我院魏宇翔、罗文均、汪奕天、王一朴、杨沛等同学近期分别以第一作者在工程技术领域顶级期刊《Engineering Applications of Artificial Intelligence》、仪器与测量领域的权威期刊《IEEE Transactions on Instrumentation & Measurement》、半导体制造领域权威期刊《IEEE Transactions on Semiconductor Manufacturing》、新能源领域权威期刊《Journal of Energy Storage》、测量技术领域著名期刊《Measurement Science and Technology》和图像处理国际会议ICIP 2022发表多篇关于半导体制造和新能源电池的高水平论文和一篇关于神经网络安全性的高水平会议论文。电子科技大学均为第一作者单位。
以上同学均来自于格拉斯哥学院智慧星辰科研兴趣小组，该科研兴趣小组组建几年以来，团队成员在人工智能、深度学习、半导体制造、新能源电池、医学信息分析等领域的研究取得了良好的进展，此外，刘嘉乐同学从1692组参赛队伍中脱颖而出，获得了2022年全国数字汽车大赛二等奖。
罗文均同学撰写的期刊论文“Composite Wafer Defect Recognition Framework based on Multi-View Dynamic Feature Enhancement with Class-Specific Classifier”于2023年3月份被IEEE Transactions on Instrumentation & Measurement (中科院二区，影响因子5.332)接收。为提高复合类型的晶圆缺陷的识别能力，罗文均同学提出了一种基于多视角动态特征增强模块和类特定分类器的复合晶圆缺陷识别框架（图1）。这个框架可以选择性地从多个角度对复合晶圆缺陷图像进行信息提取，并相应地自适应地增强它们。此外，所提出的框架应用了特定的分类器，该分类器使用注意力机制分别针对每种基本类型缺陷的特征进行重新校准。实验结果表明，该框架能够有效地识别复合类型的缺陷，并优于其他已有的对比方法。
图1 基于多视角动态特征增强模块和类特定分类器的复合晶圆缺陷识别框架
魏宇翔同学撰写的期刊论文“Wavelet Integrated Attention Network with Multi-Resolution Frequency Learning for Mixed-Type Wafer Defect Recognition”于2023年2月份发表在Engineering Applications of Artificial Intelligence (中科院二区，影响因子7.802)。针对伴随噪声的半导体晶圆缺陷识别问题，魏宇翔同学提出了一种多分辨率小波集成注意网络框架，该框架深入的整合了离散小波变换和卷积神经网络，使得模型可以从不同的频率分量及其位置信息中获取隐藏信息（图2）。此外，本研究利用不同级别的小波变换对不同分辨率的图像进行解释，从而从不同角度阐述所学习到的特征。 实验结果表明，所提出的框架都优于已有的对比方法，并且在具有较高噪声的数据上表现出更卓越的性能。
图2 基于多分辨率小波集成注意网络框架
王一朴同学撰写的期刊论文“Wavelet Attention-Powered Neural Network Framework with Hierarchical Dynamic Frequency Learning for Lithium-ion Battery State of Health Prediction”于2023年2月份发表在Journal of Energy Storage (中科院二区，影响因子8.907)。为准确估计并预测锂离子电池的健康状态，王一朴同学提出了一种小波注意力驱动的分层动态频率学习框架（图3）。该框架将CNN的特征学习从时域扩展到频域，使CNN能够学习频率和分离不同间隔的频率分量。此外，该框架实现了分层的动态频率学习，其可以自动聚焦于有价值的频率信息，丢弃无用的噪声或无关的信息。实验结果表明，该框架能够准确地预测电池的健康状态，且性能优于目前最先进的方法。
图3 基于小波注意力的锂离子电池健康状态预测框架
汪奕天同学撰写的期刊论文“A Class Imbalanced Wafer Defect Classification Framework Based on Variational Autoencoder Generative Adversarial Network”于2022年11月份发表在Measurement Science and Technology (中科院四区，影响因子2.398)。汪奕天同学探索了VAEGAN网络在晶圆缺陷检测领域的应用，创新地结合了生成式模型VAE和GAN，完成对不均衡缺陷样本的扩充（图4）。该模型利用了VAE网络对于小图像样本的生成优势，结合鉴别器对于生成样本做真假判别，避免了生成图样的特征遗失，模糊，以及随机性等问题。同时，该模型引入了一个Validation方法，通过调节参数，能够控制生成样本的多样性和准确性，从而得到更好的训练数据。通过该方法得到的性能优于已有的对比方法，拥有卓越的表现。
图4 基于VAEGAN的样本不平衡半导体晶体缺陷识别框架
杨沛同学撰写的会议论文“Regional Saliency Map Attack for Medical Image Segmentation” 于2022年10月份发表在2022 IEEE International Conference on Image Processing (ICIP 2022)。针对医学图像多器官分割任务，论文提出了区域显着图攻击（RSMA）算法，它只需要扰乱特定器官附近的局部区域即可完成神经网络的攻击，而大部分图像未受污染（图5）。此外，该方法通过显着图利用多个通道中的混合信息来生成更难以察觉的扰动模式。
图5 通用数据集和医学数据集上对抗性示例的可视化
刘嘉乐同学联合清华大学工业工程系RRML团队同学完成的作品：“新能源汽车动力电池安全风险评估与故障预警”在经历多轮比赛后，从1692组参赛队伍中脱颖而出获得了2022年全国数字汽车大赛二等奖。该工作以数字大赛组委会提供的10 辆纯电动乘用车近半年的数据为核心，对在线运行车辆进行动力电池安全风险评估和故障预警。通过对电动车在线数据进行预处理，对其运行状态进行分析以建立电池故障评估模型，以及时发现并预警电池故障，从而保障新能源汽车的安全运行。
格拉斯哥学院一直以培养国际化工程创新人才为目标，充实第二课堂育人内容，激发学生创新意识、培养创新精神、提升创新能力。通过“别创一格”新生课外创新实践项目、大学生创新创业训练项目、“格物致知”科研见习项目、毕业设计项目、企业实习项目等，打造贯通1-4年级层级递进的“第二课堂”创新训练培育平台；充分发挥“嵌入式芯片与系统设计竞赛”等学科竞赛牵引作用，打造“以赛促教、以赛促学”的科创育人实践体系；开展学生科创交流分享会、科研零距离及教授讲座活动，邀请高年级学生及导师定期围绕竞赛经验传授、高水平论文发表、科研实验室参观等内容分享前沿信息，产生科研灵感，促进跨学科、前瞻性的学生科创团队诞生，全面深化科研育人成效。
团队介绍：
“智慧星辰”学生科研小组是一个纯学生无导师团队，专注于前沿的人工智能和深度学习技术，致力于在智能无人系统、半导体制造、新能源设备及锂电池电池和医学信息等领域开展相关研究。团队成员每周自发地开展周会讨论，探讨科研问题，分享前沿论文、经验和见解；在清华大学王欢博士（机械与电气工程学院2019级研究生校友）和小组学长传帮带和互帮互助下，团队成员完成科研训练过程，发现问题、探索解决方案，完成论文撰写、投稿和修改。目前该小组主要成员20人，主持四川省苗子工程项目一项；近几年在国际期刊及会议发表学术论文20余篇，获全国互联网大赛等重要学科竞赛5项。
格拉斯哥学院智慧星辰科研兴趣小组持续欢迎志同道合的同学加入，团队将对加入的同学全程给与详尽的科研指导。联系人：王欢: wh.huanwang@qq.com；汪奕天: uestc_wangyitian@qq.com
附文中论文列表：
1. Wenjun Luo (格院2020级) and Huan Wang.” Composite Wafer Defect Recognition Framework based on Multi-View Dynamic Feature Enhancement with Class-Specific Classifier”, IEEE Transactions on Instrumentation and Measurement, 2023, IF 5.332.
https://ieeexplore.ieee.org/abstract/document/10081449
2. Yuxiang Wei (格院2019级), and Huan Wang.” Wavelet Integrated Attention Network with Multi-Resolution Frequency Learning for Mixed-Type Wafer Defect Recognition”, Engineering Applications of Artificial Intelligence, 2023, IF 7.802.
https://www.sciencedirect.com/science/article/pii/S0952197623001598
3. Yipu Wang (格院2021级) and Huan Wang.” Wavelet Attention-Powered Neural Network Framework with Hierarchical Dynamic Frequency Learning for Lithium-ion Battery State of Health Prediction”, Journal of Energy Storage, 2023, IF 8.907.
https://www.sciencedirect.com/science/article/pii/S2352152X23000944
4. Yitian Wang (格院2019级), Yuxiang Wei (格院2019级), Huan Wang.”A Class Imbalanced Wafer Defect Classification Framework Based on Variational Autoencoder Generative Adversarial Network”, Measurement Science and Technology, 2022, IF 2.398.
https://iopscience.iop.org/article/10.1088/1361-6501/ac9ed3
5. Pei Yang (格院2019级), Huan Wang. “Regional Saliency Map Attack for Medical Image Segmentation”, ICIP 2022
https://ieeexplore.ieee.org/document/9898066
