国家预印本平台

为满足自动驾驶离线学习与仿真实验对高质量、多场景、可复现轨迹数据的需求，本文围绕CARLA仿真平台下的城市场景数据集构建开展研究。首先，选取Town10HD地图中的直线定速巡航、行人横穿马路和红绿灯路口通行三类典型驾驶场景，分别明确任务目标、失败条件和采集边界。其次，通过固定路线筛选、候选route预览、场景可重复化设计和规则专家控制器设计，生成包含成功、临界和失败三类质量层次的离线驾驶轨迹。针对行人横穿场景，本文在固定直线路线基础上参数化生成横穿事件，并记录让行、停车、安全距离和碰撞等行为信息；针对红绿灯路口场景，构建停止线推断、交通灯关联和红/黄/绿灯状态机，使数据覆盖红灯等待与绿灯通行两类典型路口行为。最后，对不同来源的episode级数据进行统一字段提取、标签归一化、索引组织和训练/验证/测试集划分，形成面向后续离线策略学习使用的标准化多场景离线驾驶数据集。结果表明，所构建的数据集在三类场景下均具有明确的任务语义、稳定的路线基础和可追踪的数据结构，能够为自动驾驶场景建模、轨迹分析以及后续算法训练与对比实验提供可靠的数据支撑。

低时间抖动光脉冲在精密测量、光电频率合成及低噪声微波产生等领域具有重要应用价值。针对自由运行脉冲激光器重复频率稳定度较低、低频相位波动明显的问题，提出并实验验证了一种基于双点光学分频的低时间抖动脉冲产生方法。该方法采用锁定至同一法布里-珀罗腔不同纵模的两路激光作为光学参考，通过双点光学分频将双频参考的相对稳定性传递至锁模激光器的重复频率，实现对输出脉冲序列的闭环锁定。实验结果表明，与自由运行状态相比，锁定后光电探测得到的1 GHz微波信号在1 Hz处改善36dB，1kHz处改善26dB；在10 Hz至100 kHz积分带宽内，累计均方根时间抖动由252.78 fs降低至8.39 fs。该方法能够有效抑制锁模脉冲序列的低频相位波动，为低时间抖动光脉冲的产生提供了一种有效方案。

随着随着网红代言在社交媒体营销中的广泛应用，部分网红因自身言行或外部事件引发正负评价分化。网红两极化特征能否促进消费者对代言内容的互动，成为企业关注的重要问题。本文构建了网红两极化对消费者社交媒体融入影响的研究模型，通过实验收集数据进行分析验证。研究发现，网红两极化显著正向影响消费者社交媒体融入，高两极化网红更能促进消费者对其代言内容的融入；消费者涉入在这一过程中起部分中介作用；网红类型调节网红两极化对消费者社交媒体融入的影响，相较于微型网红，超级网红情境下的正向影响更强。本研究拓展了网红两极化对消费者反应的影响研究，为企业选择网红合作对象及开展差异化内容沟通提供参考。

人工智能技术的迅猛发展与智能化产业的持续升级显著推动了各类存储器的市场需求。铪基铁电非易失性存储器因具有存储密度高、功耗低、工艺兼容性优异、可微缩性强、集成度高及耐久性高等特点而备受关注，但数据保持能力仍是其大规模应用所面临的关键挑战。本文聚焦这一研究领域，综述了近年来铪基铁电存储器在数据保持特性方面的主要研究进展：首先介绍了铪基铁电与反铁电存储器的工作原理及数据保持特性的表征方法；随后分析了影响保持特性的关键机制，包括印记效应和温度效应等；进而通过对比铪基铁电存储器与反铁电存储器，指出二者保持特性的显著差异主要源于不同的自由能模型；最后总结了当前改善数据保持特性的主要技术途径，包括元素掺杂、退火工艺优化及界面工程等。

随着人工智能技术的快速发展，计算机需要处理的数据规模呈指数级增长，这对硬件存储性能提出了更高需求。传统闪存（flash）的读写速度已无法与中央处理器（central processing unit, CPU）的运算速度相匹配，由此产生的“存储墙”（memory wall）问题成为制约计算性能进一步提升的瓶颈。同时，高端消费电子产品向移动化方向的发展趋势对硬件的要求不断提高，尤其对超低功耗计算、高密度和低成本数据存储等需求日益迫切。自掺杂氧化铪（HfO2）薄膜中的铁电性被发现以来，基于氧化铪的铁电材料便在器件领域引起了广泛关注。得益于氧化铪薄膜与现代半导体制造工艺的良好兼容性及优异的可微缩性，铁电场效应晶体管（ferroelectric field-effect transistor, FeFET）在先进微电子领域重新成为研究热点，被视为突破传统存储器性能瓶颈、破解“存储墙”难题的关键候选器件。本文聚焦于FeFET在非易失性存储器中的应用，系统阐述其基本工作原理，深入探讨掺杂效应、退火工艺及冷却速率等因素对氧化铪薄膜铁电特性的影响规律。针对FeFET的可靠性问题，重点分析提升关键器件性能指标（如存储窗口、耐久性与保持时间）的机理与方法。此外，本文还综述了FeFET在材料优化（如混合铁电层、新型高k界面层）与结构创新（如铟镓锌氧化物FeFET）方面的最新研究进展。最后对FeFET的未来发展进行展望，指出氧化铪基 FeFET在嵌入式非易失性存储器、神经形态计算、高密度存储等领域具有重要的商业化应用前景，有望成为下一代微电子存储器件的核心组成部分。