表面的制备工艺及其在发光器件中的光场调控应用，介绍了常用的光学超构表面微纳结构制备技术，概述了超构表面的相位调控机制，总结了近年来光学超构表面应用于发光器件的研究进展，讨论了光学超构表面对器件发光颜色、发光方向、发光偏振、发光效率等参量的调控作用，并对光学超构表面以及基于光学超构表面光场调控的发光器件的未来发展方向和应用前景进行了展望。
近年来，深度学习技术发展迅速，在数据处理、模式识别和信息解读方面展现出强大的能力，为优化算法领域带来了革命性的效率提升潜力。采用深度学习方法来优化电磁超材料的设计，已成为研究的热点，并取得了显著进展。在此背景下，本文综述了现有针对电磁超材料的逆向设计方法，包括对经典的迭代算法现状及不足的简单概述以及各类基于深度学习的设计技术，分别对基于深度学习的设计技术的应用范围、优点和局限性以及最新的研究进展进行了讨论。本文重点介绍了多种神经网络架构及其在电磁超材料优化中的应用实例，并对这些优化方法在实际设计中的作用、局限和应用前景进行了深入探讨。最后，本文展望了未来电磁超材料设计领域以及其与人工智能技术深度融合的发展方向。
拓扑态具有抗干扰、抑制散射、误差容忍度高等优点，为实现光子学功能器件提供了鲁棒性平台。拓扑彩虹是一种基于拓扑态的分频器件，通过精确设计拓扑绝缘体的几何结构，能够将不同频率的拓扑态分开并囚禁至不同的空间位置，实现解复用的效果，有望在拓扑路由、拓扑慢光、高容量信息存储以及宽带信息处理等器件的设计和实现中发挥重要作用。本文综述了近年来拓扑彩虹的研究进展，主要针对光学体系的理论与实验研究，同时涵盖声学、弹性波等典型经典波动系统。首先，介绍了拓扑彩虹的物理原理；然后，总结和分析了拓扑彩虹的实现方案，并将其分为基于色散工程的拓扑彩虹、基于合成维度的拓扑彩虹以及基于朗道能级的拓扑彩虹三类；最后，探讨了拓扑彩虹在物理实现和功能应用方面面临的挑战和未来的发展方向。
高精度光伏功率预测是高效利用太阳能发电的关键技术之一。为满足高精度光伏功率预测的需求，提出一种基于多特征提取的超短期光伏发电功率预测方法。首先分析太阳与光伏阵列间的相对位置关系，建立光伏组件倾斜面辐照度机理模型；然后，考虑光伏组件背板温度变化及组件效率衰减对光伏发电的影响，分别采用深度神经网络和卷积神经网络提取各时刻的组件背板温度特征与光伏阵列的慢时变特征；最后，考虑光伏发电功率的时序相关性，使用长短期记忆神经网络提取数据的动态时序特征。基于采集的历史发电功率及气象数据，通过建立多个特征提取模块构造并预测模型的输入，并经由多层神经网络得到未来15 min~4 h的光伏发电功率预测值。以浙江某光伏电站为例进行超短期光伏发电功率预测，在各模型预测结果中，基于多特征提取的光伏发电功率预测模型预测精度高于其他对比模型，月平均准确率可达97.13%，验证了所提预测方法的有效性。
针对高性能红外面阵读出电路功耗过高的问题，提出了一种定制化低功耗电路设计。该方案采用交织采样技术和列级缓冲器分时选通策略，克服了其时间利用率低和闲时功耗过高等缺点。在电路设计中，将像素阵列中的电容反馈跨阻放大器型运放输入对管偏置在亚阈值区，以小电流换取高性能；并基于输出缓冲器单端输出的应用场景，提出了一种新型的高电流效率非对称循环折叠共源共栅运算放大器结构，极大减少了功耗和面积，与传统的折叠共源共栅结构相比，在相近的性能指标下，功耗降低了62.5%。此外，基于SMIC 0.13 μm 1P8M数模混合集成电路工艺设计了一款1280×1024规模的面阵读出电路。仿真结果显示在120 Hz高帧频下，读出电路整体功耗为190 mW，8通道并行数据传输速率为2×107 pixel/s，整体线性度在99.3%以上。
为对收发分离式卫星激光测距系统中发射激光束的指向进行实时调节，提出一种基于深度学习模型的激光束指向关键点实时识别方法。积累大量卫星观测成功后的激光束图像，并对图像数据进行批量标注和数据增强，建立激光束指向图像数据集。研究并使用YOLOv8-Pose深度学习算法进行模型训练，并成功将该模型应用于卫星激光观测。相较于传统激光束图像边缘提取方法，所提算法表现出更强的适应性，平均精度均值达到99.39%。此外，所提算法有效解决天气相对较差时激光束指向关键点识别不准确的问题，为实现自动化卫星激光测距系统奠定基础。
